پیش بینی بار راکتیو با شبکه عصبی LSTM
Publish place: The first national conference of interdisciplinary advanced technologies in engineering sciences
Publish Year: 1401
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 254
This Paper With 17 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ENGINEERKH01_057
تاریخ نمایه سازی: 24 اردیبهشت 1402
Abstract:
پیش بینی دقیق بار راکتیو می تواند دقت و فرآیند بهینه سازی توان راکتیو برای شبکه های قدرت را بهبود بخشد تغییرات در بار راکتیو بارو بار اکتیو همزمان نیستند وتغییرات غیرخطی فراوان هستند و استخراج روندهای ذاتی داده ها دشوار است.با توجه به مشکلات فوق،این مقاله روشی را برای پیش بینی باس بارهای راکتیو بر اساس یادگیری عمیق پیشنهاد می کند. یک مدل پیش بینی بار راکتیو بر اساسیک شبکه عصبی حافظه کوتاه مدت دو ورودی برای استخراج مشخصات دقیق داده های بار واکنشی اکتیو ساخته شده است.بارهای اکتیوو راکتیو به عنوان داده های ورودی و خروجی برای مدل سازی دینامیکی استفاده می شوند تا پیش بینی های یکپارچه باس بارهای اکتیو وراکتیو را تشکیل دهند.نتایج تجربی نشان می دهد که این روش میتواند باس بار توان راکتیو بار ها را با دقت پیش بینی کند
Keywords:
بهینه سازی توان راکتیو , پیش بینی بار راکتیو , شبکه عصبی حافظه کوتاه مدت
Authors
جواد حمیدی
عضوهیئت علمی موسسه آموزش عالی خراسان، دانشکده مهندسی، گروه برق
اراد امدادی
دانشجوی کارشناسی ارشد موسسه آموزش عالی خراسان، دانشکده مهندسی، گروه برق