بکارگیری تکنیک شبکه عصبی مصنوعی در کنترل ولتاژ سیستم های قدرت

Publish Year: 1385
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 2,531

This Paper With 10 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:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

PSC21_003

تاریخ نمایه سازی: 27 آبان 1385

Abstract:

کنترل وبهینه سازی توزیع توان راکتیو در سیستم های قـدرت باعث می شود تا از منابع تولید توان راکتیو موجـود در شـبکه قدرت به صورت مناسبتری بهره بـرداری شـود . کنتـرل تـوان راکتیو کمک می کند تا تلفات سیستم قـدرت بـه میـزان قابـل توجهی کاهش پیدا کند . این امر به نوبه خود باعث کاهش بار و بهبود ضریب قدرت شبکه قـدرت خواهـد شـد . ] [ 4 یکـیدیگر از دلایل عمده نیاز به کنترل توان راکتیو ، بهبود پروفیـل ولتاژ شبکه قدرت است . ] [ 4 در این مقاله کارآمد ی تکن یک شبکه ها ی عص بی مصـنوع ی در کنترل ولتاژ و توان راکتیو بر رو ی س یستم 14 شینه اسـتاندارد IEEE آزما یش شده است . در شبکه عصـبی پیشـنهادی ولتـاژ شینه های PQ و تلفات سیستم بعنوان ورودیهـا ی شـبکه بکـار گرفته شده اند و ولتـاژ ژنراتورهـا و تـب ترانسـفورماتورها و منابع جبران سازهای موازی به عن وان خروجی شـبکه عصـبی تعریف شده اند . نتایج بدست آمده از ا ین روش بـا نتـا یج روش برنامـه ریـزی خطی مقایسه گرد یـ ده انـد . " کـاهش تلفـات انتقـال شـبکه " بعنوان تابع هدف روش برنامه ر یزی خط ی لحاظ شده اسـت . نتایج بدست آمده ضمن تائید روش برنامـه ریـزی خطـی بـه عنوان یکی از روش های مطلوب، نشان مـی دهـد کـه شـبکه های عصبــی، در مقایسه با روش برنامه ریزی خطی در زمان بسیار کوتاه تری توانسته اند با دقـت بسـیار بـالا پاسـخهای بهینه مساله را پیدا کنند . ضمن اینکه روش شبکه های عصـبی نسبت به روش برنامه ریزی خطـی از مزایـایی نظیـر سـادگی ساختار، امکان استفاده از تجربیات اپراتور و خاصـیت تعمـیم پذیری برخوردار است .

Keywords:

کنترل ولتاژ و توان راکتیو , شبکه های عصبی مصنوعی , برنامه ریزی خطی , الگوریتم پس انتشار خطا

Authors

علیرضا سینا

عضو هیات علمی جهاد دانشگاهی خوزستان

سیدسعیداله مرتضوی

عضو هیات علمی دانشگاه شهید چمران اهواز

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
  • تی.جی.ای میلر، کنترل توان راکتیو در سیستم های الکتریکی، ترجمه ...
  • پرفسور پرابها شانکار کندور، پایداری و کنترل سیستم های قدرت، ...
  • دکتر محمود جورابیان، دکتر رحمت اله هوشمند، مبانی شبکه های ...
  • Antonio J. Conejo, Senior Member _ Francisco -Bas Loss Allocation، ...
  • تالیف: دکتر حسین سیفی، بهره برداری از سیستم های پیشرفته ...
  • QG5 _ _ _ _ _ مقدار _ _ _ ...
  • A. O .Ekwue. JF. Macqueen, ،، Artificial Intelligence Techniques for ...
  • K _ R .C.Mamandur, R.D.Cheauth, *Optimal Control of Reactive Power ...
  • A.A.EL- Samahy, W.M.Refaey, "An Artificial Neural Network Scheme for Reactive ...
  • Horward Demuch, Mark Beale, "Neural network Toolbox for Use with ...
  • Gerald B.Sheble, "Power Basics Problems and S olutions*، IEEE Tutorial ...
  • Tore Peterson، BBC Tutorial paper in Reactive Power C ompensation'، ...
  • Laurence Fausett _ Fu ndamentals of Neural Networks Architectures Algorithm ...
  • Mork Rice Gerald T. Heydt.، Phasor Measurement Unit Data in ...
  • Sameh Kamel, Mena Kodsi "Modeling and Simulation of IEEE 14 ...
  • Hirotaka Yoshida, Kenchi Kawata "A Particle SW ARM optimization for ...
  • J. Qiu, S. M. Shidehpour, _ A new Approach for ...
  • Tochio Fukuda, Takanori Shibata "Theory and Application of Neural Network ...
  • M. H. Hagan, M.B. Menhaj "Training Feed Forward Network with ...
  • "IEEE guide for operation and maintenance of hydro generator", IEEE ...
  • نمایش کامل مراجع