پخش بار بلادرنگ با استفاده از شبکه عصبی RBF

Publish Year: 1384
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 2,602

This Paper With 9 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:

PSC20_180

تاریخ نمایه سازی: 8 آذر 1385

Abstract:

پخش بار در یک سیستم قدرت یعنی محاسبه نقطه کار حالت مانای سیستم و یک مسئله اساسی در مرحله طراحی، بهره برداری و کنترل سیستم های قدرت به شمار می رود . در این مقاله از یک شبکه عصبی RBF جهت انجام پخش بار بلادرنگ در سیستم های قدرت استفاده می شود . ایده اصلی آن است که خروجی های پخش بار تابعی از شرایط اولیه ای است که جهت انجام پخش بار در سیستم به کمک یکی از روشهای عددی مورد استفاده قرار می گیرند طوریکه می توان از یک شبکه عصبی RBF جهت تقریب زدن این تابع استفاده نمود . ما از این ایده قبلاً جهت انجام پخش بار در یک سیستم کوچک شامل 3 ژنراتور و 9 شین به کمک یک شبکه عصبی پرسپترون چند لایه (3) (MLP) استفاده نموده ایم ولی به منظور تخمین هر کدام از خروجی های پخش بار یک شبکه ص بی MLP مجزا مورد استفاده قرار دادیم . در این مقاله قصد داریم از یک شبکه عصبی RBF جهت انجام پخش بار بلادرنگ در یک سیستم قدرت بزرگ شامل 10 ژنراتور و 39 شین یعنی سیستم تست نیوانگلند (4) استفاده نمائیم طوریکه بتوانیم تمامی خروجی های پخش بار را تنها به کمک یک شبکه عصبی RBF تخمین بزنیم . شبکه عصبی RBF دارای مزایای زیادی از جمله سرعت بالای یادگیری و سادگی ساختار نسبت به شبکه عصبی MLP می باشد و نتایج شبیه سازی درستی روش طرح شده را تأئید می نماید .

Authors

علی کرمی

دانشگاه گیلان - دانشکده فنی

محمدصادق محمدی

دانشگاه گیلان - دانشکده فنی

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 :
  • پخش بار بلادرنگ در سیستم های قدرت با استفاده از شبکه های عصبی [مقاله کنفرانسی]
  • S. We erasooriya, M. El-Sharkawi, M. Damborg, and R. J. ...
  • J. Arrillaga, C. P. Arnold, and B. J. Harker, Computer ...
  • B. Stott, «Review of Load-Flow Calculation Methods?, IEEE Proc., Vol. ...
  • R. Van Amerongen, ،A General -Purpo _ Version of the ...
  • D. J. Sobajic and Y. H. Pao, ، Artificial Neural-Net ...
  • Y. Mansour, A. Chang, J. Tamby, E. Vaahedi, B. Corns, ...
  • K. L. Lo, L. J. Peng, J. F. Macqueen, A. ...
  • T. T. Nguyen, ،Neural Network Load- Flow', IEE Proc. _ ...
  • M. B. Menhaj and A. Karami, ،Neural Networks for Power ...
  • V. L. Paucar, and M. J. Rider, ، Artificial Neural ...
  • S. Haykin, Neural Networks: A Comp rehensive Foundation, 2nd ed., ...
  • J. A. Refaee, M. Mohandes, and H. Maghrabi, «Radial Basis ...
  • T. Jain, L. Srivastava, and S. N. Singh, ، Fast ...
  • Using Radial Basis Function Neural Network', IEEE Trans. On Power ...
  • M. A. Pai, Energy Function Analysis for Power System Stability, ...
  • Y. H. Pao and D. J. Sobajic, 44Combined Use of ...
  • Over- D etermined ...
  • Ps e u do-Inverse 20. Slack Bus ...
  • Function Approximatio n 22. Violated ...
  • نمایش کامل مراجع