ارائه روشی نو برای تشخیص خطای امپدانس بالا بوسیله شبکه عصبی
Publish place: 18th International Power System Conference
Publish Year: 1382
Type: Conference paper
Language: Persian
View: 1,743
This Paper With 11 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
PSC18_026
Index date: 18 May 2007
ارائه روشی نو برای تشخیص خطای امپدانس بالا بوسیله شبکه عصبی abstract
در این مقاله روشی نوین برای تشخیص خطای امپدانس بالا در شبکه های توزیع برمبنای شبکه عصبی ارائه شده است . این خطا دارای محتوای هارمونیکی خاصی میباشد که با هارمونیکهای ناشی از کلید زنی خطوط و بارهای خطی، غیر خطی، خازنی و ... متفاوت است . برای تشخیص این خطا بوسیله شبکه عصبی در ابتدا با استفاده از شبیه سازی، هارمونیکهای ناشی از این خطا و پدیده های کلیدزنی به ازای شرایط مختلف بدست می آید . در صورت بروز خطای مذکور، شبکه عصبی قادراست تا میان این خطا و سایر پدیده ها تمیز قائل گردد . مزیت استفاده از روش مذکور در هوشمند بودن شبکه عصبی میباشد زیرا این شبکه قادر است تا حالت هایی که با آنها آموزش ندیده را با دقت بسیار بالا به عنوان پدیده خطا یا کلیدزنی طبقه بندی نماید . اگر چه شبکه عصبی قبلا برای تشخیص خطای امپدانس بالا به کار گرفته شده است ولی ساختار پیشنهادی در این مقاله از برتری ویژه ای نسبت به روشهای دیگر برخوردار می باشد به گونه ای که با حداقل تعداد لایه ها بهترین جواب را در تشخیص ال گوهای غیر خطی ارائه می نماید . روش پیشنهادی بر ترکیب لایه های خطی و سیگموندی استوار بوده و همین امر سبب افزایش دقت روش مذکور گردیده است .
ارائه روشی نو برای تشخیص خطای امپدانس بالا بوسیله شبکه عصبی Keywords:
خطای امپدانس بالا - شبکه عصبی
ارائه روشی نو برای تشخیص خطای امپدانس بالا بوسیله شبکه عصبی authors
مجتبی خدرزاده
دانشگاه صنعت آب و برق شهید عباسپور
پوریا صادقیان
دانشگاه آزاد اسلامی واحد تحصیلات تکمیلی تهران - ایران
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 :