شبیه سازی و طبقه بندی وقایع کیفیت توان با استفاده از شبکه عصبی

نویسندگان

زهرا مروج

دانشگاه سمنان جواد آذرخش

دانشگاه سمنان

چکیده

امروزه استفاده ی روز افزون از تجهیزات الکترونیکی و بارهای غیر خطی در سیستم قدرت، مسئله کیفیت توان را به یک موضوع مهم تبدیل کرده است. در این مقاله برای شبیه سازی وقایع کیفیت توان به طور همزمان از دو روش مدل سازی ریاضی و داده های حاصل از شبیه سازی با نرم افزار pscad استفاده شده است. با توجه به عملکرد بسیار خوب شبکه های عصبی در کارهای تشخیص الگو و طبقه بندی، شبکه عصبی چند لایه برای طبقه بندی وقایع مورد استفاده قرار گرفته است .در مرحله استخراج ویژگی ها از دو تبدیل stft و تبدیل موجک گسسته استفاده شده است. پس از طبقه بندی وقایع با استفاده از شبکه عصبی، مقاومت شبکه عصبی در برابر نویز در سطوح مختلف مورد بررسی قرار گرفته است. در شرایطی که نویز وجود ندارد شبکه عصبی وقایع را با دقت 98.22 درصد طبقه بندی می کند. در پایان نتایج به دست آمده در این مقاله با نتایج تحقیقات دیگر مورد مقایسه قرار گرفته است

برای دانلود باید عضویت طلایی داشته باشید

برای دانلود متن کامل این مقاله و بیش از 32 میلیون مقاله دیگر ابتدا ثبت نام کنید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

شبیه سازی و طبقه بندی وقایع کیفیت توان با استفاده از هوش مصنوعی

استفاده ی روز افزون از تجهیزات الکترونیکی و بارهای غیر خطی در سیستم قدرت، مسئله ی کیفیت توان در سیستم قدرت را به یک موضوع مهم تبدیل کرده است. در این پایان نامه برای شبیه سازی وقایع کیفیت توان که در اینجا ده واقعه ی سینوسی خالص، ضربه، گذرا، فلیکر، هارمونیک، فرو رفتگی ولتاژ، برآمدگی ولتاژ، تغییرات فرکانس، شکاف ولتاژ و وقفه می باشند به طور همزمان از دو مدل ریاضی و داده های حاصل از شبیه سازی با نرم...

ارائه یک روش هوشمند برای شناسایی و طبقه بندی وقایع کیفیت توان

در این مقاله، یک روش جدید براساس تبدیل S و شبکه عصبی احتمالی به منظور تشخیص اغتشاشات کیفیت توان ارائه شده است. از آنجایی که اغتشاشات کیفیت توان سیگنال‏ های ناایستا هستند، تبدیل S می تواند به طور مؤثری وقایع کیفیت توان را در هر دو حوزه زمان و فرکانس آنالیز نماید. شبکه عصبی احتمالی با استفاده از ویژگی های استخراج شده توسط تبدیل S، به منظور طبقه بندی رخدادهای کیفیت توان، آموزش داده می شود. از آنجا...

متن کامل

طبقه بندی نظارت شده جوامع گیاهی شمشاد هیرکانی با استفاده از شبکه عصبی مصنوعی

در این پژوهش، کاربرد روش شبکه عصبی مصنوعی یا MLP در فرآیند تخصیص رلوه- گروه‌ها/جوامع‌گیاهی با استفاده از پایگاه اطلاعاتی ترکیب‌گیاهی جنگل‌های شمشاد هیرکانی (Buxus hyrcana Pojark.) ارزیابی شد. برای این منظور، نخست گروه‌های بوم‌شناختی و جامعه‌شناختی شمشاد هیرکانی به ترتیب با استفاده از نتایج دو روش عددی TWINSPAN و تجربی براون-بلانکه تعیین شد. نتایج هر دو دارنگاره عددی و تجربی طبقه‌بندی مشتمل بر 7...

متن کامل

شبیه سازی و پیش‌بینی جریان رودخانه‌ها با استفاده از شبکه عصبی و مدل فوریه

  مقاله حاضر به بررسی نحوه عملکرد شبکه‌های عصبی MLP در ارتباط با خروجی مدل فوریه، FSAM، می‌پردازد. مدل FSAM که مدل شبیه ساز بارش است، تحلیل مدل‌های کلاسیک را در قلمرو فرکانس، که توسعه نظریه طیفی فرآیندهای متداول نظیر طیف الگوهای ARIMA را در درون خود دارد، ارائه می‌دهد. کاربرد همزمان شبکه‌های عصبی MLP و مدلFSAM، امکان پیش بینی جریان ماه (i) ام را در ارتباط با پیش بینی بارش همان ماه، میسر می‌سازد...

متن کامل

شبیه سازی فرآیند تولید سوخت بیودیزل حاصل از روغنهای پسماند با استفاده از شبکه عصبی

هدف این تحقیق ارائه مدل شبکه عصبی مصنوعی در تولید سوخت بیودیزل است که بتوان به راحتی تخمینی از میزان تبدیل واکنش بدست آورد. شبکه تولید شده از نوع شبکه پس انتشار می‌باشد که دارای یک لایه ورودی، یک لایه خروجی و یک لایه پنهان می‌باشد. متغیرها ورودی شبکه عصبی به ترتیب عبارتند از: نسبت مولی الکل به روغن (9:1-3:1)، دمای واکنش (65- 45 درجه سانتیگراد) و شدت همزنی (600-200 دور بر دقیقه). با مقایسه نتایج...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید


عنوان ژورنال:
مدلسازی در مهندسی

جلد ۱۳، شماره ۴۱، صفحات ۱۳۷-۱۴۶

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023