تشخیص جزیره در شبکة توزیع مبتنی بر تبدیل S گسسته سریع و ماشین بردار پشتیبان
نویسندگان
چکیده مقاله:
در این مقاله، روشی جدید برای تشخیص جزیره در خطوط توزیع با منابع تولید پراکنده مبتنی بر تبدیل S گسسته سریع ارائه شده است. در این روش، ابتدا تبدیل S ولتاژ و جریان در نقطة اتصال مشترک محاسبه شده است؛ سپس ویژگی‌های متمایزکنندة حالت جزیره از حالت نرمال با استفاده از ماتریس S و کانتورهای فرکانسی استخراج می‌شوند. این ویژگی‌ها با مطالعة شرایط مختلف عملکرد عادی ازجمله ورود و خروج بار، بارهای موتوری، وقوع خطاهای گذرا و وقوع جزیره در شرایط مختلف بار محلی با عدم توازن توان مختلف به دست آمده است. در نهایت برای طبقه‌بندی ویژگی‌های استخراج‌شده، ماشین‌بردار پشتیبان پیشنهاد شد تا وقوع جزیره را تشخیص دهد. برای انجام مطالعات، سیستم توزیع با استفاده از نرم‌افزار PSCAD/EMTDC شبیه‌سازی شده است و بردارهای ویژگی متناظر با حالات مختلف جزیره و نرمال برای آموزش و تست طبقه‌بندی‌کنندة ماشین بردار پشتیبان استفاده شده‌اند. روش پیشنهادی در شرایط مختلف شبیه‌سازی شده است. نتایج نشان می‌دهد این روش، سرعت و دقت زیادی در تشخیص جزیره دارد و در طبقه‌بندی شرایط مؤثر است و نویز بر آن تأثیر نمی‌گذارد.
منابع مشابه
حفاظت دیفرانسیل ترانسفورماتور قدرت با استفاده از تبدیل S گسسته سریع و ماشین بردار پشتیبان بهینه‌شده با الگوریتم زنبورعسل
در این مطالعه، روش مبتنی بر تبدیل S گسسته سریع برای متمایزکردن جریان خطای داخلی از اغتشاشات دیگر در ترانسفورماتور قدرت ارائه شده است. ویژگی توابع براساس ویژگی‌های استخراج‌شده از ماتریس S و کانتورهای فرکانسی پیشنهاد شده‌اند. برای طبقه‌بندی ویژگی‌ها، ماشین بردار پشتیبان(SVM)، توسعه داده شده و از الگوریتم بهینه‌سازی زنبورعسل برای انتخاب پارامترهای بهینه طبقه‌بندی‌کنندۀSVM استفاده شده است. برای انج...
متن کاملدو روش تبدیل ویژگی مبتنی بر الگوریتم های ژنتیک برای کاهش خطای دسته بندی ماشین بردار پشتیبان
Discriminative methods are used for increasing pattern recognition and classification accuracy. These methods can be used as discriminant transformations applied to features or they can be used as discriminative learning algorithms for the classifiers. Usually, discriminative transformations criteria are different from the criteria of discriminant classifiers training or their error. In this ...
متن کاملبررسی مقایسه‌ای توان مدل‌های ترکیب گوسی و ماشین بردار پشتیبان در تشخیص و پیش‌بینی حباب قیمتی
هدف این مقاله بسط و توسعه روش هایی مبتنی بر ساختار های شبکه ای و دارای پایه و مبنای ریاضی است که توانایی تشخیص حباب قیمت را در بورس اوراق بهادار تهران داشته باشد. در این مطالعه هدف ارائه مدلی برای تخمین حباب قیمت در بورس اوراق بهادار تهران است. به همین منظور به روش غربالگری نمونه ای به حجم 504 سهم شرکت پذیرفته شده در بورس اوراق بهادار تهران انتخاب گردید و اطالعات مربوط به قیمت و حجم معامالت آنه...
متن کاملشبیه سازی نوسانات سطح آب زیرزمینی با استفاده از ترکیب ماشین بردار پشتیبان و تبدیل موجک
امروزه در بسیاری از کشورهای جهان، به ویژه در مناطقی که با کمبود آب‌های سطحی مواجه هستند، بهرهبرداری از منابع آب زیرزمینی بیش از پیش مورد توجه قرار گرفته است. بهرهبرداری بیرویه از این منابع، بدون بهرهگیری از مطالعات منابع آب زیرزمینی میتواند مشکلات و پیامدهای جبران‌ناپذیری را بهبار آورد. مدیریت صحیح این منابع با شناخت کامل و آگاهی از این منابع امکانپذیر است. در این تحقیق از مدل ماشین بردا...
متن کاملتوسعة مدلی مناسب بر مبنای شبکة عصبی مصنوعی و ماشین بردار پشتیبان برای پیش‌بینی بهنگام اکسیژن‌خواهی بیوشیمیایی 5 روزه
محدودیت سنسورهای سخت‌افزاری برای اندازه‌گیری برخی مشخصه‌های کیفی آب مانند اکسیژن‌خواهی بیوشیمیایی 5 روزه (BOD5) که از لحاظ زمانی هزینه‌بر هستند، تلاش‌ها را به سمت استفاده از سنسورهای نرم‌افزای برای پیش‌بینی بهنگام BOD5 سوق داده است. هدف اصلی مقاله مذکور نیز توسعة سنسور نرم‌افزاری مناسب بر مبنای مدل‌های هوشمند شبکة عصبی مصنوعی (ANN) و ماشین بردار پشتیبان (SVM) برای تخمین بهنگام BOD5 در رودخانة س...
متن کاملتشخیص خطا به روش ماشین بردار پشتیبان
با افزایش پیچیدگی و پیشرفت سیستم های کنترلی و استفاده از آن ها در محیط ها و کاربردهای حساس، تمایل روزافزونی در زمینه تشخیص خطا ایجاد شده است. در گذشته شبکه های عصبی به عنوان ابزاری برای تشخیص مدل یا خرابی در یک سیستم به کار گرفته شده اند. اما مشکل الگوریتم بهینه سازی آن ها برای انتخاب پارامتر و کم کردن خطا در هر مرحله به جای کم کردن خطای کل مدل باعث شده است تا ماشین بردار پشتیبان جایگزین مناسبی...
15 صفحه اولمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
عنوان ژورنال
دوره 9 شماره 4
صفحات 0- 0
تاریخ انتشار 2019-01-30
با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023