استفاده از شبکه عصبی برای تخمین زاویه بار ژنراتور سنکرون با اعمال خطای افزایش گشتاور ورودی
محل انتشار: ششمین کنفرانس مهندسی برق و الکترونیک ایران
سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 623
فایل این مقاله در 5 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICEEE06_163
تاریخ نمایه سازی: 1 مهر 1394
چکیده مقاله:
ایده اصلی به کاررفته در این مقاله استفاده از شبکه عصبی مصنوعی ANN برای ایجاد یک مدل از ژنراتور سنکرون با توربین آبی می باشد. در این مقاله مشخصه ای از گشتاور و سرعت ژنراتور با بیشترین تعداد داده هی آموزشی را به یک شبکه عصبی پیش خور Feed-forward داده و شبکه با یکی از سریع ترین روش های آموزشی زاویه بار (δ) را تخمین می زند. هر چه تعداد داده های یادگیری بیشتر باشد، خطاهای کوچک نیز برای ما حساس خواهد بود. سپس با استفاده از Toolbox شبکه عصبی پایداری ژنراتور را با یک خطا در گشتاور ورودی به بیش از مقدار نامی، مورد بررسی قرار داده ایم. شبکه عصبی به خوبی توانسته خطای مورد نظر را بیابد. نتایج شبیه سازی روش پیشنهادی را تأیید می نماید.
کلیدواژه ها:
نویسندگان
صادق حصاری
دانشگاه آزاد اسلامی واحد بجنورد، گروه برق، بجنورد، ایران
محمدباقر نقیبی سیستانی
استادیار گروه مهندسی برق دانشگاه فردوسی مشهد، مشهد، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :