CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

Optimal Restoration of Distribution Network with Fuzzy ARTMAP Neural Network Decision Support System (DSS)

اعتبار موردنیاز : ۱ | تعداد صفحات: ۶ | تعداد نمایش خلاصه: ۱۲۹۹ | نظرات: ۰
سرفصل ارائه مقاله: قدرت
سال انتشار: ۱۳۸۴
کد COI مقاله: ICEE13_155
زبان مقاله: انگلیسی
حجم فایل: ۴۲۸.۵۷ کیلوبایت (فایل این مقاله در ۶ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۶ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله Optimal Restoration of Distribution Network with Fuzzy ARTMAP Neural Network Decision Support System (DSS)

Mehrdad Setayesh Nazar - Power and Water University of Technology Iran-Tehran

چکیده مقاله:

Optimal Restoration is one of the most important duties of electric distribution control centers. It is an essential task for distribution system management in normal and emergency conditions. Accuracy of this procedure is very essential to overcome the subsequences of device overload or abnormal voltages. However, because of limited time between on line calculation procedure and implementation of the optimization output results, speed of calculation is very important. To overcome this problem, a shift from on line calculations to off line calculations can be considered and a pattern recognition procedure for online operation based on off line database may be used. It has been shown that back propagation neural networks can achieve the pattern recognition goals for different conditions, but one of the most draw back of the mentioned method is their slow convergence. This may reduce the effectiveness of ANN, because many ANN must be trained for different topology and load conditions of system. A neural network architecture that does not suffer from the above-mentioned drawbacks is the Fuzzy ARTMAP (Adaptive Resonance Theory-supervised predictive Mapping) neural network. In this paper, implementation of the Fuzzy ARTMAP neural network for defined problem has been proposed. In our proposed algorithm, genetic algorithm optimization for optimal restoration has been used for off line stage. The case study, which is done for Hakimieh city-state of Tehran, shows an accurate result and it is compared with the best answers.

کلیدواژه‌ها:

Distribution Automation, Optimal Restoration, Fuzzy ARTMAP Neural Network Decision Support System

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-ICEE13-ICEE13_155.html
کد COI مقاله: ICEE13_155

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
Setayesh Nazar, Mehrdad, ۱۳۸۴, Optimal Restoration of Distribution Network with Fuzzy ARTMAP Neural Network Decision Support System (DSS), سیزدهیمن کنفرانس مهندسی برق ایران, زنجان, دانشگاه زنجان, https://www.civilica.com/Paper-ICEE13-ICEE13_155.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (Setayesh Nazar, Mehrdad, ۱۳۸۴)
برای بار دوم به بعد: (Setayesh Nazar, ۱۳۸۴)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 :

  • Javier Contreras, Arturo Losi, Mario Russo, Felix F. Wu: Simulation ...
  • . G.Schnyder, H.Glavitsch : Reliability enhancement using an optimal switching ...
  • M. Adibi (Editor): Distribution System Restoration _ Meth odologies and ...
  • D.N. Kosterev, C.W Taylor, W.A Mittelstadt :Model validation for the ...
  • -Term Electrical Load Forecasting Using a Short؛، [6] Stefan E. ...
  • William J. Gerber, ،Parametric analysis of electrical load forecasting using ...
  • _ .H.Hassoun: Fundamental S of artificial neural network, MIT Press, ...
  • G. A Carpenter, S. Grossberg, N. Markuzon, H. Reynolds, and ...
  • K.L.Lo, M.A.Bismil: A comparison of MW ranking methods, Electric distribution ...
  • Zanjan, Iran, May 10-12, 2005. ...
  • Zanjan, Iran, May 10-12, 2005. ...
  • Zanjan, Iran, May 10-12, 2005. ...
  • Zanjan, Iran, May 10-12, 2005. ...
  • مدیریت اطلاعات پژوهشی

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.