CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)
عنوان
مقاله

ارزیابی بلادرنگ پایداری گذرای سیستم های قدرت توسط شبکه عصبی RBF

اعتبار موردنیاز: ۱ | تعداد صفحات: ۶ | تعداد نمایش خلاصه: ۱۳۳۲ | نظرات: ۰
سرفصل ارائه مقاله: قدرت / Power
سال انتشار: ۱۳۸۶
کد COI مقاله: ICEE15_418
زبان مقاله: فارسی
حجم فایل: ۵۶۶.۱۴ کلیوبایت (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. در پایگاه سیویلیکا عموما مقالات زیر ۵ صفحه فولتکست محسوب نمی شوند و برای خرید اینترنتی عرضه نمی شوند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود PDF 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 : ۳۰,۰۰۰ ریال

آدرس ایمیل خود را در زیر وارد نموده و کلید خرید با پرداخت اینترنتی را بزنید. آدرس ایمیل:

رفتن به مرحله بعد:

در صورت بروز هر گونه مشکل در روند خرید اینترنتی، بخش پشتیبانی کاربران آماده پاسخگویی به مشکلات و سوالات شما می باشد.

مشخصات نویسندگان مقاله ارزیابی بلادرنگ پایداری گذرای سیستم های قدرت توسط شبکه عصبی RBF

    علی کرمی (شناسه پژوهشگر - Researcher ID: ۲۵۳)
دانشگاه گیلان - دانشکده فنی

چکیده مقاله:

دراین مقاله روشی بر مبنای شبکه عصبی RBF جهت ارزیابی بلادرنگ پایداری گذرای سیستم های قدرت یعنی تخمین زمان رفع خطای بحرانی (t cr) ارائه می شود. اید ه اصلی این روش آن است که زمان رفع خطای بحرانی تابع پیچیده ای در نقطه کار حالت مانای سیستم قبل از خطا، نوع و محل خطا و همچنین آرایش سیستم پس از رفع خطا می باشد ولی برای هر خطای خاص، t cr تنها تابعی از نقطه کار حالت مانای سیستم قبل از خطا است. بنابراین می توان از یک شبکه عصبی RBF جهت تقریب زدن تابع موجود استفاده نمود. نقطه کار حالت مانای سیستم قبل از خطا توسط مجموعه ای از شرایط اولیه که مستقیما قابل اندازه گیری هستند مشخص می شود و لذا پس از آموزش شبکه عصبی RBF می توان تقریبا صورت انی و بلادرنگ به ارزیابی پایداری گذرای سیستم اقدام نمود. همچنین جهت به دست آوردن اطلاعات آموزش دهنده شبکه عصبی RBF از روش تابع انرژی گذرا (TEE) استفاده می شود. شبکه عصبی RBF از مزایای زیادی همچون سادگی ساختار و روش کارامد و سریع اموزش نسبت به شبکه عصبی MLP برخوردار است و نتایج شبیه سازی روش طرح شده بر روی سیستم تست نیوانگلند درستی این روش را تایید می نماید.

کلیدواژه‌ها:

سیستم های قدرت ، پایداری گذرا ، زمان رف خطای بحرانی ، شبکه عصبی RBF

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-ICEE15-ICEE15_418.html
کد COI مقاله: ICEE15_418

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:
کرمی, علی، ۱۳۸۶، ارزیابی بلادرنگ پایداری گذرای سیستم های قدرت توسط شبکه عصبی RBF، پانزدهیمن کنفرانس مهندسی برق ایران، تهران، مرکز تحقیقات مخابرات ایران، https://www.civilica.com/Paper-ICEE15-ICEE15_418.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: (کرمی, علی، ۱۳۸۶)
برای بار دوم به بعد: (کرمی، ۱۳۸۶)
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 :

  • IEEE/CIGRE Joint Task Force, ، Definition and classification of power ...
  • A. A. Fouad and V. Vittal, Power system transient stability ...
  • G. A. Maria, C. Tang, and J. Kim, *Hybrid transient ...
  • Y. Mansour, E. Vaahedi, A. Y. Chang, B. R. Corns, ...
  • E. Vaahedi, Y. Mansour, and E. K. Tse _ general ...
  • علی کرمی، "روش ترکیبی شبیه سازی زمانی BCUو جهت تعیین ... (مقاله ژورنالی)
  • D. J. Sobajic and Y. H. Pao, 4Artificial neural- net ...
  • F. Aboytes and R. Ramirez, ،, Transient stability assessment of ...
  • Y.Mansour, A. Y. Chang, J. Tamby, E. Vahedi, B. R. ...
  • A. L. Bettiol, A. Souza, J. L. Todesco, and J. ...
  • H. Sawhney and B. Jeyasurya, ،^On-Line transient stability assessment using ...
  • M. A. Pai, Erergy function analysis for power system stability, ...
  • S. Haykin, Neural networks: _ co mprehensive foundation, 2nd ed., ...
  • پخش بار بلادرنگ به کمک شبکه عصبی RBF با در نظر گرفتن ساختار متغیر سیستم قدرت [مقاله کنفرانسی]
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز:
    تعداد مقالات: ۱۴۴۱۶
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    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 پیشنهادی مرتبط

    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.