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

آشکار سازو تحیح کننده داده های نامناسب در تخمین حالت سیستم های قدرت با بکارگیری شبکه های عصبی مصنوعی RBF

اعتبار موردنیاز: ۱ | تعداد صفحات: ۶ | تعداد نمایش خلاصه: ۱۲۷۵ | نظرات: ۰
سرفصل ارائه مقاله: قدرت / Power
سال انتشار: ۱۳۸۶
کد COI مقاله: ICEE15_429
زبان مقاله: فارسی
حجم فایل: ۵۰۰.۲۴ 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 آشکار سازو تحیح کننده داده های نامناسب در تخمین حالت سیستم های قدرت با بکارگیری شبکه های عصبی مصنوعی RBF

  محمد عبدالهی (شناسه پژوهشگر - Researcher ID: ۷۱۹)
پژوهشگاه صنعت نفت
  علیرضا خیاطیان (شناسه پژوهشگر - Researcher ID: ۲۱۵۷)
دانشگاه شیراز
  علیرضا سیفی - دانشگاه شیراز

چکیده مقاله:

در این مقاله آشکارسازی اندازه گیری های نامناسب و تصحیح جایگزینی آنها با مقادیر مناسسب در سیستم های قدرت با بکارگیری شبکه های عصبی مصنوعی با توابع پایه شعاعی (RBF) برای اولین بار در جهت استفاده در تخمینگرهای حالت بلادرنگ تشریح شده است. این نوع آشکارسازها و تصحیح کننده ها بدون نیاز به تئوریهای آماری و روشهای محاسباتی تکراری (Recuvsive) تنها با استفاده از یک مجموعه زوج الگوهای ورودی - خروجی قابل قبول و دقیق از سیستمقدرت تحت مطالعه ایجاد می شوند که در قایسه با روشهای سنتی از سرعت، دقت و قدرت تعمیم پذیری بسیار بالایی برخوردار هستند.

کلیدواژه‌ها:

آشکار و تصحیح داده های نامناسب ، سیستم های قدرت و شبکه های عصبی مصنوعی 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_429.html
کد COI مقاله: ICEE15_429

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:
عبدالهی, محمد؛ علیرضا خیاطیان و علیرضا سیفی، ۱۳۸۶، آشکار سازو تحیح کننده داده های نامناسب در تخمین حالت سیستم های قدرت با بکارگیری شبکه های عصبی مصنوعی RBF، پانزدهیمن کنفرانس مهندسی برق ایران، تهران، مرکز تحقیقات مخابرات ایران، https://www.civilica.com/Paper-ICEE15-ICEE15_429.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: (عبدالهی, محمد؛ علیرضا خیاطیان و علیرضا سیفی، ۱۳۸۶)
برای بار دوم به بعد: (عبدالهی؛ خیاطیان و سیفی، 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 :

  • E.Handschin, F.C.Schweppe, J.Kohlas and A.Fiechter, "Bad Data Analysis for power ...
  • N.Xiang, S.Wang and E.Yu, "A New Approach for Detection and ...
  • L.Limi, Th.Van Cutsem and M.Ribbens- Pavella, "Hypothesis Testing Identification _ ...
  • L.Limi, Th.Van Cutsem and N.Ribbens- Pavella, "Bad Data Identification Method ...
  • L.Limi, Th.Van Cutsem and M.Ribbens- Pavella, "Decision Theory for Fault ...
  • F.Zhuang, and R.B al asubramanian, "Bad Data Processing in Power ...
  • 1.W.Slutsker, "Bad Data Identification in power System state Estimation Based ...
  • B.M.Zhang and K.L.Lo, "A Recursive Me asurement error Estimation Identi ...
  • A.Monticelli, F.F.Wu and M.Yen, "Multiple Bad Data Identification fo state ...
  • H.J.Koglin, "Bad Data Detection and Ideritification ", Int. J. Elec. ...
  • H.Salehfar and R.Zhao, "A Neural Network P reest imation Filter ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز:
    تعداد مقالات: ۱۹۵۴
    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.