تعیین نوع و محل اتصال کوتاه در شبکه های برق صنعتی به کمک شبکه عصبی و مؤلفه های متقارن جریان

سال انتشار: 1375
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,804

فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

PSC11_116

تاریخ نمایه سازی: 23 شهریور 1386

چکیده مقاله:

در این مقاله، برای تعیین نوع و محل اتصال کوتاه از شبکه عصبی مصنوعی استفاده شده است . بطوریکه نوع اتصال کوتاه، اعم از تکفاز به زمین، دو فاز، دوفاز به زمین و سه فاز مشخص میشود و سپس محل تقریبی آن تخمین زده میشود . برای آموزش شبکه عصبی، ابتدا مقدار لحظه ای جریان اتصال کوتاه محاسبه شده و سپس با تبدیل فوریه گسسته، مقدار مؤلفه اصلی آنها فیلتر میشود تا مقدار جریان مؤلفه های متقارن مثبت، منفی و صفر محاسبه شود . در ادامه کار، یک پیش پردازنده، داده های زائد را حذف خواهد نمود و در نهایت، آموزش شبکه عصبی انجام می شود . نتایج حاصل از آزمایش موارد مختلف نشان می دهد که شبکه عصبی بخوبی می تواند عمل کند . بطوریکه علاوه بر الگوهایی که قبلاً ” آموزش دیده است، در نقاطی هم که قًبلا “ یادنگرفته است، دارای پاسخهای رضایت بخشی است . از طرف دیگر چون شبکه عصبی ذاتاً دارای خاصیت پردازش موازی است، لذا خیلی سریع میتواند جواب مطلوب را در هنگام اتصال کوتاه مشخص کند .

کلیدواژه ها:

نویسندگان

محمدرضا جماعتی

دانشگاه صنعتی امیرکبیر - دانشکده مهندسی برق

مهرداد عابدی

دانشگاه صنعتی امیرکبیر - دانشکده مهندسی برق

محمدباقر منهاج

دانشگاه صنعتی امیرکبیر - دانشکده مهندسی برق

شهرام منتصرکوهساری

دانشگاه صنعتی امیرکبیر - دانشکده مهندسی برق

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 :
  • C.Rodriguez et. al. _، Experimental comparison Between Knowledge-B ased and ...
  • T.Tanaka et.al _ and Evaluation of Neural Network for Fault ...
  • Wenhui cen et. al, «Power system fault Diagnosis Based On ...
  • Kwang-Ho Kim and Iong-Keum Park et.al., *Application On Hierarchical Neural ...
  • C.Rodriguez et.al.، 0A Modular Approach to the Design of Neural ...
  • E.Handschin et.al., ،Fault Location in Electrical Energy systems using Artificial ...
  • Hong-Tzer Yang et.al _ 40A New Neural Networks Modular Approach ...
  • Y.Fukuyama and Y.Ueki, ،Fault Analysis system using Neural Networks and ...
  • Guo-Zhong Zhou _، ، A Neural Networks Approach to Fault ...
  • D.Novosel et.al., ،#Fault Location using Digital Relay Data IEEE Computer ...
  • N.Kandil et.al, ،Fault Identification in an AC-DC Transmission system using ...
  • M .T .Glinkowski and N.C.Wang, ،0ANNs Pinpoint Underground Distribution Faults? ...
  • D _ Hammerstorn _، Neural Networks at Work, IEEE Spectrum. ...
  • Trans formation Matrix ...
  • _ ulti-Layered Perceptron ...
  • Hidden Layer ...
  • Linear Function ...
  • Sigmoid Function 19- Sum Squared Error ...
  • Fast Error B ack- Propagation ...
  • نمایش کامل مراجع