مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

368
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

504
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

ارائه ی یک روش جدید مبتنی بر ترکیب الگوریتم یادگیری عمیق و توابع هوشمند فازی به منظور طبقه بندی اختلالات کیفیت توان در سیستم های قدرت

صفحات

 صفحه شروع 14 | صفحه پایان 37

چکیده

 طبقه بندی خودکار اختلالات کیفیت توان پایه و اساس حل مشکل کیفیت توان است. از نقطه نظر سنتی, فرآیند شناسایی اختلالات کیفیت توان باید به سه مرحله مستقل تقسیم شود: تحلیل سیگنال, انتخاب ویژگی و طبقه بندی. با این حال, برخی نواقص ذاتی در آنالیز سیگنال وجود دارد و روند انتخاب ویژگی دستی خسته کننده و غیردقیق است که منجر به دقت طبقه بندی پایین اختلالات چندگانه می شود. با توجه به این مشکلات, در این مقاله یک سیستم خودکار به منظور شناسایی و طبقه بندی اختلالات کیفیت توان ارایه شده است. در سیستم پیشنهادی پس از دریافت سیگنال ورودی پیش پردازش هایی نظیر تغییر بازه مقادیر با تقسیم سیگنال ها به دامنه پایه خود انجام می شود. در مرحله بعد مقدار RMS سیگنال برای بررسی رخداد اختلال مورد ارزیابی قرار می گیرد. در صورتی که RMS سیگنال ورودی با مقدار RMS سیگنال نرمال یکسان نباشد, به معنی رخداد اختلال در سیگنال است. به منظور شناسایی و دسته بندی اختلال ها از یک روش جدید مبتنی بر الگوریتم یادگیری عمیق استفاده شده است. در این روش, توابع فعال ساز به کمک توابع فازی تعریف می گردد. با این کار, انعطاف پذیری سیستم افزایش می یابد. مزیت روش ارایه شده در این است که به خوبی اختلالات ایجاد شده را از فرکانس پایه جدا می سازد و از ماهیت سیگنال های کیفیت توان به منظور استخراج ویژگی استفاده می کند. این در حالی است که جداسازی اجزای سیگنال در روش های کلاسیک مانند تجزیه مد تجربی به خوبی امکان پذیر نبوده است. برای ارزیابی الگوریتم از شبیه سازی شبکه توزیع قدرت 33 باسه استفاده شده است. دقت ارزیابی به دست آمده با استفاده از الگوریتم پیشنهادی در مقایسه با کارهای مشابه, بهبود نسبی پیدا کرده است.

استنادها

  • ثبت نشده است.
  • ارجاعات

  • ثبت نشده است.
  • استناددهی

    APA: کپی

    جلالی، ندا، طلوع عسکری، محمد، و رزمی، هادی. (1400). ارائه ی یک روش جدید مبتنی بر ترکیب الگوریتم یادگیری عمیق و توابع هوشمند فازی به منظور طبقه بندی اختلالات کیفیت توان در سیستم های قدرت. کیفیت و بهره وری در صنعت برق ایران، 10(4 (پیاپی 25) )، 14-37. SID. https://sid.ir/paper/965177/fa

    Vancouver: کپی

    جلالی ندا، طلوع عسکری محمد، رزمی هادی. ارائه ی یک روش جدید مبتنی بر ترکیب الگوریتم یادگیری عمیق و توابع هوشمند فازی به منظور طبقه بندی اختلالات کیفیت توان در سیستم های قدرت. کیفیت و بهره وری در صنعت برق ایران[Internet]. 1400؛10(4 (پیاپی 25) ):14-37. Available from: https://sid.ir/paper/965177/fa

    IEEE: کپی

    ندا جلالی، محمد طلوع عسکری، و هادی رزمی، “ارائه ی یک روش جدید مبتنی بر ترکیب الگوریتم یادگیری عمیق و توابع هوشمند فازی به منظور طبقه بندی اختلالات کیفیت توان در سیستم های قدرت،” کیفیت و بهره وری در صنعت برق ایران، vol. 10، no. 4 (پیاپی 25) ، pp. 14–37، 1400، [Online]. Available: https://sid.ir/paper/965177/fa

    مقالات مرتبط نشریه ای

  • ثبت نشده است.
  • مقالات مرتبط همایشی

  • ثبت نشده است.
  • طرح های مرتبط

  • ثبت نشده است.
  • کارگاه های پیشنهادی






    بازگشت به بالا
    telegram sharing button
    whatsapp sharing button
    linkedin sharing button
    twitter sharing button
    email sharing button
    email sharing button
    email sharing button
    sharethis sharing button