ارزیابی قابلیت ضریب مشارکت ژنراتورها به منظور تعیین نوع نوسانات سیگنال کوچک سیستم قدرت با استفاده از روش های تحلیلی و پیش بینی همزمان آن ها با استفاده از شبکه عصبی
Authors
abstract
پایداری زاویه ای سیگنال کوچک رتور که از آن به عنوان پایداری سیگنال کوچک نیز یاد می شود، یکی از مهمترین عوامل در برنامه ریزی و بهره برداری سیستم های قدرت است. این نوع از پایداری ها، در چهار حالت نوسانی شامل نوسانات درون ناحیه ای، بین ناحیهای، کنترلی و پیچشی مورد بررسی قرار می گیرد. شناسایی و تفکیک رفتار چنین نوسان هایی می تواند در اِعمال رفتارهای کنترلی مانند تنظیم پارامترهای سیستم تحریک و پایدارساز سیستم قدرت به منظور کنترل و میرایی نوسان ها، مورد استفاده قرار بگیرد. یکی از ابزارهای مرسوم در بررسی اینگونه نوسانات، فرکانس مدهای بحرانی سیستم و ضرایب مشارکت ژنراتورها در این مدها است که با استفاده از روش های تحلیلی مانند آنالیز مدال تعیین می گردند. در این مقاله، ابتدا با استفاده از روش های تحلیلی، قابلیت ضرایب مشارکت ژنراتورها در تعیین نوع نوسانات درون ناحیه ای و بین ناحیهای سیستم قدرت بررسی شده و در ادامه از آنجاکه در اینگونه بررسی ها، استفاده از روش های مرسوم مانند آنالیز مدال، سخت و زمانبر است، با استفاده از یک روشی ترکیبی شامل روش انتخاب مؤلفه و شبکه عصبی pnn، ضریب مشارکت ژنراتورها و نوع نوسان سیستم قدرت در مد بحرانی، مورد پیش بینی قرار خواهد گرفت. مزیت روش پیشنهادی، دقت و سرعت بالای محاسبات و همچنین تعیین همزمان نوع نوسانات و میزان مشارکت متغیر حالت غالب ژنراتورهای سیستم در مد بحرانی می باشد.
similar resources
ارزیابی قابلیت ضریب مشارکت ژنراتورها به منظور تعیین نوع نوسانات سیگنال کوچک سیستم قدرت با استفاده از روشهای تحلیلی و پیشبینی همزمان آنها با استفاده از شبکه عصبی
پایداری زاویهای سیگنال کوچک رتور که از آن به عنوان پایداری سیگنال کوچک نیز یاد میشود، یکی از مهمترین عوامل در برنامهریزی و بهرهبرداری سیستمهای قدرت است. این نوع از پایداریها، در چهار حالت نوسانی شامل نوسانات درون ناحیهای، بینناحیهای، کنترلی و پیچشی مورد بررسی قرار میگیرد. شناسایی و تفکیک رفتار چنین نوسانهایی میتواند در اِعمال رفتارهای کنترلی مانند تنظیم پارامترهای سیستم تحریک و پایدا...
full textپیش بینی نوسانات بازده بازار با استفاده از مدل های ترکیبی گارچ ـ شبکه عصبی
در این پژوهش به مطالعه توان پیش بینی طیف وسیعی از مدل های ناهمسانی واریانس شرطی (G)ARCH طی یک دوره 126 ماهه بر روی بازده روزانه شاخص کل بورس تهران (TEDPIX) پرداخته شده است. نتایج بررسی این مدل ها تأیید کننده وجود سه ویژگی نوسان خوشه ای، عدم تقارن و نیز غیر خطی بودن، در سری زمانی بازده می باشد. سپس با هدف افزایش قدرت پیش بینی، این مدل ها با شبکه های عصبی مصنوعی ترکیب شده اند و نتایج حاصل از طرق ...
full textمقایسه پیش بینی هزینه ها با استفاده از روش های آماری و شبکه عصبی مطالعه موردی: شهرداری اصفهان
پیش بینی هزینه کل آب در شهرداری اصفهان کمک موثری میباشد برای بهینه سازی مصرف آب در 14 منطقهشهرداری اصفهان. هزینه کل آب تابعی از پارامترهای مختلف و متنوع می باشد. به همین دلیل پیش بینی هزینه بهصورت تحلیلی بسیار مشکل و یا ناممکن می باشد. در این شرایط استفاده از سیستم های هوشمند می تواند بهعنوان یک گزینه راهگشا مطرح گردد. در این تحقیق با استفاده از شبک ه های عصبی پرسپترون چند لایه و باالگوریتم آمو...
full textپیش بینی سطح عمومی قیمت ها و تورم در ایران با استفاده از شبکه عصبی
(صحت مطالب مقاله بر عهده نویسنده است و بیانگر دیدگاه مجمع تشخیص مصلحت نظام نیست) هدف این مقاله پیش بینی روند تورم و شاخص قیمت ها در اقتصاد ایران است. دادههای این مقاله شامل تورم سالانه و دادههای ماهانه شاخص قیمت مصرفکننده در ایران از سال 1340 تا 1392 می باشد. در این تحقیق برای پیش بینی تورم از شبکه عصبی مصنوعی استفاده شده است. برای پیشبینی تورم ماهانه از یک شبکه پسانتشار خطا(BP) با 15 نر...
full textمقایسه تأثیر وضعیت طاق باز و دمر بر وضعیت تنفسی نوزادان نارس مبتلا به سندرم دیسترس تنفسی حاد تحت درمان با پروتکل Insure
کچ ی هد پ ی ش مز ی هن ه و فد : ساسا د مردنس رد نامرد ي سفنت سرتس ي ظنت نادازون داح ي سکا لدابت م ي و نژ د ي سکا ي د هدوب نبرک تسا طسوت هک کبس اـه ي ناـمرد ي فلتخم ي هلمجزا لکتورپ INSURE ماجنا م ي دوش ا اذل . ي هعلاطم ن فدهاب اقم ي هس عضو ي ت اه ي ندب ي عضو رب رمد و زاب قاط ي سفنت ت ي هـب لاتـبم سراـن نادازون ردنس د م ي سفنت سرتس ي لکتورپ اب نامرد تحت داح INSURE ماجنا درگ ...
full textپیش بینی تولید آبزیان دریایی در ایران با استفاده از روش ARIMA و شبکه عصبی مصنوعی
پیشبینی پدیدههای اقتصادی ساختاری فراهم میکند تا مدیران و مسؤلان اقتصادی را در گرفتن تصمیمهای درست یاری دهد. هدف اصلی این مطالعه پیشبینی مقدار تولید آبزیان دریایی در ایران است. برای این منظور از روشهای سری زمانی خود توضیح جمعی میانگین متحرک (ARIMA)[1] و شبکه عصبی مصنوعی[2] استفاده میشود. در این مطالعه سه ساختار گوناگون شبکه عصبی شامل شبکه عصبی پیشرو[3]، تابع پایه شعاعی[4] و المن[5] بکار ...
full textMy Resources
Save resource for easier access later
Journal title:
مدلسازی در مهندسیجلد ۱۳، شماره ۴۲، صفحات ۱۱۹-۱۳۳
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023