مکان یابی خطای اتصال کوتاه در خطوط انتقال جریان مستقیم ولتاژ بالا با استفاده از شبکه عصبی رگرسیون تعمیم یافته و الگوریتم جنگل تصادفی

Authors

جواد ساده

دانشگاه فردوسی مشهد محمد فرشاد

دانشگاه فردوسی مشهد

abstract

این مقاله روشی مبتنی بر استراتژی های یادگیری ماشین برای حل مسئله مکان یابی خطا در خطوط انتقال جریان مستقیم ولتاژ بالا (hvdc) ارائه می دهد. در روش مکان یابی پیشنهادی، تنها از سیگنال ولتاژ پس از خطای اندازه گیری شده از یک پایانه برای استخراج ویژگی های موردنیاز بهره گیری می شود. در این مقاله، متناسب با بُعد بالای بردار ویژگی های ورودی، امکان استفاده از دو تخمین گر متفاوت شامل شبکه عصبی رگرسیون تعمیم یافته (grnn) و الگوریتم جنگل تصادفی (rf) برای یافتن رابطه موجود بین ویژگی های الگوها و مکان وقوع خطا مورد بررسی قرار می گیرد. نتایج ارزیابی با استفاده از الگوهای یادگیری و تست بدست آمده از شبیه سازی انواع خطاها در یک خط انتقال هوایی بلند و بر اساس مقادیر مختلف محل وقوع خطا، مقاومت خطا و جریان پیش از خطا، نشان دهنده کارآیی و دقت قابل قبول روش پیشنهادی می باشند.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

مکان‌یابی خطای اتصال کوتاه در خطوط انتقال جریان مستقیم ولتاژ بالا با استفاده از شبکه عصبی رگرسیون تعمیم‌یافته و الگوریتم جنگل تصادفی

این مقاله روشی مبتنی بر استراتژی‌های یادگیری ماشین برای حل مسئله مکان‌یابی خطا در خطوط انتقال جریان مستقیم ولتاژ بالا (HVDC) ارائه می‌دهد. در روش مکان‌یابی پیشنهادی، تنها از سیگنال ولتاژ پس از خطای اندازه‌گیری شده از یک پایانه برای استخراج ویژگی‌های موردنیاز بهره‌گیری می‌شود. در این مقاله، متناسب با بُعد بالای بردار ویژگی‌های ورودی، امکان استفاده از دو تخمین‌گر متفاوت شامل شبکه عصبی رگرسیون تعمی...

full text

آزمون عملکرد الگوریتم جنگل های تصادفی و الگوریتم شبکه عصبی عمیق در استراتژی آربیتراژ آماری

در این تحقیق به آنالیز اثر بخشی الگوریتم جنگل­های تصادفی در زمینه آربیتراژ آماری پرداخته شده است، همچنین برای سنجش عملکرد الگوریتم جنگل­های تصادفی در زمینه آربیتراژ آماری نسبت به دیگر مدل­های ارائه شده در پژوهش­های پیشین، مقایسه نتایج بدست آمده از کاربرد این الگوریتم با الگوریتم شبکه­های عصبی عمیق انجام شده است. مدل­های مورد نظر با اطلاعات مربوط به قیمت سهام آموزش داده شده و خروجی بدست آمده از ...

full text

تهیه نقشه حساسیت سیل با استفاده از دو مدل یادگیری ماشین جنگل تصادفی و مدل خطی تعمیم یافته بیزین

امروزه پدیده­ی سیل یکی از پیچیده­ترین رخدادهای مخاطره­آمیز است که بیش از سایر بلایای طبیعی دیگر، همه‌ساله در نقاط مختلف دنیا منجر به ایجاد خسارت­های جانی و مالی و تخریب اراضی کشاورزی می­شود؛ بنابراین تهیه نقشه حساسیت به وقوع سیلاب نخستین گام در برنامه مدیریت سیلاب است. هدف از این پژوهش شناسایی مناطق حساس به سیل با استفاده از دو مدل یادگیری ماشین جنگل تصادفی (RF) و خطی تعمیم‌یافته بیزین (GLMbaye...

full text

بهینه سازی وسائل حفاظت خطوط انتقال آب دربرابر جریان غیرماندگار با استفاده از الگوریتم CFO

یکی از مهمترین مباحث در طراحی خطوط لوله انتقال آب تحت فشار، حفاظت در برابر فشارهای ترانزینت ناشی از ضربه قوچ در خاموش شدن ناگهانی پمپ است. بهترین راه حل برای این منظور، استفاده از ایرچمبر برای کاهش فشارهای ترانزینت است که به تناسب حجم آن، هزینه قابل توجهی دارد. برای کاهش این حجم و کم کردن هزینه حفاظت، استفاده از شیرهای ورود هوا در نقاطی از خط لوله پیشنهاد می‌گردد. تعیین حجم مخزن ایرچمبر و نوع و...

full text

My Resources

Save resource for easier access later


Journal title:
هوش محاسباتی در مهندسی برق

جلد ۴، شماره ۲، صفحات ۱۴-۱

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023