تخمین بار سیستم های توزیع شعاعی با استفاده از شبکه های عصبی و مجموعه های فازی

پایان نامه
چکیده

با توجه به نیاز روز افزون کشور به انرژی، خصوصاً انرژی الکتریکی نیاز به داشتن اطلاعات دقیقی از بار(پست¬های فوق توزیع، پست¬های توزیع، مشترکین) و نحوه مصرف آنها در ساعات مختلف داریم. عدم داشتن چنین اطلاعاتی سبب ایجاد حوادث، انجام طراحی¬ها خیلی بیشتر از مقادیر واقعی و ... خواهیم شد. از سوی دیگر به علت گستردگی شبکه توزیع، اندازه¬گیری و شناخت اطلاعات کلیه پست¬ها بسیار مشکل می¬باشد. از این رو روش¬های مختلفی که همگی مبتنی بر اطلاعات و بررسی¬های آماری بارها در گذشته می¬باشند پدیدار گشتند که به کمک آنها می¬توان با قرائت اطلاعات مصرفی نقاطی از شبکه، اطلاعات بار سایر نقاط شبکه با خطایی مطلوب تخمین زد. در این تحقیق ابتدا به بررسی اهمیت بار در شبکه¬های توزیع و روش¬های مختلف تخمین¬بار پرداخته شد و سپس روش منتخب شناسایی گردید. روش منتخب شامل دسته¬بندی بارها بر اساس روش¬های فازی-آماری، تخمین بار پست¬ها با استفاده از شبکه عصبی و اصلاح میزان خطای پیش¬بینی با توجه به اطلاعات بار ابتدای فیدر می¬باشد که در ذیل به آن پرداخته شده است. با توجه به تنوع بالای مشترکین، برای سهولت کار با داده¬های بار، مشترکین منطقه مورد مطالعه بر مبنای تکنیک فازی-آماری دسته¬بندی می¬گردند. سپس با توجه به اطلاعات فروش انرژی الکتریکی در دوره مورد مطالعه، اطلاعات حاصل از نصب ثبات روی پست¬های منتخب توزیع و اطلاعات دسته¬بندی مشترکین(نوع مصرف، روز و ...) اقدام به مدلسازی بار پست¬های توزیع بر مبنای شبکه عصبی طراحی شده گردیده به گونه¬ای که برای دیگر پست¬هایی که ثبات نصب نشده است می¬توان منحنی تغییرات نمونه¬ای بار را در زمان¬های مورد مطالعه تخمین زد. در پایان جهت اصلاح خطای تخمین بار انجام شده توسط شبکه عصبی، از اطلاعات بار ابتدای فیدر فشار متوسط استفاده شده است. با استفاده از و خروجی شبکه عصبی(پروفیل بار توان اکتیو و راکتیو تخمین زده شده هر یک از پستها در روز مورد نظر)، اطلاعات الکتریکی شبکه ( ، و ساختار الکتریکی) و انجام پخش بار روی فیدر، مقدار توان اکتیو و راکتیو ابتدای فیدر محاسبه می¬شود. سپس با مقایسه مقادیر و اندازه¬گیری شده ابتدای فیدر و نتایج محاسبات پخش بار، به اصلاح میزان خطای تخمین بار پرداخته شده است. در پایان، مقادیر نهایی و پست¬ها حاصل از عملیات پخش بار به عنوان نتایج تخمین بار مطرح می¬شوند.

۱۵ صفحه ی اول

برای دانلود 15 صفحه اول باید عضویت طلایی داشته باشید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

مجموعه هاو سیستم های فازی آشوبگون عصبی

در این مقاله، مجموعه‌ی فازی جدیدی تحت عنوان مجموعه‌های فازی آشوبگون عصبی پیشنهاد شده است. مجموعه پیشنهادی از نظر ساختاری از ساختار نورون و از نظر عملکردی از دینامیک‌های آشوبگونه و فازی‌سازی در مغز انسان الهام گرفته و مدل ریاضی آن، بر اساس «اسیلاتور‌های آشوبگون تزویج شده» بنا شده است. ویژگی مهم این مجموعه در مقایسه با سایر مجموعه‌های فازی موجود، توانایی آن در ایجاد مجموعه‌های فازی متنوع نظیر مجم...

متن کامل

تخمین انرژی شکست بتن با استفاده از روش های سیستم استنتاج تطبیقی فازی عصبی هادی

انرژی شکست بتن GF، یکی از پارامترهای اساسی شکست و مُعرّف مقاومت ترک‌خوردگی بتن است،همچنین یکی از ویژگی های مهم بتن در ملاحظات طراحی سازه های بتنی است. در سال های اخیر با بهره گیری از روش های مختلف آزمایشگاهی، پارامتر های شکست بتن مورد بررسی قرار گرفته است؛ نقش این پارامتر ها در طراحی سازه ها از اهمیت ویژه ای برخوردار است. در این مقاله مدل شکست بر‌اساس سیستم تطبیقی فازی عصبی (ANFIS) برای تخمین پا...

متن کامل

پیش‌بینی بلند مدت رواناب با استفاده از شبکه های عصبی مصنوعی و سیستم استنتاج فازی

مدل‏های مفهومی ‌بر مبنای هوش مصنوعی، اغلب برای پیش‌بینی‏های کوتاه مدت و میان مدت هیدورلوژیکی به کار رفته اند. در این مقاله با استفاده از مفهوم تولید مجموعه ای از پیش‌بینی‌ها1 (ESP) و تفکیک مدل‏سازی برای متغیرهای اقلیمی‌و هیدرولوژیکی، از مدل‏های مفهومی ‌برای پیش‌بینی بلندمدت حجم جریان رودخانه زاینده رود در محل ورودی به سد زاینده رود استفاده می‌شود. سیستم استنتاج فازی برای پیش‌بینی بار...

متن کامل

تخمین کریپ کمپلینس مخلوط های آسفالتی با استفاده از شبکه های عصبی مصنوعی

یکی از آزمایش‌های اساسی در فرایند طراحی روسازی‌های انعطاف‌پذیر به روش مکانیستیک- تجربی در آشتو 2002، آزمایش کریپ کمپلینس است. در این تحقیق مدلی جدید برای تخمین کریپ کمپلینس مخلوط‌های آسفالتی با استفاده از شبکه‌های عصبی مصنوعی پرسپترون چند لایه، با تکنیک آموزش لونبرگ- مارکوات، با توان تعمیم پذیریR=0.949 ، با موفقیت ارائه شده است. این مدل 14 ورودی شامل درصدهای عبوری انتخابی از منحنی دانه‌بندی ...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


نوع سند: پایان نامه

وزارت علوم، تحقیقات و فناوری - دانشگاه تربیت مدرس

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023