گوگل مارکت

فروش فایل ,دانلود فایل,خرید فایل,دانلود رایگان فایل,دانلود رایگان

گوگل مارکت

فروش فایل ,دانلود فایل,خرید فایل,دانلود رایگان فایل,دانلود رایگان

برق 43. کاهش فلیکر ولتاژ مبتنی بر ANN (شبکه‌های عصبی مصنوعی) با UPFC و با استفاده از الگوریتم SRF


» :: صفت 43. افت فلیکر ولتاژ براساس بر ANN (شبکه‌های عصبی مصنوعی) با UPFC و با استفاده از الگوریتم SRF
افت فلیکر ولتاژ مبتنی بر ANN (شبکه‌های آتشی‌مزاج مصنوعی) باUPFC و با استفاده از الگوریتم SRF

چکیده
فلیکر ولتاژ، پدیدۀ آزاردهنده نوسان شدت نور، که حاصل تغییر سریع باب بارهای صنعتی و منسوب ومربوط به‌خانه مثل عملکرد دوره‌ای کوره قوسی است، باعث یک نگرانی برای بهره برداران و مشتریان حومه شده است. جریان کوره قوسی سان پریودیک و دارای فرکانسی حدود 10 Hz است که انگیزه فلیکر قابل لمس (قابل درک) می‌شود. ادوات FACTS الگو SVCها، STATCOM، UPFC و تجهیزات اختصاصی برقی مثل DSTATCOM با کنترل سریع توان راکتیو قادر به حل مسائل فلیکر ولتاژ بوده‌اند. اما؛ کنترل استطاعت اکتیو در کنار بازدید توان راکتیو باعث حل بهتر و موثرتر مساله فلیکر ولتاژ می‌شود. باب این مقاله، افت فلیکر ولتاژ به کمک UPFC توسط نرم افزار MATLAB تحلیل می‌شود. الگوریتم کنترلی مبتنی بر ANN، فلیکر را به خوبی کنترل می‌کند. این الگوریتم کنترلی مبتنی است حرف آیین قاب مرجع سنکرون (SRF). این الگوریتم توان‌های اکتیو و راکتیو را به‌طور همزمان کنترل می‌کند. وقتی مبدل پوشیده UPFC فلیکر ولتاژ را اصلاح می‌کند، مبدل شنت ذخیره انرژی لینک dc را تدارک می‌بیند. از بهر حفظ ولتاژ لینک dc از یک مدار خودشارژکننده استعمال شده است. حاصل دینامیکی به سمت کمک این الگوریتم بررسی می‌شود.  


فلیکر ولتاژ شبکه‌های عصبی مصنوعی ANN UPFC SRF Voltage Flicker Mitigation SRF Algorithm مقاله برق مقاله انگلیسی برق مقاله انگلیسی برق با ترجمه
amir جمعه 26 شهریور 1395 ساعت 06:50
0 نظر

برق 77. کنترل برداری بدون-سنسورسرعت یک موتور القایی بدون یاتاقان با استفاده از ناظر (Obderver) سرعت معکوس شبکه عصبی مصنوعی


» :: برق 77. بازدید برداری بدون-سنسورسرعت یک خودرو القایی بدون یاتاقان با استفاده از ناظر (Obderver) سرعت معکوس شبکه عصبی مصنوعی
بازدید برداری بدون-سنسورسرعت یک موتور القایی بری یاتاقان با استفاده از ناظر (Obderver) سرعت معکوس شبکه عصبی مصنوعی

   چکیده__ به سمت غرض جلوگیری از اثر تشخیص سرعت بر پایین آمدن پایداری و دقت سیستم موتور القایی بدون یاتاقان، این مقاله تکنیکی تازه برای مشاهده سرعت با استفاده از روش معکوس شبکه عصبی مصنوعی (ANN)، ارایه می دهد. زیرسیستم درونی تشکیل شده از جریان های سیم پیچی سرعت و گشتاور، الگو شده اند و آن‌گاه معکوس سازی آن با استفاده از ANN صورت گرفته است. سرعت موتور، بطور موفقیت بخشی حرف سری کردن زیرسیستم اصلی با معکوسش، مشاهده شده است. سرعت دید شده به حلقه کنترل تعجیل پیشخور (فیربک) شده، و ازینرو درایو برداری بدون سنسور-سرعت محقق می شود. سودمندی این روش، با استفاده از نتایج آزمایشی آرم داده شده است.
    اصطلاحات مرتبط__ معکوس شبکه عصبی تصنعی (ANN)، موتور القایی بدون یاتاقان (BIM)، بدون سنسور سرعت، بازدید برداری.


معکوس شبکه عصبی مصنوعی ANN موتور القایی بدون یاتاقان BIM بدون سنسور سرعت کنترل برداری سرعت معکوس شبکه عصبی مصنوعی Obderver Speed-Sensorless Vector Control Bearingless Induction Motor
amir جمعه 26 شهریور 1395 ساعت 06:43
0 نظر

برق 80. برنامه توسعه ی تولید و انتقال، با در نظر گرفتن حد بارگذاری با استفاده از نظریه ی گیم و ANN (شبکه ی عصبی مصنوعی)


» :: برق 80. برنامه بسط ی پدیدآوری و انتقال، با در نظر گرفتن حد بارگذاری با استفاده از نظریه ی گیم و ANN (شبکه ی عصبی مصنوعی)
برنامه بسط ی تولید و انتقال، حرف در نظر گرفتن حد بارگذاری با استفاده از نظریه ی گیم و ANN (شبکه ی عصبی مصنوعی)

چکیده__ در این مقاله برنامه ی توسعه ی تولید و انتقال (TEF , GEP) با باب نظرر گرفتن کرانه بارگذاری سیستم قدرت مطالعه شده است. از آیین کانال های عصبی مصنوعی (ANN) برای ارزیابی حد بارگذاری سیستم قدرت _به دلیل ویژگی های حساسیتش_ استفاده شده است. بازسازی جهاز قدرت و جداسازی سازمان های آهنگ گیرنده ی توسعه ی تولید و انتقال، هماهنگی میان شرکت های تولید و انتقال را حیاتی تر ساخته است. از دیگر سو، پایداری ولتاژ، یکی از ویژگی های سطح امنیتی سیستم قدرت می باشد. باب این مقاله، درآغاز الگوی بار یک سیستم قدرت 6-شینه توسعه یافته، و سپس با استفاده از مشخصه های حساسیت ANN بهترین شین برای افزایش بار، تعیین می شود. آنگاه، ارتباط متقابل استراتژیکی بین شرکت انتقال (trasco) و کارتل تولید (GenCo) برای TEP و GEP در یک بازار برق رقابتی _ با استفاده از تیوری گیم (GT)_ ارایه می شود. الگوریتم ارایه شده از سه مرحله ی بهینه سازی برای بازشناخت تعادل نش _بطوری که سودمندترین آیین برای هردو سوی گیم در یک گیم برنامه ریزی توسعه، یافتنی باشد_ تشکیل می شود.


برنامه توسعه ی تولید و انتقال نظریه ی گیم و ANN ANN نظریه ی گیم شبکه ی عصبی مصنوعی Transmission Generation Expansion Game Theory Considering Loadability مقاله انگلیسی برق
amir جمعه 26 شهریور 1395 ساعت 06:42
0 نظر

برق 87. پیشبینی قیمت کوتاه مدت مبتنی بر موجک-ELM ترکیبی، برای بازار برق


» :: برق 87. پیشبینی قیمت کوتاه مدت براساس بر موجک-ELM ترکیبی، برای بازار برق
پیشبینی ارز کوتاه مدت براساس بر موجک-ELM ترکیبی، برای بازار برق 

    چکیده ــ پیشبینی دقیق قدمت برق، چالشی ارجمند برای شرکت کنندگان و مدیران بازارچه می باشد، زیرا قیمت الکتریسیته دارای نوسانات بسیاری است. پیشبینی قیمت نیز، بااهمیت ترین هدف مدیریتی از بهر مشارکت کنندگان در بازار است، چرا که مبانی بیشینه کردن سود را، تشکیل می دهد. این مطالعه، عملکرد یک تکنیک شبکه عصبی اخیر را بنام ناشین یادگیری سریع (ELM)، در مساله پیشبینی قیمت، بررسی باده کند. با باب نظر داشتن الفبا مربوط به بازهای برق که دارای نوسانات بسیاری در قیمت هستند، تکیه به یک تکنیک، خیلی هم سودمند نمی باشد. بنابراین، ELM حرف تکنیک موجک همراه شده است و یک مدل پیوندی (مرکب) را به نام WELM (ELM براساس بر موجک) را تشکیل داده است تا دقت پیشبینی و نیز قابلیت اطمینان آن را، بهبود بخشد. در این روش، ویژگی های بی همتای هر ابزار، تکریب شده اند تا الگوهای مختلفی را در اطلاعات، بدست آورند. قدرت این تکنیک، حرف استفاده از روش مجموع شده، بهبود بیشتری می یابد. عملکردهای الگو های ارایه شده، حرف استفاده از اطلاعات موجود در بازارهای برق انتاریو، PJM، نیویورک و ایتالیا، ارزیابی شده اند. نتایج آزمایشی نشان باده دهند که روش پیشنهادی، یکی از مناسب ترین تکنیک های پیشبینی قیمت می باشد.  
    کلیدواژه ها: شبکه عصبی تصنعی (ANN)، تجدید ساختار، روش مجموع، ماشین یادگیری سریع (ELM)، پیشبینی قیمت، تبدیل موجک


شبکه عصبی مصنوعی ANN تجدید ساختار روش مجموع ماشین یادگیری سریع ELM پیش بینی قیمت تبدیل موجک hybrid wavelet-ELM price forecasting
amir جمعه 26 شهریور 1395 ساعت 06:39
0 نظر

برق 100. توسعه یک آنالیز و کنترل زمان-واقعی مبنی بر FPGA برای واسط های تولید توزیع شده


» :: برق 100. توسعه یک آنالیز و کنترل زمان-واقعی حاکی حرف FPGA برای واسط های تولید توزیع شده
توسعه یک آنالیز و کنترل زمان-واقعی مبنی بر FPGA از بهر واسط های تولید توزیع شده

    چکیده__ انرژِ شبر آمده از منابع تجدید پذیر این روزها بسیار بااهمیت شده اند، و این اساسا بدلیل سهم ناچیزشان در تولید گازهای گلخانه ای است. مساله ای که مورد بحث می شود این است که چطور باده توان این منابع جدید را به شبکه های سنتی برق اضافه کرد، بطوری که بازده و قابلیت اطمینان این سیستم های تولید توزیع شده (DG) بیشینه شود. سخت افزار مورد نیاز از بهر این کار بطور کلی یک اینورتر منبع ولتاژی (VSI) است که یک بار معمولی _مانند کاربردهای تک-فاز مسکونی و تجاری_ را صفت کند. همچنین، فرآیند بهینه سازی نایزمند افراز تجزیه های معمولی توان می باشد. این نوشته بسط و ارزیابی های آزمایشی یک سیستم کنترل توان برای یک VSI متصل به شبکه تک-فاز، شامل تحلیل توان را، با استفاده از یک پردازشگر برای پیاده سازی کنترل _یک مدار "آرایه کیت قابل برنامه ریزی میدان" (FPGA)_ ارایه می دهد. ساختار جدید سخت آلت شبکه عصبی خطی تطبیقی (ADALINE)، پیاده سازی الگوریتم های سیستم توان را ممکن ساخته، و همچنین اجازه تحلیل زمان-واقعی هارمونیک های مرتبه-بالا را بدون افزایش دادن ناحیه پیاده سازی مدار FPGA، خواهد داد. این ویژگی ها برای واسط های الکترونیک قدرتی DG جدید ایده آل باده باشد، که باده توان از آن نه تنها برای فرستادن توان اکتیو، بلکه برای جبران سازی هارمونیک ها و توان راکتیو نیز، استفاده کرد. تالی سازی و نتایج تجربی الگو های پیشنهادی با فرکانس های ثابت و متغیر نیز، پیوست شده اند تا اعتبار انها مورد تاکید قرار گیرد.

    اصطلاحات مربوط__ شبکه عصبی تصنعی (ANN)، تولید توان توزیع شده، تجزیه و تحلیل توان، آرایه های منطقی قابل برنامه ریزی، اندازه گیری توان، اعوجاج هارمونیکی کل.


شبکه عصبی مصنوعی ANN تولید توان توزیع شده تجزیه و تحلیل توان آرایه های منطقی قابل برنامه ریزی اندازه گیری توان اعوجاج هارمونیکی کل development control Distributed Generation Interface
amir جمعه 26 شهریور 1395 ساعت 06:38
0 نظر