روشی هوشمند مبتنی بر تجزیه حالت تجربی و k-نزدیکترین همسایه جهت طبقه بندی منابع متعدد هارمونیکی
محل انتشار: هشتمین کنفرانس منطقه ای سیرد
سال انتشار: 1399
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 187
فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CIRED08_035
تاریخ نمایه سازی: 1 خرداد 1401
چکیده مقاله:
امروزه گسترش بارهای غیرخطی باعث افزایش هارمونیکها در شبکه های قدرت شده اند. یکی از چالشهای مهم در این زمینه شناسایی و طبقه بندی منابع متعدد هارمونیکی متصل به یک باس شبکه است. در این مقاله، یک روش هوشمند مبتنی بر تجزیه حالت تجربی و شبکه عصبی جهت شناسایی منابع متعدد هارمونیکی ارائه میگردد. در این روش، ویژگیهای جدید با استفاده از تجزیه حالت تجربی تنها از شکل موج ولتاژ استخراج میگردند. سپس، به منظور کاهش حجم محاسبات و زمان پردازش از روش رلیف به عنوان یک ابزار قدرتمند انتخاب ویژگی استفاده میشود. نهایتا طبقه بندی کننده قوی k- نزدیکترین همسایه با دقت بالایی منابع هارمونیکی را از یکدیگر تفکیک میکند. به منظور اعتباربخشی روش پیشنهادی سناریوهای مختلفی در نوسانات بارهای خطی و غیرخطی مورد بررسی قرار میگیرد. علاوه بر این، نتایج بدست آمده با دیگر شبکه های عصبی با توابع فعال کننده متفاوت مقایسه میگردند. نتایج بدست آمده بر روی یک شبکه آزمایشی و داده های واقعی اندازه گیری شده در برق منطقه ای سمنان، کارایی روش پیشنهادی را تائید میکنند. روش پیشنهادی میتواند به عنوان یک ابزار جدید به دستگاههای اندازه گیری کیفیت توان در شبکه های مدرن اضافه گردد.
کلیدواژه ها:
نویسندگان
امیر مرادی فر
معاونت بهره برداری، شرکت برق منطقه ای سمنان
میلاد فولادی
معاونت فروش و بازاریابی، شرکت آریا ترانسفو شهمیرزاد، سمنان، ایران
مهدی معینی
معاونت بهره برداری، شرکت برق منطقه ای سمنان
جواد رخشی
معاونت بهره برداری، شرکت برق منطقه ای سمنان