پیوندهای مفید
آمار
| تعداد نشریات | 21 |
| تعداد شماره‌ها | 655 |
| تعداد مقالات | 9,581 |
| تعداد مشاهده مقاله | 68,524,000 |
| تعداد دریافت فایل اصل مقاله | 47,974,829 |
ارائه یک روش هوشمند برای شناسایی و طبقه بندی وقایع کیفیت توان | ||
| مدل سازی در مهندسی | ||
| مقاله 3، دوره 9، شماره 27، دی 1390، صفحه 23-36 اصل مقاله (630.33 K) | ||
| شناسه دیجیتال (DOI): 10.22075/jme.2017.1600 | ||
| نویسندگان | ||
| زهرا مروّج* ؛ علی اکبر عبدوس؛ محمد پازکی | ||
| تاریخ دریافت: 09 بهمن 1395، تاریخ بازنگری: 30 شهریور 1404، تاریخ پذیرش: 09 بهمن 1395 | ||
| چکیده | ||
| در این مقاله، یک روش جدید براساس تبدیل S و شبکه عصبی احتمالی به منظور تشخیص اغتشاشات کیفیت توان ارائه شده است. از آنجایی که اغتشاشات کیفیت توان سیگنال های ناایستا هستند، تبدیل S می تواند به طور مؤثری وقایع کیفیت توان را در هر دو حوزه زمان و فرکانس آنالیز نماید. شبکه عصبی احتمالی با استفاده از ویژگی های استخراج شده توسط تبدیل S، به منظور طبقه بندی رخدادهای کیفیت توان، آموزش داده می شود. از آنجایی که روش جدید می تواند ویژگی های بارز سیگنالهای اغتشاشی را تا حد زیادی بدون از دست رفتن مشخصه اصلی کاهش دهد، حافظه و زمان مورد نیاز برای آموزش اطلاعات کاهش می یابد. از طرف دیگر، در شبکه عصبی احتمالی نیاز به انجام فرایند وقت گیر آموزش نیست و تنها نیاز به تعیین یک پارامتر (به نام عامل هموارساز) می‌باشد. از آنجایی که این عامل در دقت طبقه بندی کننده تأثیر زیادی دارد از الگوریتم تکاملی بهینه سازی اجتماع ذرات برای تعیین دقیق این پارامتر استفاده شده است. نتایج شبیه سازی نشان می دهد که ترکیب تبدیل S و شبکه عصبی احتمالی به طور مؤثر وقایع کیفیت توان را طبقه بندی می کند. عملکرد روش پیشنهادی در شرایط نویزی مختلف نیز بررسی شده است. نتایج به دست آمده نشان می دهد که این روش حساسیت خیلی کمی به نویز دارد. | ||
| کلیدواژه‌ها | ||
| کیفیت توان؛ شناسایی الگو؛ تبدیل S؛ شبکه عصبی احتمالی؛ بهینه سازی اجتماع ذرات | ||
| عنوان مقاله [English] | ||
| AN INTELLIGENT METHOD FOR DETECTION AND CLASSIFICATION OF POWER QUALITY EVENTS | ||
| نویسندگان [English] | ||
| Moravej؛ Abdoos؛ Pazoki | ||
|
آمار تعداد مشاهده مقاله: 1,410 تعداد دریافت فایل اصل مقاله: 1,121 |
||