این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
کیفیت و بهره وری صنعت برق ایران، جلد ۱، شماره ۲، صفحات ۱۹-۲۸
عنوان فارسی پیش بینی و تحلیل نرخ خطای ناشی از رشد درختان در خطوط هوایی توزیع الکتریکی با استفاده از شبکه عصبی و تحلیل عاملی
چکیده فارسی مقاله در مطالعه قابلیت اطمینان سیستم های قدرت، نرخ خطا پارامتری مهم است. نرخ خطا در مطالعات شبکه های توزیع معمولاً به طور تقریبی ثابت در نظر گرفته می شود ولی به طور دقیق تر و در عمل، پارامتری متغیر است که به عوامل داخلی و خارجی زیادی بستگی دارد. برای پیش بینی نرخ خطای متغیر، از وقایع قبلی و داده های آماری آنها استفاده می شود. در این مقاله، نرخ خطای متغیر در شبکه های توزیع فشار متوسط هوایی در اثر برخورد درختان مورد بررسی قرار گرفته است. از آنجا که جمع آوری و تعیین داده های آماری همواره با خطاهایی همراه است، برای کاوش در داده ها و حذف داده های پرت از روش تحلیل عاملی استفاده شده است. سپس برای پیش بینی نرخ خطا از یک شبکه عصبی چند لایه پرسپترون استفاده شده است. شبکه عصبی مذکور پس از آموزش، برای تحلیل ورودی‌ها نیز مورد استفاده قرار می گیرد. مطالعات عددی بر روی یک شبکه توزیع نمونه با 32 فیدر نشان می دهد که روش های تحلیل عاملی و شبکه عصبی در تحلیل حساسیت، نتایج یکدیگر را تأیید می کنند. ضمناً روش مذکور می تواند هم برای مدلسازی ساده تر و کاهش پیچیدگی ها و هم برای حذف داده های پرت و افزایش اطمینان در پیش بینی نرخ خطا مورد استفاده قرار گیرد.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Analysis and Predicting Vegetation-Related Failure Rate of Overhead Electrical Distribution Feeders using Neural Network and Factor Analysis
چکیده انگلیسی مقاله Failure rate is an important parameter in the reliability study of power systems. Failure rate of distribution feeders is usually considered as a constant parameter in power distribution systems study however in fact, it is a variable parameter which is dependent on various internal and external factors. The historical and statistic data is used to predict the variable failure rate. In this paper, the vegetation-related variable failure rate of overhead distribution feeders is considered for analysis and prediction. Whereas the collected statistic data usually contains practical errors and noises, here the Factor Analysis is used for data mining and removing the outliers. Then, a multi-layer artificial neural network is used to predict the failure rate. Moreover, the neural network is used to analyze the input data. Case studies of a typical 32-feeder distribution network show that the factor analysis and neural network methods emphasize their results. The proposed method can be implemented to reduce complexity, remove the outliers and increase reliability of the prediction.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله مهدی صدقی | mahdi sedghi
k. n. toosi university of technology
دانشگاه صنعتی خواجه نصیرالدین طوسی
سازمان اصلی تایید شده: دانشگاه صنعتی خواجه نصیرالدین طوسی (Khajeh nasir toosi university of technology)

مسعود علی اکبر گلکار | masoud aliakbar golkar
k. n. toosi university of technology
دانشگاه صنعتی خواجه نصیرالدین طوسی
سازمان اصلی تایید شده: دانشگاه صنعتی خواجه نصیرالدین طوسی (Khajeh nasir toosi university of technology)

محمود رضا حقی فام | mahmoud reza haghifam
tarbiat modares university
دانشگاه تربیت مدرس
سازمان اصلی تایید شده: دانشگاه تربیت مدرس (Tarbiat modares university)

نشانی اینترنتی http://ieijqp.ir/browse.php?a_code=A-10-23-1&slc_lang=fa&sid=fa
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1533/article-1533-254323.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده تخصصی
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات