این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
صفحه اصلی
درباره پایگاه
فهرست سامانه ها
الزامات سامانه ها
فهرست سازمانی
تماس با ما
JCR 2016
جستجوی مقالات
جمعه 7 آذر 1404
هوش محاسباتی در مهندسی برق
، جلد ۵، شماره ۴، صفحات ۱۰۳-۱۱۴
عنوان فارسی
تشخیص جزیره ای شدن واحدهای تولید پراکنده اینورتری با ایجاد گذرای اجباری در فرکانس سیستم به کمک شبکه های عصبی احتمالاتی
چکیده فارسی مقاله
در این مقاله روشی هوشمند با استفاده از شبکه عصبی و تبدیل موجک برای تشخیص جزیره ای شدن برای واحدهای تولید پراکنده مبتنی بر اینورتر ارائه شده است. روش ارائه شده مبتنی بر تغییر مرجع توان راکتیو در واسط کنترل اینورتر به منظور ایجاد یک گذرای اجباری کوچک در فرکانس و مشتق آن است. در شرایطی که واحد تولید پراکنده در جزیره قرار گرفته باشد، تغییر در مرجع توان راکتیو باعث تغییر در فرکانس سیستم و مشتق آن و ایجاد گذرایی در آنها خواهد شد. ایده اصلی این مقاله، استفاده از گذرای ایجاد شده در فرکانس و مشتق آن در شرایط جزیرهای شدن است. در این روش شبکه عصبی احتمالاتی (PNN) بهوسیله شاخص استخراج شده از اطلاعات مشتق فرکانس، بهوسیله تبدیل موجک گسسته (DWT) در شرایط جزیره و غیر جزیره تحت آموزش قرار میگیرد. شبیه سازیها با استفاده از نرمافزار PSCAD/EMTDC و تحلیلها در نرمافزار MATLAB انجام شده است. نتایج شبیه سازیها نشان میدهد که روش پیشنهادی در شرایط مختلف عملکرد مناسبی از خود نشان میدهد.
کلیدواژههای فارسی مقاله
عنوان انگلیسی
Artificial Neural Network Approach for Islanding Detection in Inverter Based Distributed Generator with a Forced Transient in System Frequency
چکیده انگلیسی مقاله
In this paper, an intelligent islanding detection method is presented for inverter based distributed generation (DG) using probabilistic neural network (PNN) and wavelet transform. The presented method is based on the change of DG reactive power reference (Qref) in inverter control interface to create a small forced transient in frequency and its derivative. Changing the Qref causes a forced transient in system frequency and also in its derivative in islanding conditions. The main idea is to use the created transient in frequency derivative in islanding conditions. The PNN is trained by features extracted from the frequency derivative data through the discrete wavelet transformation (DWT) in islanding and non-islanding conditions. The proposed method is evaluated in islanding and non-islanding conditions, using PSCAD/EMTDC and MATLAB software. Simulation results show that the proposed method has a proper operation in the islanding and non-islanding conditions.
کلیدواژههای انگلیسی مقاله
نویسندگان مقاله
حمید یعقوبی |
دانشگاه سمنان
سازمان اصلی تایید شده
: دانشگاه سمنان (Semnan university)
عباداله کامیاب |
دانشگاه فردوسی
سازمان اصلی تایید شده
: دانشگاه فردوسی (Ferdowsi university)
جواد ساده |
دانشگاه فردوسی
سازمان اصلی تایید شده
: دانشگاه فردوسی (Ferdowsi university)
نشانی اینترنتی
http://isee.ui.ac.ir/article_15403_61ffde920c1698a0267ab3a54740797a.pdf
فایل مقاله
اشکال در دسترسی به فایل - ./files/site1/rds_journals/1306/article-1306-343758.pdf
کد مقاله (doi)
زبان مقاله منتشر شده
fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به:
صفحه اول پایگاه
|
نسخه مرتبط
|
نشریه مرتبط
|
فهرست نشریات