نوشته شده توسط : زپو

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


کاهش فلیکر ولتاژ مبتنی بر ANN (شبکه‌های عصبی مصنوعی) باUPFC و با استفاده از الگوریتم SRF
چکیدهفلیکر ولتاژ، پدیدۀ آزاردهنده نوسان شدت نور، که حاصل تغییر سریع در بارهای صنعتی و خانگی مثل عملکرد دوره‌ای کوره قوسی است، باعث یک نگرانی برای بهره برداران و مشتریان حومه شده است. جریان کوره قوسی شبه پریودیک و دارای فرکانسی حدود 10 Hz است که باعث فلیکر قابل لمس (قابل درک) می‌شود. ادوات FACTS مثل SVCها، STATCOM، UPFC و تجهیزات خاص برقی مثل DSTATCOM با کنترل سریع توان راکتیو قادر به حل مسائل فلیکر ولتاژ بوده‌اند. اما؛ کنترل توان اکتیو در کنار کنترل توان راکتیو باعث حل بهتر و موثرتر مساله فلیکر ولتاژ می‌شود. در این مقاله، کاهش 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 بر روش قاب مرجع سنکرون (SRF). این الگوریتم توان‌های اکتیو و راکتیو را به‌طور همزمان کنترل می‌کند. وقتی مبدل سری UPFC فلیکر ولتاژ را اصلاح می‌کند، مبدل شنت ذخیره انرژی لینک dc را تدارک می‌بیند. برای حفظ ولتاژ لینک dc از یک مدار خودشارژکننده استفاده شده است. عملکرد دینامیکی به کمک این الگوریتم بررسی می‌شود. 

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




:: برچسب‌ها: فلیکر ولتاژ , شبکه‌های عصبی مصنوعی , ANN , UPFC , SRF , Voltage Flicker Mitigation , SRF Algorithm , مقاله برق , مقاله انگلیسی برق , مقاله انگلیسی برق با ترجمه , مقاله انگلیسی برق با ترجمه فارسی ,
:: بازدید از این مطلب : 51
|
امتیاز مطلب : 0
|
تعداد امتیازدهندگان : 0
|
مجموع امتیاز : 0
تاریخ انتشار : سه شنبه 14 مرداد 1395 | نظرات ()
نوشته شده توسط : زپو

 تحقیق در مورد  سیستم های مبتنی بر شبکه عصبی (فرمت فایل Word و با قابلیت ویرایش)تعداد صفحات 45


تحقیق سیستم های مبتنی بر شبکه عصبی (فایل Word)تعداد صفحات 45

با استفاده از دانش برنامه‌نویسی رایانه می‌توان ساختار داده‌ای طراحی کرد که همانند یک نرون عمل نماید. سپس با ایجاد شبکه‌ای از این نورون‌های مصنوعی به هم پیوسته، ایجاد یک الگوریتم آموزشی برای شبکه و اعمال این الگوریتم به شبکه آن را آموزش داد. این شبکه‌ها برای تخمین (Estimation) و تقریب (Approximation)کارایی بسیار بالایی از خود نشان داده‌اند. گستره کاربرد این مدل‌های ریاضی بر گرفته از عملکرد مغز انسان، بسیار وسیع می‌باشد که به عنوان چند نمونه کوچک می‌توان استفاده از این ابزار ریاضی در پردازش سیگنال‌های بیولوییکی، مخابراتی و الکترونیکی تا کمک در نجوم و فضا نوردی را نام برد.
فهرست :  

مقدمه ای بر شبکه‌های عصبی مصنوعی

تاریخچه شبکه‌های عصبی مصنوعی

شبکه عصبی چیست؟

شبکه  عصبی چه قابلیتهائی دارد؟

الهام از طبیعت

شبکه های عصبی در مقایسه با کامپیوترهای سنتی

مسائل مناسب برای یادگیری شبکه های عصبی

پرسپترون

الگوریتم یادگیری پرسپترون

الگوریتم gradient descent

مشکلات روش gradient descent

تقریب افزایشی gradient descent

الگوریتم  Back propagation

قدرت نمایش توابع

انواع آموزش شبکه

برخی زمینه های شبکه های عصبی

سبکهای معماری شبکه‌های عصبی

قواعد یادگیری در شبکه‌های عصبی

آموزش شبکه‌های عصبی

آموزش unsupervised یا تطبیقی (Adaptive)

تفاوت‌های شبکه‌های عصبی با روش‌های محاسباتی متداول و سیستم‌های خبره

انواع یادگیری برای شبکه های عصبی

یادگیری با ناظر

یادگیری تشدیدی

یادگیری بدون ناظر

معایب شبکه های عصبی

مزیتهای شبکه های عصبی

سیستم خبره

سیستم خبره چیست؟

ساختار یک سیستم خبره‌

استفاده از  منطق فازی

مزایا و محدودیت‌های سیستم‌های خبره

کاربرد سیستم‌های خبره‌

چند سیستم خبره مشهور

مروری بر کاربردهای تجاری

بازاریابی

بانکداری و حوزه های مالی

پیش بینی

سایر حوزه های تجاری

کاربرد مدلهای شبکه عصبی در پیش‌بینی ورشکستگی اقتصادی شرکتهای بازار بورس

کاربرد مدل‌ شبکه عصبی در پیش‌بینی ورشکستگی شرکتهای بازار بورس

تبیین مفهوم ورشکستگی

متغیرهای مدل تحقیق

اطلاعات شرکتهای نمونه تحقیق

تعیین ‌مدل شبکه عصبی سه لایه برای پیش‌بینی ورشکستگی شرکتها

تعیین مدل بهینه شبکه عصبی چهار لایه برای پیش‌بینی ورشکستگی شرکتها

مقایسه مدلهای شبکه عصبی سه و چهار لایه برای پیش‌بینی ورشکستگی اقتصادی

پیش‌بینی ورشکستگی اقتصادی شرکتها در سالهای  و

روند ورشکستگی اقتصادی شرکتهای بازار بورس در دوره ـ

جمع‌بندی و نتیجه‌گیری

منابع


خرید و دانلود  تحقیق در مورد  سیستم های مبتنی بر شبکه عصبی (فرمت فایل Word و با قابلیت ویرایش)تعداد صفحات 45




:: برچسب‌ها: تحقیق سیستم های مبتنی بر شبکه عصبی (فایل Word)تعداد صفحات 45 , تحقیق سیستم های مبتنی بر شبکه عصبی , سیستم های مبتنی بر شبکه عصبی , شبکه های عصبی , شبکه‌های عصبی مصنوعی , تاریخچه شبکه‌های عصبی مصنوعی , تاریخچه شبکه‌های عصبی , شبکه عصبی چیست؟ , شبکه عصبی چه قابلیتهائی دارد؟ , شبکه های عصبی در مقایسه با کامپیوترهای سنتی , سائل مناسب برای یادگیری شبکه های عصبی , یادگیری شبکه های عصبی , لگوریتم یادگیری پرسپترون , الگوریتم پرسپترون , پروژه رشته نرم افزار , پروژه الگوریتم پرسپترون , الگوریتم gradient descent , مشکلات روش gradient descent , تقریب افزایشی gradient descent , الگوریتم Back propagation , انواع آموزش شبکه , زمینه های شبک ,
:: بازدید از این مطلب : 89
|
امتیاز مطلب : 0
|
تعداد امتیازدهندگان : 0
|
مجموع امتیاز : 0
تاریخ انتشار : دو شنبه 16 مرداد 1395 | نظرات ()

صفحه قبل 1 2 3 4 5 ... 6341 صفحه بعد