این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
هوش محاسباتی در مهندسی برق، جلد ۱۰، شماره ۳، صفحات ۴۱-۵۶
عنوان فارسی تعیین سهم بارهای هارمونیک‌زا در آلودگی هارمونیکی شبکه براساس دسته‌بندی هوشمند
چکیده فارسی مقاله امروزه برای بهبود کیفیت ولتاژ شبکه، تعیین سهم هریک از منابع ایجادکننده هارمونیک از آلودگی هارمونیکی شبکه ضروری است. با توجه به اینکه خطوط، ترانسفورماتورها، بارها و ژنراتورها در طول زمان تغییر وضعیت می‌دهند، شرایط عملکردی شبکه و امپدانس بخش‌های مختلف به‌طور مکرر تغییر می‌یابند که به تغییر سهم هریک از منابع هارمونیکی منجر می‌شوند. در این مقاله روشی سه مرحله‌ای مبتنی بر روش‌های هوشمند، برای تعیین سهم پیوسته منابع هارمونیک از هارمونیک ولتاژ باس‌های مختلف شبکه بدون نیاز به اطلاعات فاز ولتاژ باس‌های مختلف طراحی شده است. در این الگوریتم به‌منظور کاهش اثر مخرب هارمونیک پس‌زمینه در مرحله پیش‌پردازش اطلاعات اندازه‌گیری از روش خوشه‌بندی k- میانگین[i] استفاده شده است. بعد از محاسبه سهم هارمونیک، از روش دسته‌بندی k- نزدیک‌ترین همسایه[ii] برای تعمیم نتایج و ایجاد ماتریس پیوست سهم استفاده شده است. در پایان روش پیشنهادی بر یک مثال محاسباتی مبتنی بر شبکه استاندارد اعمال شده است. نتایج نشان می‌دهد الگوریتم پیشنهادی توان آنالیز تأثیر منابع مختلف هارمونیک بر شبکه را دارد. [i] K-Means Clustering [ii] K-Nearest Neighbor (KNN)
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Determining the Contribution of Harmonic Loads to Harmonic Contamination of the Power Network based on the Intelligent Classification of Measured Data
چکیده انگلیسی مقاله Nowadays, determining the contribution of the individual consumers to the harmonic contamination is required for improving power quality. Due to changes occurred in lines, transformers, loads and generators over time, network operating conditions and impedance of different sectors are frequently varied resulting in the change in the contribution of harmonic sources. In this paper, an intelligent-based three-step method is developed to continuously determine the contribution of each harmonic source to the harmonic voltage of different buses without any access to the voltage phase data at different buses in the network. In this algorithm, firstly, the K-means clustering method is used for pre-processing of the measured data in order to reduce the background harmonic destructive effect on accuracy of the harmonic contribution determination. After calculating the harmonic contribution, the K-nearest neighbor method is used to generalize the results, and subsequently to create a continuous harmonic contribution matrix (HCM). Finally, the method is applied to a standard power network-based calculation example. The results demonstrate the capability of the proposed algorithm to evaluate the effects of harmonic sources in power networks.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله مهدی تدین |
دانشجو، دانشکدة فنی و مهندسی - دانشگاه اصفهان - اصفهان - ایران

رحمت الله هوشمند |
استاد، دانشکدة فنی و مهندسی - دانشگاه اصفهان - اصفهان - ایران

آرش کیومرثی |
دانشیار، دانشکدة فنی و مهندسی - دانشگاه اصفهان - اصفهان - ایران

مهدی ترابیان |
شرکت برق منطقه‌ای اصفهان - اصفهان - ایران

نشانی اینترنتی http://isee.ui.ac.ir/article_24102_ce13fb7a21238307c980ddd57ed948d0.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1306/article-1306-2066667.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