دسته بندی | برق |
فرمت فایل | docx |
حجم فایل | 4.769 مگا بایت |
پس از پرداخت، لینک دانلود فایل برای شما نشان داده می شود
پرداخت و دانلود
یک راهبرد دقیق کنترل توان برای واحدهای تولید پراکندۀ با واسط الکترونیک قدرت در یک ریزشبکه چندباسه ولتاژ پایین + نسخه انگلیسی
An Accurate Power Control Strategy for Power-Electronics-Interfaced Distributed Generation Units Operating in a Low-Voltage Multibus Microgrid
چکیده- در این مقاله، برای ریزشبکه ولتاژ پایین یک راهبرد کنترل توان ارائه میشود، جائی که در آن امپدانس خط عمدتا مقاومتی، امپدانس نابرابر بین واحدهای تولید پراکنده (DG)، و محل بارهای ریزشبکه باعث میشوند روش مرسوم کنترل droop فرکانس و ولتاژ غیرممکن باشد. راهبرد کنترل توان ارائه شده شامل یک اندوکتانس مجازی در خروجی اینورتر واسط و یک الگوریتم تسهیم و کنترل دقیق توان است که در این الگوریتم هم اثر افت ولتاژ امپدانس و هم اثر بار محلی DG در نظر گرفته شده است. بخصوص اینکه اندوکتانس مجازی میتواند با معرفی یک امپدانس به شدت اندوکتیو حتی در شبکه ولتاژ پایین با امپدانس مقاومتی خط، به طور موثر مانع تزویج بین توانهای حقیقی و راکتیو شود. از طرف دیگر، بر اساس امپدانس به شدت اندوکتیو، الگوریتم تسهیم دقیق توان راکتیو به این صورت عمل میکند که افت ولتاژهای امپدانس را تخمین زده و صحت و دقت تسهیم و کنترل توان راکتیو را بهبود میبخشد. در نهایت اینکه، با در نظر گرفتن محلهای مختلف بارها در یک ریزشبکه چندباسه، با به کارگیری یک تخمین آنلاین آفست توان راکتیو برای جبرانسازی اثرات تقاضاهای توان بار محلی DG، دقت کنترل توان راکتیو را میتوان بهبود داد. راهبرد کنترل توان پیشنهادی در این کار، شبیهسازی شده و بصورت عملی روی یک ریزشبکه ولتاژ پایین نمونه تست شده است
عبارات کلیدی- تولید پراکنده (DG)، روش کنترل droop، ریرشبکه، اینورتر موازی، کنترل توان، تسهیم توان، منبع انرژی تجدیدپذیر (RES)
پس از پرداخت، لینک دانلود فایل برای شما نشان داده می شود
پرداخت و دانلود
دسته بندی | برق |
فرمت فایل | docx |
حجم فایل | 760 کیلو بایت |
پس از پرداخت، لینک دانلود فایل برای شما نشان داده می شود
پرداخت و دانلود
تبدیل توان بادی نوع DFIG با تنظیم توان شبکه برای مواقع کمبود باد
DFIG-Based Wind Power Conversion With Grid Power Leveling for Reduced Gusts
چکیده- این مقاله یک راهبرد کنترلی جدید برای سیستم تبدیل انرژی بادی (WECS) نوع ژنراتور القایی دو سو تغذیه (DFIG) متصل به شبکه ارائه میکند. راهبردهای کنترلی برای مبدلهای سمت شبکه و سمت روتور که در مدار روتور DFIG قرار گرفتهاند به همراه مدل ریاضی پیکربندی به کار رفته برای WECS بیان میشوند. توپولوژی ارائه شده شامل یک سیستم ذخیره انرژی باتری (BESS) است تا نوسانات توان شبکه که ناشی از طبیعت متغیر و غیرقابل پیشبینی باد است را کاهش دهد. تشریح جزئیات طراحی، یافتن اندازه و مدلسازی BESS برای تنظیم توان شبکه داده شده است. در کنار راهبرد معرفی شده "تنظیم توان شبکه"، به دیگر راهبردهای کنترلی موجود مثل استخراج بیشترین توان نقطهای از توربین بادی و عملکرد با ضریب توان واحد DFIG نیز پرداخته شده است. تجزیه و تحلیلی برحب تسهیم توان اکتیو بین DFIG و شبکه انجام شده است که در آن توان ذخیرهای یا تخلیهشده توسط BESS بسته به انرژی بادی موجود در نظر گرفته شده است. سپس راهبرد ارائه شده در محیط سیمولینک MATLAB شبیه سازی شده و برای پیشبینی رفتار از این مدل توسعه یافته بهره گرفته شده است. در مقایسه با کارهای موجود در رابطه با هدایت سیستمهای تبدیل انرژی بادی نوع DFIG با تغذیه شبکه، تلاش شده است تا این کار به عنوان یک کار جدید و یکتا معرفی شود.
عبارات کلیدی- سیستم ذخیره انرژی باتری (BESS)، ژنراتور القائی دو سو تغذیه (DFIG)، تنظیم توان شبکه، کنترل برداری، سیستم تبدیل انرژی بادی (WECS).
پس از پرداخت، لینک دانلود فایل برای شما نشان داده می شود
پرداخت و دانلود
دسته بندی | برق |
فرمت فایل | docx |
حجم فایل | 1.451 مگا بایت |
پس از پرداخت، لینک دانلود فایل برای شما نشان داده می شود
پرداخت و دانلود
یک مدل دادهکاوی برای حفاظت خط انتقال مبتنی بر ادوات FACTS+ نسخه انگلیسی
A Data-Mining Model for Protection of FACTS-Based Transmission Line
چکیده- این مقاله یک مدل دادهکاوی برای شناسائی ناحیه خطای یک خط انتقال مبتنی بر سیستمهای انتقال ac انعطافپذیر (FACTS) ارائه میکند که شامل جبرانساز سری کنترلشده با تریستور (TCSC) و کنترلر یکپارچه عبور توان (UPFC) است، و از مجموعه درختان تصمیم استفاده میکند. با تصادفی بودن مجموعه درختان تصمیم در مدل جنگلهای تصادفی، تصمیم موثر برای شناسائی ناحیه خطا حاصل میشود. نمونههای جریان و ولتاژ نیم سیکل پس از لحظه وقوع خطا به عنوان بردار ورودی در برابر خروجی هدف "1" برای خطای پس از TCSC/UPFC و "1-" برای خطای قبل از TCSC/UPFC ، برای شناسائی ناحیه خطا به کار میرود. این الگوریتم روی دادههای خطای شبیهسازی شده با تغییرات وسیع در پارامترهای عملکردی شبکه قدرت منجمله شرایط نویزی تست شده است و معیار قابلیت اطمینان 99% با پاسخ زمانی سریع بدست آمده است (سه چهارم سیکل پس از لحظه خطا). نتایج روش ارائه شده به کمک مدل جنگلهای تصادفی نشان دهنده تخیص قابل اعتماد ناحیه خطا در خطوط انتقال مبنی بر FACTS است.
عبارات کلیدی- رله دیستانس، تشخیص ناحیه خطا، جنگلهای تصادفی (RF ها)، ماشین بردار پایه (SVM)، جبرانسازی سری کنترلشده با تریستور (TCSC)، کنترلر یکپارچه عبور توان (UPFC).
پس از پرداخت، لینک دانلود فایل برای شما نشان داده می شود
پرداخت و دانلود
دسته بندی | برق |
فرمت فایل | docx |
حجم فایل | 4.265 مگا بایت |
پس از پرداخت، لینک دانلود فایل برای شما نشان داده می شود
پرداخت و دانلود
پروژه الگوریتم بهینه سازی ازدحام ذرات مبتنی بر مالتی ایجنت ترکیبی برای توزیع اقتصادی برق + نسخه انگلیسی
A hybrid multi-agent based particle swarm optimization algorithm for economic power dispatch
چکیده - این مقاله یک تکنیک بهینه سازی ازدحام ذرات مبتنی بر مالتی ایجنت ترکیبی (HMAPSO) را معرفی میکند که برای توزیع اقتصادی برق به کار گرفته شده است. روش قدیمی بهینه سازی ازدحام ذرات(PSO) دارای معایبی چون تنظیم متغیرها، تصادفی بودن و یکتایی پاسخ است. الگوریتم جدید تکنیکهای جستجوی قطعی، سیستم مالتی ایجنت (MAS)، الگوریتم بهینه سازی ازدحام ذرات (PSO) و فرایند تصمیم گیری زنبوری را با هم ترکیب میکند. لذا به کمک جستجوی قطعی، بهینه سازی ازدحام ذرات مالتی ایجنت و زنبوری، HMAPSO قادر است بهینه سازی را تحقق دهد. مساله توزیع اقتصادی برق یک مساله بهینه سازی محدودشده غیرخطی است. تکنیکهای بهینه سازی کلاسیک مثل روشهای جستجوی مستقیم و گرادیان قادر نیستند پاسخ بهینه کلی را بدست دهند. سایر الگوریتمهای تکاملی تنها یک پاسخ تا حدودی خوب را فراهم میکنند. برای نشان دادن توانمندی الگوریتم ارائه شده، این الگوریتم به مواردی با 13 و 40 ژنراتور اعمال میشود. نتایج نشان میدهد که ابن الگوریتم در یافتن پاسخ کلی نسبت به همتاهای خود بسیار صحیح و قویتر است.
لغات کلیدی: توزیع اقتصادی برق، PSO، اثر نقطه دریچه، سیستم مالتی ایجنت.
پس از پرداخت، لینک دانلود فایل برای شما نشان داده می شود
پرداخت و دانلود
دسته بندی | مقالات ترجمه شده isi |
بازدید ها | 4 |
فرمت فایل | docx |
حجم فایل | 181 کیلو بایت |
تعداد صفحات فایل | 26 |
A Genetically Optimized Fuzzy Neural Network for Ship Controllers
اصل و ترجمه مقاله شبکه های عصبی فازی ژنتیکی بهینه شده برای کنترل کشتی
IEEE 2006
چکیده - منطق فازی عصبی، رویکرد جدید شده است برای کنترل کشتی ها. |
abstract-A novel approach has been promoted for fuzzy neural ship controllers. |
یک شبکه عصبی RBF و بهینه سازی GA در یک کنترل عصبی فازی به کار برای مقابله با غیرخطی، زمان های مختلف و عوامل نامشخص است. |
An RBF neural network and GA optimization are employed in a fuzzy neural controller to deal with the nonlinearity, time varying and uncertain factors. |
با استفاده از شبکه طراحی شده به جای استنتاج فازی معمولی، پایگاه قوانین و توابع عضویت می تواند به صورت خودکار توسط بهینه سازی GA تنظیم شود. |
Utilizing the designed network to substitute the conventional fuzzy inference, the rule base and membership functions can be auto-adjusted by GA optimization. |
پارامترهای شبکه عصبی را می توان با استفاده از تنظیمات مجموعه قوانین در لایه مخفی از شبکه کاهش داد. |
The parameters of neural network can be decreased by using union-rule configuration in the hidden layer of the network. |
نتایج رضایت بخشی از عملکرد کنترل کننده های شبیه سازی سیستم، که توسط ابزار سیمولینک انجام می گردد دست آمده است. |
The performance of controller is evaluated by the system simulation conducted with Simulink tools, by which satisfied results have been obtained. |
کنترل فازی. الگوریتم ژنتیک. مجموعه قوانین. کنترل کشتی. |
Fuzzy control. Genetic algorithm. Union rule. Ship control. |