دوره 9، شماره 3 - ( 7-1398 )                   جلد 9 شماره 3 صفحات 0-0 | برگشت به فهرست نسخه ها

XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Sabri M, Rezaeipour R. Improve Estimation and Operation of Optimal Power Flow(OPF) Using Bayesian Neural Network. JEM. 2019; 9 (3)
URL: http://energy.kashanu.ac.ir/article-1-727-fa.html
صبری مهدی، رضائی پور روشنک. بهبود برآورد و عملکرد در پخش بار بهینه با استفاده از شبکه عصبی بیزین. مهندسی و مدیریت انرژی. 1398; 9 (3)

URL: http://energy.kashanu.ac.ir/article-1-727-fa.html


دانشگاه آزاد اسلامی واحد تبریز
چکیده:  
طراحی و توسعه آینده سیستم با توجه به رشد بار ولزوم اضافه کردن ژنراتورها، ترانسفورماتورها و خطوط جدید در سیستم قدرت بدون مطالعه پخش بار امکان پذیر نمی باشد. ضرورت مطالعات پخش بار بهینه نیز علاوه بر موارد ذکر شده برای پخش بار، به جهت رسیدن به توابع هدف است که در این مقاله هزینه سوخت ژنراتورها، تلفات توان اکتیو شبکه و شاخص بارپذیری شبکه مورد استفاده قرار گرفته است. بنابراین با استفاده از شبکه عصبی مصنوعی و مقایسه دو الگوریتم پس انتشار خطا از این نوع شبکه و تعریف مدل، به بررسی و تحلیل پخش بار بهینه پرداخته شده است. با استفاده از نمایه های ارزیابی مدل و آزمون مرگان-گرنجر-نیوبلد(MGN) عملکرد این دو الگوریتم مورد تحلیل و مقایسه قرار گرفته اند. از روش آماری بوت استرپینگ نیز جهت رسیدن به بهترین عملکرد برای بهبود برآورد پخش بار بهینه استفاده شده است. به منظور کاهش گام ها با خطای کم تر از 1% جهت بهبود برآورد پخش بار بهینه با بهینه سازی توابع تک هدفه مذکور، شبکه های عصبی بیزین و پرسپترون در شبکه استاندارد 30 شین IEEE مورد بررسی قرار گرفته اند. نتایج، نقش مؤثر شبکه عصبی بیزین بوت استرپ شده را از لحاظ عملکرد در نرم افزار متلب نشان می دهد.
     
نوع مطالعه: پژوهشي | موضوع مقاله: مهندسی برق

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

کلیه حقوق این وب سایت متعلق به نشریه مهندسی و مدیریت انرژی می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2019 All Rights Reserved | Energy Engineering & Management

Designed & Developed by : Yektaweb