دوره 9، شماره 3 - ( 7-1398 )                   جلد 9 شماره 3 صفحات 86-97 | 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. Improving the Estimation and Operation of Optimal Power Flow(OPF) Using Bayesian Neural Network. JEM. 2019; 9 (3) :86-97
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 شبکۀ عصبی بیزین. مهندسی و مدیریت انرژی. 1398; 9 (3) :86-97

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


دانشگاه آزاد اسلامی واحد تبریز
چکیده:  
طراحی و توسعۀ آیندۀ سیستم با توجه به رشد بار ولزوم اضافه کردن ژنراتورها، ترانسفورماتورها و خطوط جدید در سیستم قدرت، بدون مطالعۀ پخش بار امکان‌پذیر نیست. ضرورت مطالعات پخش بار بهینه نیز علاوه بر موارد ذکرشده برای پخش بار جهت رسیدن به توابع هدف است که در این مقاله، هزینۀ سوخت ژنراتورها، تلفات توان اکتیو شبکه و شاخص بارپذیری شبکه مورد استفاده قرار گرفته است. بنابراین با استفاده از شبکۀ عصبی مصنوعی و مقایسۀ دو الگوریتم پس‌انتشار خطا از این نوع شبکه و تعریف مدل، به بررسی و تحلیل پخش بار بهینه پرداخته شده است. با استفاده از نمایه‌های ارزیابی مدل و آزمون مرگان-گرنجر-نیوبلد (MGN) عملکرد این دو الگوریتم مورد تحلیل و مقایسه قرار گرفته‌اند. از روش آماری بوت استرپینگ نیز برای رسیدن به بهترین عملکرد برای بهبود برآورد پخش بار بهینه استفاده شده است. به‌منظور کاهش گام‌ها با خطای کمتر از 1% برای بهبود برآورد پخش بار بهینه با بهینه‌سازی توابع تک‌هدفۀ مذکور، شبکه‌های عصبی بیزین و پرسپترون در شبکۀ استاندارد 30 شین IEEE مورد بررسی قرار گرفته‌اند. نتایج، نقش مؤثر شبکۀ عصبی بیزین بوت استرپ‌شده را از لحاظ عملکرد در نرم‌افزار متلب نشان می‌دهد.
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

© 2020 All Rights Reserved | Energy Engineering & Management

Designed & Developed by : Yektaweb