منبع پایان نامه درباره شبکه عصبی، دینامیکی، فرایند آموزش، توزیع فراوانی

آموزشی، یک شبکه عصبی با نتایج ضعیف را به شبکهاي بـا نتـایج قابـل قبـول تبـدیل کرده است. شاید بتوان مهمترین نکته در گردآوري اطلاعات آموزشـی را شـمول و فراگیـري آن نـسبت بـه حالتهاي مختلف رفتاري مطرح در حوزة مورد نظر دانست. اگرچه این شمول را نباید با بزرگی ابعـاد اشـتباه گرفت. عامل مهم نگاه ریشهاي و بنیادین به حالات مطرح در آن حوزه است. از آنجا که این شبکه بر آنـست تا بر پایه اطلاعات بهرهبرداري نسبت به تخمین پارامترهاي دینامیکی ژنراتور سنکرون اقدام نماید، لـذا بایـد بانک اطلاعات لازم براي آموزش شبکه عصبی در این حوزه فراهم شود. مجموعه اغتـشاشاتی کـه در طـی بهرهبرداري از ژنراتورها رخ میدهد را میتوان به سه دسته عمده تقسیم کرد:

1. اغتشاشاتی که در حوزة تحریک رخ می دهند

2. اغتشاشاتی که در حوزة توان ورودي رخ میدهند

3. اغتشاشاتی که در شبکه تحت تغذیه رخ میدهند

بدین ترتیب از هر یک از این حوزههاي سهگانه یک نمونه شایع به عنوان نمایندة آن گروه بـدین ترتیـب در

نظر گرفته شده است:

1. تغییر ناگهانی %10 در تحریک ژنراتور

2. تغییر ناگهانی %10 در توان ورودي ژنراتور

3. وقوع اتصال کوتاه سهفاز 10-5)میلی ثانیه) در خروجی ژنراتور

48

شکل :4-4 شکل کلی روش تهیه اطلاعات بهرهبرداري ژنراتورهاي سنکرون

(براي آموزش و تست شبکه عصبی)

60 مجموعه از مقادیر نمونه پارامترهاي دینامیکی ژنراتور سنکرون به عنوان مقـادیر پایـه در تـشکیل بانـک اطلاعات آموزشی شبکه عصبی در نظر گرفته شده است. این مجموعه از دادههایی مربوط به:

1. واحدهاي بخاري- فسیلی

2. واحدهاي بخاري-فسیلی با پیوند عرضی

3. واحدهاي بخاري- هستهاي

4. واحدهاي آبی

5. واحدهاي با توربین احتراقی

تشکیل شده است. براي هر مجموعه از این پارامترها دو گام افزایشی و دو مرحله کاهش در نظر گرفته شده

است. هر یک از این مراحل تغییرات %10 پارامترها را بهمراه خواهد داشت. مجموعه نهایی دربرگیرنـدة 225

مجموعه از مقادیر نمونه پارامترهاي دینامیکی ژنراتور سنکرون میباشد. مجموعه یک ژنراتور متصل به شین

بینهایت براي شبیه سازي رفتار ژنراتور سنکرون در نظر گرفته شده است. براي این که آثـار تفـاوت سـاختار

شبکه در رفتار ژنراتور نیز لحاظ شده باشد در هر مرحله از شبیهسازي بصورت همگام با تغییرات پارامترهـاي

ژنراتور، تغییراتی در حوزة پارامترهاي شبکه نیز در نظر گرفته شده است. در هر دورة شبیه سازي از خروجـی

ژنراتور 1000 نمونهگیري با فاصله زمانیهایی برابر0,01 ثانیه بعمل آمده است. 20 نمونه از اندازهگیري هاي

انجام شده و پارامترهاي متناظر با آن به عنـوان مجموعـه اطلاعـات آموزشـی در نظـر گرفتـه شـده اسـت.

نمونههاي منتخب از میان اندازهگیريهاي انجام شده با گامهاي متغیر و قابل کنترل گزینش شـدهانـد، ایـن

رویکرد امکان تهیه تصویري بهتر از رفتار دینامیکی ژنراتور سنکرون در قبال یک اغتـشاش را بـا رعایـت دو

مشخصه حداقل حجم اطلاعات و حفظ حداکثر مشخصات رفتاري فراهم میآورد.

49

شکل:5-4 آلگوریتم آموزش شبکه عصبی

آموزش شبکه بر پایه الگوریتم پسانتشار و با استفاده از راهبرد مارکوئیس_لونبرگ انجام شده است. براي هر یک از انواع سهگانه اغتشاشات ذکر شده بانک اطلاعات آموزشی مستقلی در نظـر گرفتـه شـده اسـت. ایـن روش امکان مقایسه بین نتایج اخذ شده در قبال هر یک از انواع اغتشاشات را فـراهم مـیآورد. ایـن راهبـرد امکان مقایسه درجه قابلیت اطمینان نتایج حاصل از تخمین پارامترهاي گوناگون در قبال اغتشاشات مختلـف را نیز فراهم میĤورد.

-2-2-4 تست شبکه عصبی تخمینگر:

تست شبکه عصبی با استفاده از اطلاعات بهره برداري که در مجموعه آموزشی لحـاظ نـشده، شـکل گرفتـه است. بدین ترتیب تصویر واقعگرایانهتري از قابلیتهاي شبکه مذکور خواهیم داشت. براي تحقق این معنـی اطلاعات مربوط به 75 ژنراتور سنکرون متفاوت با نمونه هاي مطـرح شـده در مجموعـه آموزشـی، دادههـاي حاصل از اندازهگیريهاي بعمل آمده در قبال رفتار دینامیکی آنهـا و مقـادیر حقیقـی پارامترهـاي دینـامیکی متناظر با آن به عنوان مجموعه دادههاي تست شبکه عصبی در نظر گرفته شده است. طرح کلی روش تست و بهرهبرداري شبکه عصبی مذکور در شکل4-6 بیان شده است. هریک از مراحـل آمـوزش و تـست شـبکه عصبی تخمینگر با مشخصات ذکر شده در قبال سه اغتشاش نمونه مطرح در نظر گرفته شده است.

50

شکل:6-4 طرح کلی روش تست و بهرهبرداري از شبکه عصبی

-3-4 نتایج:

مجموعه نتایج در سه بخش سازماندهی شده است. هربخش در برگیرندة نتایج آموزش و تست شبکه عصبی بر پایه یکی از انواع سهگانه اغتشاش میباشد. این طریقه بررسی امکان مقایسه بهتر نتایج را فراهم سـاخته، شاهدي بر رؤیت پذیري پارامترهاي دینامیکی ژنراتورهاي سنکرون در ازاي اغتشاشات مختلف مـیباشـد. از طرف دیگر بررسی مقایسهاي نتایج درجه دقـت شـبکه عـصبی در تخمـین پارامترهـاي دینـامیکی بـر پایـه اطلا
عات مختلف بهرهبرداري را نیز بیان میکند. برداشتهاي مقایسهاي امکان تعیین بهتر قابلیتهاي شبکه عصبی را بدور از آثار ناشی از الگوي آموزشی فراهم میآورد، زیرا ابعاد و مکانیزم تشکیل مجموعـه آموزشـی در تخمین همه این پارامترها مشابه بوده است.

براي بررسی رفتار هر شبکه عصبی دو معیار اصلی دامنه و توزیع فراوانی خطا در نظر گرفتـه شـده اسـت. در تحلیل بر اساس توزیع فراوانی خطا، درصد فراوانی غالب و دامنه خطاي متناظر با آن بیان شدهاند. با توجه به حجم زیاد مجموعه نتایج، چند نمونه از شبکههاي تخمینگر و دادههاي بدست آمده از طریق آنها در مرحلـه آموزش و تست ارائه شده است. این مجموعه به سه حوزة آموزش و تست بر اساس اطلاعـات بهـرهبـرداري شکل گرفته برپایه تغییر ناگهانی تحریک، تغییر ناگهانی تـوان ورودي و اغتـشاش حـوزة شـبکه متـصل بـه ژنراتور تقسیم شده است. براي فراهم سازي امکان مقایسه بیشتر، نتایج متناظر هر پارامترکه با استفاده از هر یک از بانکهاي اطلاعاتی سهگانه مذکور بدست آمده اسـت در اختیـار خواننـدة محتـرم قـرار گرفتـه اسـت.

پارامترهاي دینامیکی مطرح براي ژنراتورهاي سنکرون _در نگاه اشتراکی بین انواع مختلف آن _کـه مـا بـه تخمین آنها همت گماشته ایم مجموعهاي بدین صورت را تشکیل خواهد داد:

51

جدول( (1-4

ردیف
نام پارامتر
مشخصه
واحد

1
راکتانس سنکرون محور d
Xd
pu

2
راکتانس حالت گذرا محور d
Xd’
Pu

3
راکتانس فوق گذرا محور d
Xd”
Pu

4
راکتانس سنکرون محور q
Xq
pu

5
راکتانس فوق گذرا محور q
Xq”
Pu

6
راکتانس پوتیه
Xl
pu

7
ثابت زمانی محور d در دوره گذرا
Td’
s

8
ثابت زمانی محور d در دوره فوق گذرا
Td”
s

9
ثابت زمانی محور q در دوره فوق گذرا
Tq”
s

10
ثابت اینرسی
H
s

52

-1-3-4 نمونههایی از نتایج شبکه عصبی تخمینگر:

1. پارامتر مورد تخمین: X”d

اغتشاش مورد استفاده: تغییر ناگهانی تحریک

شکل :7-4 نمودار خروجی شبکه عصبی درفرایند آموزش براي تخمین xd”

شکل :8-4 هیستوگرام خطاي شبکه عصبی در مرحله آموزش

53

شکل :9-4 نمودار خطاي تخمین شبکه عصبی در مرحله آموزش

شکل :10-4 نمودار خروجی شبکه عصبی در فرایند تست براي تخمین xd”

54

شکل :11-4 هیستوگرام خطاي شبکه عصبی در مرحله تست

شکل :12-4 نمودار خطاي تخمین شبکه عصبی در مرحله تست

55

2. پارامتر مورد تخمین: X”d

اغتشاش مورد استفاده: وقوع اتصال کوتاه در شبکه متصل به ژنراتور

شکل :13-4 نمودار خروجی شبکه عصبی در فرایند آموزش براي تخمین xd”

شکل :14-4 هیستوگرام خطاي شبکه عصبی در مرحله آموزش

56

شکل :15-4 نمودار خطاي تخمین شبکه عصبی در مرحله آموزش

شکل :16-4 نمودار خروجی شبکه عصبی در فرایند تست براي تخمین xd”

57

شکل :17-4 هیستوگرام خطاي شبکه عصبی در مرحله تست

شکل :18-4 نمودار خطاي تخمین شبکه عصبی در مرحله تست

58

3. پارامتر مورد تخمین: X”d

اغتشاش مورد استفاده: تغییر ناگهانی توان ورودي

شکل :19-4 نمودار خروجی شبکه عصبی در فرایند آموزش براي تخمین xd”

شکل:20-4 هیستوگرام خطاي شبکه عصبی در مرحله آموزش

59

شکل:21-4 نمودا
ر خطاي تخمین شبکه عصبی در مرحلهآموزش

شکل :22-4 نمودار خروجی شبکه عصبی در فرایند تست براي تخمین xd”

60

شکل :23-4 هیستوگرام خطاي شبکه عصبی در مرحله تست

شکل:24-4 نمودار خطاي تخمین شبکه عصبی در مرحله تست

61

4. پارامتر مورد تخمین: X”q

اغتشاش مورد استفاده: تغییر ناگهانی تحریک

شکل :25-4 نمودار خروجی شبکه عصبی درفرایند آموزش براي تخمین xq”

شکل :26-4 هیستوگرام خطاي شبکه عصبی در مرحله آموزش

62

شکل :27-4 نمودار خطاي تخمین شبکه عصبی در مرحله آموزش

شکل :28-4 نمودار خروجی شبکه عصبی در فرایند تست براي تخمین xq”

63

شکل :29-4 هیستوگرام خطاي شبکه عصبی در مرحله آموزش

شکل :30-4 نمودار خطاي تخمین شبکه عصبی در مرحله آموزش

64

5. پارامتر مورد تخمین: X”q

اغتشاش مورد استفاده: وقوع اتصال کوتاه در شبکه متصل به ژنراتور

شکل :31-4 نمودار خروجی شبکه عصبی در فرایند آموزش براي تخمین xq”

شکل :32-4 هیستوگرام خطاي شبکه عصبی در مرحله آموزش

65

شکل :33-4 نمودار خطاي تخمین شبکه عصبی در مرحله آموزش

شکل :34-4 نمودار خروجی شبکه عصبی تحت تست براي تخمین xq”

66

شکل :35-4 هیستوگرام خطاي شبکه عصبی در مرحله تست

شکل :36-4 نمودار خطاي تخمین شبکه عصبی در مرحله تست

67

6. پارامتر مورد تخمین: X”q

اغتشاش مورد استفاده: تغییر ناگهانی توان ورودي

شکل :37-4 نمودار خروجی شبکه عصبی در فرایند آموزش براي تخمین xq”

شکل :38-4 هیستوگرام خطاي شبکه عصبی در مرحله آموزش

68

شکل :39-4 نمودار خطاي تخمین شبکه عصبی در مرحله آموزش

شکل :40-4 نمودار خروجی شبکه عصبی در فرایند تست براي تخمین xq”

69

شکل :41-4 هیستوگرام خطاي شبکه عصبی در مرحله تست

شکل:42-4 نمودار خطاي تخمین شبکه عصبی در مرحله تست

70

7. پارامتر مورد تخمین: T”d

اغتشاش مورد استفاده: تغییر ناگهانی تحریک

شکل :43-4 نمودار خروجی شبکه عصبی درفرایند براي تخمین Td”

شکل :44-4 هیستوگرام خطاي شبکه عصبی در مرحله آموزش

71

دیدگاهتان را بنویسید