منبع پایان نامه درباره شبکه عصبی، دینامیکی، فرایند آموزش، هوش مصنوعی

دانلود پایان نامه

4

فهرست مطالب

عنوان شماره صفحه

فصل اول: کلیات 16

فصل دوم: مدلسازي ماشینهاي سنکرون 21

-1-2 پیشگفتار 22

-2-2 ساختار فیزیکی ماشین سنکرون 22

-1-2-2 ساختار روتور و استاتور 22

-2-2-2 سیم بندي هاي ماشین سنکرون 23 …………..

-3-2 توصیف ریاضی ماشین سنکرون 23 …………………………

-1-3-2 معادلات ریاضی حاکم بر ماشین سنکرون 23 ……………

-2-3-2 معادلات حرکت 28 ………………………………………………………………………………………

-4-2 پارامترهاي ماشین سنکرون 29 …………………………………………………………..

-1-4-2 پارامترهاي اساسی 29

-2-4-2 پارامترهاي عملیاتی 30 ………………………………….

-3-4-2 پارامترهاي دینامیکی 31

-5-2 محاسبه پارامترهاي دینامیکی ماشین سنکرون بر اساس پارامترهاي اساسی

ماشین 31

-1-5-2 محاسبه راکتانسهاي ماشین 33 ……………………………………………………………………….

-2-5-2 محاسبه ثابت زمانی هاي ماشین 35

5

-6-2 مراتب مختلف مدلهاي ماشین سنکرون بر اساس مدل دو محوري پارك 37

فصل سوم: بررسی روشهاي شناسایی پارامترهاي دینامیکی ژنراتور سنکرون .. 39

-1-3 مروري بر پیشینه شناسایی پارامترهاي ژنراتورهاي سنکرون 40 . ………………………..

-2-3 انواع روشهاي تعیین پارامترهاي دینامیکی ژنراتور سنکرون 42 . ………………………….

-1-2-3 روشهاي کلاسیک اندازه گیري پارامترهاي دینامیکی ژنراتورهاي شبکه 42

-2-2-3 روشهاي جدید تعیین پارامترهاي دینامیکی ژنراتورهاي سنکرون 43

فصل چهارم: شناسایی بلادرنگ پارامترهاي ژنراتور سنکرون با استفاده از شبکه عصبی

مصنوعی .. .. 45

-1-4 کلیات و اصول کارشبکه هاي عصبی 46 ………………………………

-2-4 اصول کار شبکه عصبی تخمین گر پارامترها 46

-1-2-4 دادههاي آموزشی و آموزش شبکه عصبی . 48

-2-2-4 تست شبکه عصبی تخمینگر 50

-3-4 نتایج 51 . …………………………………………………………

-1-3-4 نمونههایی از نتایج شبکه عصبی تخمینگر 53

-2-3-4 بررسی تحلیلی نتایج . 89

فصل پنجم: نتیجهگیري و پیشنهادات . .. 97

ضمیمهها 100

ضمیمهالف- طرحهاي بکار گرفته شده براي شبیهسازي ژنراتور سنکرون 101

ضمیمهب- نمودار پارامترهاي بکار گرفته شده در شبیهسازي ژنراتور سنکرون .. 105

منابع و ماخذ . 110

6

فهرست جدول ها

عنوان
شماره صفحه
1-2
: مراتب مختلف مدلهاي ژنراتور سنکرون
24
1-4
: فهرست پارامترهاي دینامیکی ژنراتورهاي سنکرون
38
2-4
: نتایج شبکه عصبی در دوره آموزش و تست از دیدگاه فراوانی خطا
81
3-4
: نتایج شبکه عصبی در دوره آموزش و تست از دیدگاه دامنه خطا
82

7

فهرست شکلها

عنوان
شماره صفحه
: 1-1 نماي کلی فرایند ارزیابی و بهبود سیستمهاي قدرت
3
: 1-2 مدارهاي استاتور و روتور ماشین سنکرون
9
:2-2 مدار معادل ماشین بر اساس تئوري پارك
13
:3-2 توزیع شار در ماشین سنکرون طی دورههاي زیرگذرا، گذرا و ماندگار
18
:4-2 مدار معادل ژنراتور سنکرون در حالت ماندگار
19
:5-2 مدار معادل ماشین سنکرون در دوره گذرا
20
:6-2 مدار معادل ماشین سنکرون طی دوره زیر گذرا
20
:7-2 مدار معادل ماشین جهت استخراج ثابت زمانی هاي گذراي مدار باز
21
: 8-2 مدارمعادل ماشین جهت استخراج ثابت زمانی هاي زیر گذراي مدار باز
22
: :1-4 طرح کلی سلول عصبی انسان
32
:2-4 شکل کلی سلول عصبی مصنوعی
33
:3-4 ساختار شبکه عصبی توسعه یافته
33
:4-4 شکل کلی روش تهیه اطلاعات بهرهبرداري ژنراتورهاي سنکرون
35
:5-4 آلگوریتم آموزش شبکه عصبی
36
:6-4 طرح کلی روش تست و بهرهبرداري از شبکه عصبی
37
:7-4 نمودار خروجی شبکه عصبی درفرایند آموزش براي تخمین xd”
39
:8-4 هیستوگرام خطاي شبکه عصبی در مرحله آموزش
39
:9-4 نمودار خطاي تخمین شبکه عصبی در مرحله آموزش
40
:10-4 نمودار خروجی شبکه عصبی در فرایند تست براي تخمین xd”
40
:11-4 هیستوگرام خطاي شبکه عصبی در مرحله تست
41
:12-4 نمودار خطاي تخمین شبکه عصبی در مرحله تست
41
:13-4 نمودار خروجی شبکه عصبی در فرایند آموزش براي تخمین xd”
42

8

:14-4 هیستوگرام خطاي شبکه عصبی در مرحله آموزش
42
:15-4 نمودار خطاي تخمین شبکه عصبی در مرحله آموزش
43
:16-4 نمودار خروجی شبکه عصبی در فرایند تست براي تخمین xd”
43
:17-4 هیستوگرام خطاي شبکه عصبی در مرحله تست
44
:18-4 نمودار خطاي تخمین شبکه عصبی در مرحله تست
44
:19-4 نمودار خروجی شبکه عصبی در فرایند آموزش براي تخمین xd”
45
:20-4 هیستوگرام خطاي شبکه عصبی در مرحله آموزش
45
:21-4 نمودار خطاي تخمین شبکه عصبی در مرحلهآموزش
46
:22-4 نمودار خروجی شبکه عصبی در فرایند تست براي تخمین xd”
46
:23-4 هیستوگرام خطاي شبکه عصبی در مرحله تست
47
:24-4 نمودار خطاي تخمین شبکه عصبی در مرحله تست
47
:25-4 نمودار خروجی شبکه عصبی درفرایند آموزش براي تخمین xq”
48
:26-4 هیستوگرام خطاي شبکه عصبی در مرحله آموزش
48
:27-4 نمودار خطاي تخمین شبکه عصبی
در مرحله آموزش
49
:28-4 نمودار خروجی شبکه عصبی در فرایند تست براي تخمین xq”
49
:29-4 هیستوگرام خطاي شبکه عصبی در مرحله آموزش
50
:30-4 نمودار خطاي تخمین شبکه عصبی در مرحله آموزش
50
:31-4 نمودار خروجی شبکه عصبی در فرایند آموزش براي تخمین xq”
51
:32-4 هیستوگرام خطاي شبکه عصبی در مرحله آموزش
51
:33-4 نمودار خطاي تخمین شبکه عصبی در مرحله آموزش
52
:34-4 نمودار خروجی شبکه عصبی تحت تست براي تخمین xq”
52
:35-4 هیستوگرام خطاي شبکه عصبی در مرحله تست
53
:36-4 نمودار خطاي تخمین شبکه عصبی در مرحله تست
53
:37-4 نمودار خروجی شبکه عصبی در فرایند آموزش براي تخمین xq”
54
:38-4 هیستوگرام خطاي شبکه عصبی در مرحله آموزش
54
:39-4 نمودار خطاي تخمین شبکه عصبی در مرحله آموزش
55

9

:40-4 نمودار خروجی شبکه عصبی در فرایند تست براي تخمین xq”
55
:41-4 هیستوگرام خطاي شبکه عصبی در مرحله تست
56
:42-4 نمودار خطاي تخمین شبکه عصبی در مرحله تست
56
:43-4 نمودار خروجی شبکه عصبی درفرایند براي تخمین Td”
57
:44-4 هیستوگرام خطاي شبکه عصبی در مرحله آموزش
57
:45-4 نمودار خطاي تخمین شبکه عصبی در مرحله آموزش
58
:46-4 نمودار خروجی شبکه عصبی در فرایند تست براي تخمین Td”
58
:47-4 هیستوگرام خطاي شبکه عصبی در مرحله آموزش
59
:48-4 نمودار خطاي تخمین شبکه عصبی در مرحله آموزش
59
:49-4 نمودار خروجی شبکه عصبی در فرایند آموزش براي تخمین Td”
60
:50-4 هیستوگرام خطاي شبکه عصبی در مرحله آموزش
60
:51-4 نمودار خطاي تخمین شبکه عصبی در مرحلهآموزش
61
:52-4 نمودار خروجی شبکه عصبی در فرایند تست براي تخمین Td”
61
:53-4 هیستوگرام خطاي شبکه عصبی در مرحله تست
62
:54-4 نمودار خطاي تخمین شبکه عصبی در مرحله تست
62
:55-4 نمودار خروجی شبکه عصبی در فرایند آموزش براي تخمین Td”
63
:56-4 هیستوگرام خطاي شبکه عصبی در مرحله آموزش
63
:57-4 نمودار خطاي تخمین شبکه عصبی در مرحله آموزش
64
:58-4 نمودار خروجی شبکه عصبی در فرایند تست براي تخمین Td”
64
:59-4 هیستوگرام خطاي شبکه عصبی در مرحله تست
65
:60-4 نمودار خطاي تخمین شبکه عصبی در مرحله تست
65
:61-4 نمودار خروجی شبکه عصبی درفرایند آموزش براي تخمین Tq”
66
:62-4 هیستوگرام خطاي شبکه عصبی در مرحله آموزش
66
:63-4 نمودار خطاي تخمین شبکه عصبی در مرحله آموزش
67
:64-4 نمودار خروجی شبکه عصبی در فرایند تست براي تخمین Tq”
67
:65-4 هیستوگرام خطاي شبکه عصبی در مرحله آموزش
68

10

:66-4 نمودار خطاي تخمین شبکه عصبی در مرحله آموزش
68

:67-4 نمودار خروجی شبکه عصبی در فرایند آموزش براي تخمین Tq”
69

:68-4 هیستوگرام خطاي شبکه عصبی در مرحله آموزش
69

:69-4 نمودار خطاي تخمین شبکه عصبی در مرحلهآموزش
70

:70-4 نمودار خروجی شبکه عصبی تحت تست براي تخمین Tq”
70

:71-4 هیستوگرام خطاي شبکه عصبی در مرحله تست
71

:72-4 نمودار خطاي تخمین شبکه عصبی در مرحله تست
71

:73-4 نمودار خروجی شبکه عصبی در فرایند آموزش براي تخمین Tq”
72

:74-4 هیستوگرام خطاي شبکه عصبی در مرحله آموزش
72

:75-4 نمودار خطاي تخمین شبکه عصبی در مرحله آموزش
73

:76-4 نمودار خروجی شبکه عصبی در فرایند تست براي تخمین Tq”
73

:77-4 هیستوگرام خطاي شبکه عصبی در مرحله تست
74

:78-4 نمودار خطاي تخمین شبکه عصبی در مرحله تست
74

ض-:1 طرح شبیه سازي ژنراتور سنکرون متصل به شین بینهایت با اغتشاش تغییر
88

ناگهانی تحریک

ض-:2 طرح شبیه سازي ژنراتور سنکرون متـصل بـه شـین بینهایـت بـا اغنـشاش
89

اتصالکوتاه درترمینال ژنراتور

ض-:3 طرح شبیه سازي ژنراتور سنکرون متصل به شین بینهایت با اغتشاش تغییر
90

ناگهانی توان ورودي

ض-:4 تغییرات مقادیر Xd بکار گرفته شده
92

ض-:5 تغییرات مقادیر Xd’ بکار گرفته شده
92

ض-:6 تغییرات مقادیر Xd” بکار گرفته شده
92

ض-:7 تغییرات مقادیر Xq بکار گرفته شده
93

ض-:8 تغییرات مقادیر Xq” بکار گرفته شده
93

ض-:9 تغییرات مقادیر Xl بکار گرفته شده
93

ض-:10 تغییرات مقادیر Td’ بکار گرفته شده
94

ض-:11 تغییرات مقادیر Td” بکار گرفته شده
94

11

ض-:12 تغییرات مقادیر Tq” بکار گرفته شده
94
ض-:13 تغییرات مقادیر Rs بکار گرفته شده
95
ض-:14 تغییرات مقادیر WR بکار گرفته شده
95
ض-:15 تغییرات مقادیر H بکار گرفته شده
95

12

چکیدة پایاننامه:

این پروژه روشی نو را براي بکارگیري رؤیتگرهاي شبکه عـصبی در جهـت شناسـایی و تعیـین پارامترهـاي دینامیکی ژنراتورهاي سنکرون با استفاده از اطلاعات بهرهبرداري ارائه کرده است. اطلاعات بهـرهبـرداري از طریق اندازهگیريهاي بلادرنگ بعمل آمده در قبال اغتشاشات حوزة بهرهبرداري فراهم مـیشـود. دادههـاي آموزشی مورد نیاز شبکه عصبی از طریق شبیهسازيهاي غیرهمزمـان بهـرهبـرداري از ژنراتـور سـنکرون در محیط یک ماشین متصل به شین بینهایت فراهم شده است. مقـادیر نمونـه ژنراتورهـاي سـنکرون در مـدل م
ذکور بکار گرفته شدهاند. شبکه آموزش دیده در قبال اندازهگیريهاي بلادرنگ شبیهسازي شـده در جهـت تخمین پارامترهاي دینامیکی ژنراتورهاي سنکرون تست شده است. مجموعه نتایج بدست آمده نشان دهنـده قابلیتهاي نوید بخش شبکه عصبی مصنوعی در حوزة تخمین پارامترهاي دینامیکی ژنراتورهـاي سـنکرون، بصورت بلادرنگ و با استفاده از اطلاعات بهرهبرداري میباشد. اگرچه براي دست یـابی بـه خطـاي تخمـین قابل قبول در مسیر شناسایی کلیه پارامترهاي دینامیکی ژنراتورهاي سنکرون، پارهاي اصلاحات ضروري بـه نظر میرسد. در نگاه کلّی این اقدامات تکامل بخش را میتوان به دو مجموعه: پیشنهادات مربوط به اصـلاح شبکه عصبی رؤیتگر در حوزة شبیهسازي و آموزش و بخش دیگر را به عنوان گامهاي تکاملی تلقی نمود، که سازماندهی این گامها در مبادي ورودي و خروجی شبکه عصبی، زمینه مناسبتـري را بـراي بهـرهگیـري از قابلیتهاي آن فراهم خواهد کرد.

کلید واژه:

ژنراتور سـنکرون، پارامترهـاي دینـامیکی، شناسـایی بلادرنـگ، شـبکههـاي عـصبی مـصنوعی، اطلاعـات بهرهبرداري

13

14

مقدمه:

در سالهاي اخیر با پیشرفت سیستمهاي کامپیوتري, سیستمهاي هوش مصنوعی نیز متولد شده و رشد کرده است. یکی از سیستمهاي هوش مصنوعی, شبکه هاي عصبی مصنوعی هستند. این شبکه ها به علت عواملی چون قطعیت در پاسخ, سادگی در اجرا, قابلیت انعطاف بالا و …. جایگاه ویژه اي را به خود اختصاص داده اند. با توجه به ساختار و کارکرد شبکه هاي عصبی مصنوعی و اهمیت تعیین پارامترهاي دینامیکی اجزاء سیستمهاي قدرت از جمله ژنراتورهاي سنکرون, بهره گیري از شبکه هاي عصبی مصنوعی در این حوزه قابل طرح است. از طرف دیگی نتایج ارائه شده از بکار گیري این شبکه ها در حوزه هاي مشابه, کارکردهاي نوید بخشی را نشان می دهد. با توجه به مراتب فوق این پروژه بر آنست تا با طراحی و اجراي طرح شناسایی پارامترهاي دینامیکی ژنراتورهاي سنکرون با استفاده از شیکه عصبی مصنوعی, قابلیت هاي این سیستم را در حوزه شناسایی بلادرنگ پارامترهاي دینامیکی ژنراتورهاي سنکرون نیز بیازماید.

15

فصلاول:

کلیات

16

سیستم هاي قدرت متشکلند از مجموعه اي از مراکز تولید(نیروگاهها) که توسط شبکه هاي انتقال و توزیع و تجهیزات حفاظتی و کنترل آن به مراکز مصرف متصل می گردند. وظیفه اصلی یک سیستم قـدرت تولیـد و تامین انرژي الکتریکی مورد نیاز مصرف کنندگان با حفظ شرایط سه گانه:

-1 ارزانی قیمت انرژي

-2 کیفیت بالا

-3 امنیت تامین انرژي میباشد. مراد از امنیت، پیوستگی و تداوم در تولید و تامین انرژي می باشد. عوامل مؤثر در امنیـت عبارتنـد از:

-1 سرمایه گذاري اولیه (تجهیزات سیستم ) -2 روشها و امکانات نگهداري و تعمیرات سیستم قدرت.
همانگونه که در کلیه وسایل و سیستم هاي غیرالکتریکی همواره دو ویژگی ارزانـی و بـالا بـودن کیفیـت-

امنیت با یکدیگر متعارض و متقابل می باشند در مقوله انرژي الکتریکی و سیستم هـاي قـدرت نیـز بهمـان گونه خواهد بود. امنیت یک سیستم قدرت در حقیقت درجه و میدان توانایی آن سیستم در مواجهه با حـوادث

و اغتشاشات می باشد . امنیت

دیدگاهتان را بنویسید