مقاله یک روش جدید بارزدایی فرکانسی بهینه بلادرنگ با استفاده از شاخص های سطح امنیت سیستم قدرت و شبکه های عصبی مصنوعی

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 مقاله یک روش جدید بارزدایی فرکانسی بهینه بلادرنگ با استفاده از شاخص های سطح امنیت سیستم قدرت و شبکه های عصبی مصنوعی دارای ۳۶ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله یک روش جدید بارزدایی فرکانسی بهینه بلادرنگ با استفاده از شاخص های سطح امنیت سیستم قدرت و شبکه های عصبی مصنوعی  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله یک روش جدید بارزدایی فرکانسی بهینه بلادرنگ با استفاده از شاخص های سطح امنیت سیستم قدرت و شبکه های عصبی مصنوعی،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله یک روش جدید بارزدایی فرکانسی بهینه بلادرنگ با استفاده از شاخص های سطح امنیت سیستم قدرت و شبکه های عصبی مصنوعی :

تعداد صفحات :۳۶

سیستم های قدرت مدرن امروزی در سطح امنیت پایینتری به دلیل تجدید ساختار و مشکل افزایش ظرفیت های انتقال بهره برداری می شوند. وقوع خاموشی های گسترده در سالهای اخیر بیانگر افزایش قابل توجه آسیب پذیری سیستم های قدرت در برابر اغتشاشات می باشد. یکی از آخرین اقدامات کنترلی جهت کنترل شبکه و حفظ پایداری، بارزدایی می‌باشد. در این مقاله یک روش بارزدایی فرکانسی بهینه بلادرنگ با استفاده از شبکه های عصبی مصنوعی ارائه شده است. این ساختار شامل دو بخش مطالعات آفلاین و استفاده بهنگام می باشد. در بخش مطالعات آفلاین، با توجه به مقدار اندیسهای آسیب پذیری و حاشیه امنیت کل سیستم قدرت و فرکانس مینیمم و نرخ تغییرات فرکانس مرکز اینرسی معادل (dfc/dt) در سناریوهای اغتشاش مختلف N-K، پایگاه داده ورودی شبکه عصبی ایجاد و شرایط امنیت سیستم در هر اغتشاش تشخیص داده می شود. در هر سناریو مقدار بارزدایی اکتیو و راکتیو لازم برای حفظ پایداری سیستم قدرت با استفاده از حل یک مسئله بهینه سازی آفلاین با استفاده از روش هوشمند هیبرید CPCE تعیین می شود. مقادیر بارزدایی اکتیو و راکتیو در هر پله برای هر سناریو به عنوان اطلاعات خروجی شبکه عصبی در نظر گرفته می شوند. برای بهینه سازی آموزش شبکه عصبی از الگوریتم ژنتیک استفاده می شود. شبکه عصبی آموزش دیده به صورت بهنگام با توجه به اطلاعات بلادرنگ شرایط بهره برداری سیستم قدرت که از سیستم WAMS و PMU ها دریافت می شود مورد استفاده قرار می گیرد. نتایج شبیه سازی بر روی شبکه تست ۱۱۸ باس IEEE نشان از عملکرد موثر روش پیشنهادی دارد.