| نوع مدرک: | متون چاپی |
| سرشناسه | بابادی ، مرتضی، نویسنده |
| شماره بازیابی : | ELE 74 1403 |
| عنوان : | برنامه ریزی ریزشبکه توزیع انرژی بر اساس مونیتورینگ غیر مستقیم (نظارت بر بار غیر نفوذی) با روش شبکه عصبی کانولوشن |
| عنوان موازی : | Title of the Thesis : Planning of energy distribution microgrid based on Non-Intrusive Load Monitoring with convolutional neural network method |
| ناشر: | دانشگاه شهید اشرفی اصفهانی: اصفهان |
| سال نشر : | 1403 |
| صفحه شمار: | 83ص |
| شابک/شاپا | 25878 |
| یادداشت | پایان نامه کارشناسی ارشد :رشته مهندسی برق گرایش قدرت |
| شناسه افزوده : | بهبهانی فرد ، حمیدرضا، استاد راهنما شیرزادفر ، حمیدرضا، استاد مشاور |
| توصیفگرها | شبکه عصبی کانولوشن، الگوی بار مصرفی، شبکه هوشمند الکتریکی، مانیتورینگ بار از راه دور Convolutional neural network, Load consumption pattern, electric smart grid, remote load monitoring |
| چکیده : | در دنیای امروز انرژیهای تجدید پذیر توجه زیادی را به خود جلب نمودهاند. استفاده بهینه از این انرژی در سیستم قدرت و ریز شبکهها چالشهایی را به دنبال دارد که برای رفع آن میتوان از روشهای هوشمند استفاده نمود. برنامهریزی هوشمند در سیستم کنترل ریز شبکه نیازمند داشتن اطلاعات کافی راجع به بارهای مصرفی و الگوی مصرف انرژی آنها است. مانیتورینگ بار و دانستن الگوی بار مصرفی میتواند تا حد زیادی بهرهبرداری بهینه از یک سیستم انرژی را امکانپذیر نماید. مانیتورینگ بار از راه دور یک روش موثر برای تعیین الگوی بار مصرفی در یک شبکه توزیع است. در این پایاننامه با استفاده از روشهای هوشمند بر مبنای شبکههای عصبی مصنوعی کانولوشن و با توجه به منحنی بار، الگوی بار مصرفی تشخیص دادهشده است. روش پیشنهادشده توسط نرمافزار متلب پیادهسازی گردیده است و نتایج آن نشاندهنده موثر بودن آن و برخورداری از دقت مناسب و قابلیت اطمینان روش پیشنهادی است. شبکه عصبی مورد مطالعه محاسبات را تا حدود 12 درصد کاهش می دهد و نتایج آن بر روی سیستم 68 باس استاندارد نشان می دهد که شبکه موردنظر با پردازش کمتری نسبت به سایر روش ها الگوی بار را تشخیص داده است و از دقت بیشتری برخوردار است. برای تعیین میزان خطا در زمان تقاضای بار از روش میانگین خطا استفاده شده است که یک روش مناسب برای مقایسه و تعیین دقت روش شبکه عصبی است. استفاده از تشخیص الگوی بار باعث بهبود برنامه ریزی بار شبکه شده است و اختلاف پیک بار با حداقل بار روزانه را از 60 درصد به 45 درصد کاهش داده است. همچنین اختلاف پیک ولتاژ با حداقل پروفیل ولتاژ روزانه را از 16/0 پریونیت به 1/0 پریونیت کاهش داده است. این بهبود پروفیل ولتاژ در حد استاندارد 95/0 پریونیت تا 05/1 پریونیت است که نشان دهنده این است که استفاده از این روش پروفیل ولتاژ را بهبود میدهد |
| لینک ثابت رکورد: | ../opac/index.php?lvl=record_display&id=14714 |
| زبان مدرک : | فارسی |
برنامه ریزی ریزشبکه توزیع انرژی بر اساس مونیتورینگ غیر مستقیم (نظارت بر بار غیر نفوذی) با روش شبکه عصبی کانولوشن (1403) / بابادی ، مرتضی، نویسنده