[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
بخش‌های اصلی
صفحه اصلی::
اطلاعات نشریه::
آرشیو مجله و مقالات::
برای نویسندگان::
برای داوران::
ثبت نام و اشتراک::
صاحب امتیاز::
درباره انجمن::
تماس با ما::
تسهیلات پایگاه::
cope::
metrics::
تعارض منافع::
::
پایگاه های نمایه کننده
..
DOI
کلیک کنید
..
IEEE
..
DOR

..
جستجو در پایگاه

جستجوی پیشرفته
..
دریافت اطلاعات پایگاه
نشانی پست الکترونیک خود را برای دریافت اطلاعات و اخبار پایگاه، در کادر زیر وارد کنید.
..
:: جستجو در مقالات منتشر شده ::
۳ نتیجه برای شبکه‌های عصبی

سینا قصایی، دکتر رضا روانمهر،
دوره ۱۰، شماره ۱ - ( ۱-۱۴۰۰ )
چکیده

 امروزه انرژی الکتریسیته یکی از اساسی‌ترین نیازهای جوامع بشری محسوب می‌شود به گونه‌ای که تمام فعالیت‌های صنعتی و بخش زیادی از فعالیت‌های اجتماعی، اقتصادی، کشاورزی و ... با اتکا به این انرژی انجام می‌شود، بنابراین کیفیت و تداوم انرژی الکتریسیته از اهمیت بسزایی برخوردار است. هدف این پژوهش آن است که بر اساس عوامل موثر بر بار الکتریکی که دارای روابط پیچیده غیرخطی هستند و عمدتاً شامل تغییرات آب و هوا و نوسانات دوره‌ای روزانه و هفتگی مصرف می‌باشند به پیش‌بینی تغییرات مصرف بار کوتاه مدت دست یابد. روش پیشنهادی یک شبکه عصبی ترکیبی، با استفاده از یادگیری عمیق می‌باشد که از ترکیب دو معماری CNN و LSTM ایجاد شده است. معماری CNN با توجه به قابلیت آن در استخراج الگوهای موجود در داده و معماری LSTM بر پایه توانایی آن در پیش‌بینی سری‌های زمانی، مورد استفاده قرار گرفته‌اند. رویکرد ارائه شده با استفاده از پیش‌بینی آب و هوای ساعات آینده و الگوی مصرف بار الکتریکی در ساعات گذشته، قادر به پیش‌بینی الگوی مصرف آینده خواهد بود. نتایج ارزیابی نشان می‌دهد که دقت پیش‌بینی بر اساس معیارهای MAPE ، RMSE، RSEوCORR در مقایسه با بهترین روش‌های موجود بهبود یافته است.
دکتر سید امیر حسینی، آقای بهروز طاهری،
دوره ۱۱، شماره ۱ - ( ۱-۱۴۰۱ )
چکیده

از رله‌های دیفرانسیل امپدانس پایین به‌طور گسترده برای حفاظت از ترانسفورماتورهای قدرت استفاده می‌شود. رله‌های دیفرانسیل با وجود قابلیت اطمینان بسیار بالا ممکن است در هنگام کلیدزنی ترانسفورماتور قدرت و ایجاد جریان هجومی دچار اشتباه شده و جریان هجومی ایجاد شده را به ‌عنوان خطا تشخیص داده و فرمان قطع کلید قدرت را صادر نمایند. به همین دلیل نیاز به توسعه روش‌هایی است تا در رله دیفرانسیل بین جریان هجومی و خطای دائم تمایز گذاشته و از عملکرد بی‌مورد رله دیفرانسیل جلوگیری کنند. براین­اساس در این مقاله روشی جدید بر پایه شبکه عصبی GMDH برای تمایز گذاشتن بین جریان هجومی و خطای دائم پیشنهاد شده است. روش پیشنهادی قابلیت تشخیص سریع انواع خطای همزمان با جریان هجومی را دارا می‌باشد. همچنین این روش نسبت به نویز ایمن بوده و نویزی شدن سیگنال تاثیری بر عملکرد آن ندارد. روش پیشنهاد شده با روش‌های متداول مورد استفاده در صنعت (روش هارمونیک دوم و روش عبور از صفر سیگنال) مقایسه شده و نتایج نشان می‌دهند که روش پیشنهادی در این مقاله عملکرد بهتری در مقایسه با روش‌های معمول صنعتی دارد.


محمدرضا احمدی پور، عصمت راشدی، مریم آموزگار،
دوره ۱۳، شماره ۲ - ( ۵-۱۴۰۳ )
چکیده

در سال‌های اخیر پیش‌بینی مصرف برق، با تکیه بر فنّاوری‌های جدید و بهره‌گیری از روش‌های پردازش داده‌های بزرگ اهمیت زیادی پیداکرده است. روش‌های زیادی ازجمله روش‌های آماری و کلاسیک مختلف تحلیل سری زمانی، ماشین بردار پشتیبان، و شبکه‌های عصبی بازگشتی و حافظه طولانی کوتاه‌مدت در این حوزه موردبررسی قرارگرفته‌اند. روش‌های آماری به دلیل عدم در نظر گرفتن تغییرات ناگهانی، ممکن است برای پیش‌بینی و مدل‌سازی برخی پدیده‌های پیچیده چندان مناسب نباشند. از طرف دیگر، روش ماشین بردار پشتیبان بر مبنای افزایش ابعاد داده عمل می‌کند. بنابراین، در مواردی که داده‌ها دارای ابعاد بالایی باشند، این امر منجر به پیچیده‌تر شدن فضای مسأله می‌گردد. انواع بسیاری از شبکه‌های عصبی نیز با محدودیت‌هایی مثل محوشدگی گرادیان و عدم توجه به روابط زمانی مواجه هستند. برای پیش‌بینی دقیق‌تر مصرف برق، این مقاله یک رویکرد ترکیبی با استفاده از مدل انتقالی و شبکه عصبی با حافظه طولانی کوتاه‌مدت را پیشنهاد می‌دهد. این رویکرد، با حل مشکل گرادیان و یادگیری الگوهای پیچیده، دقت بالاتری نسبت به روش‌های دیگر ارائه می‌دهد. همچنین مدل انتقالی با استفاده از مکانیزم توجه، توانایی تمرکز بر اجزای مهم داده را داراست و مدلی با تفسیرپذیری بیشتر و مقاومت بالا در مقابل نویز ایجاد می‌کند. روش پیشنهادی روی مجموعه داده استاندارد ارزیابی و با روش‌های موجود مقایسه شده است. نتایج نشان می‌دهد این روش دقت بالاتر و خطای کمتری در معیارهایی مانند میانگین مربعات خطا و میانگین درصد خطای مطلق دارد.
 

صفحه 1 از 1     

نشریه علمی- پژوهشی کیفیت و بهره وری صنعت برق ایران Iranian Electric Industry Journal of Quality and Productivity
Persian site map - English site map - Created in 0.06 seconds with 31 queries by YEKTAWEB 4714