خانه / مهندسی برق و الکترونیک / توان الکتریکی / دانلود مقاله isi یک دسته‌بندی‌کننده کیفیت توان کارآمد با استفاده از تبدیل موجک و ماشین‌های بردار پشتیبان
دانلود مقاله isi یک دسته‌بندی‌کننده کیفیت توان کارآمد با استفاده از تبدیل موجک و ماشین‌های بردار پشتیبان

دانلود مقاله isi یک دسته‌بندی‌کننده کیفیت توان کارآمد با استفاده از تبدیل موجک و ماشین‌های بردار پشتیبان

عنوان فارسي مقاله :: دانلود مقاله isi یک دسته‌بندی‌کننده کیفیت توان کارآمد با استفاده از تبدیل موجک و ماشین‌های بردار پشتیبان

عنوان انگليسي مقاله :: An Analytical Approach for Reliability Evaluation of Distribution Systems Containing Dispatchable and Nondispatchable Renewable DG Units

  • تعداد صفحه مقاله انگليسي ISI ::
  • تعداد صفحه مقاله فارسي ISI ::
  • کد مقاله ISI ::
9 صحفه PDF
21 صحفه WORD
54016

فهرست مطالب ترجمه فارسي مقاله isi ::

فهرست مطالب ترجمه فارسي مقاله isi ::

چکیده
واژگان کلیدی
مقدمه
سیستم پردازش اختلال
شکل ۱- سیستم پردازش اختلال
مدول پیش‌پردازش
مدول آشکارسازی
مدول استخراج ویژگی
ماشین بردار پشتیبان
مدول دسته‌بندی
شکل ۲- تفکیک Hyperplane
روش یک در برابر همه
روش یک در مقابل یک
روش پیشنهادی
پیش‌پردازش
شناسایی
شکل ۳- ضریب تبدیل موجک d1
استخراج ویژگی
دسته‌بندی
شکل ۴- دسته‌بندی‌کننده SVM
نتایج
مجموعه یادگیری
جدول ۱- مجموعه یادگیری
جدول ۲- نتایج آزمایش ۱
شکل ۵-۷ سیگنال‌های بررسی‌شده مختلفی را توصیف می‌کند که شامل اختلالات تطبیق‌یافته توسط ترکیبی از هارمونیک‌ها، افت‌ها و افزایش‌ها می‌باشد.
شکل ۵-‌هارمونیک‌ها و افت ولتاژ
شکل ۶-‌هارمونیک‌ها و افزایش ولتاژ
شکل ۷- افت و افزایش ولتاژ
جدول ۳- نتایج آزمایش ۲
نتیجه‌گیری

ترجمه چکيده مقاله ISI ::

ترجمه چکيده مقاله ISI ::

در این مقاله، ما روشی بر اساس ترکیبی از دسته‌بندی‌کننده‌های باینری ارائه می‌کنیم که برای موارد ویژه‌ای که در آنها سیگنال‌های واقعی شامل گروهی از وقایع موجود در قالب زمانی ارزیابی‌شده می‌باشد، بهینه‌سازی می‌شوند. این نوع از وقایع، به عنوان رویدادهای مرکب شناخته می‌شوند. دسته‌بندی‌کننده کیفیت توان (PQ) پیشنهادی، مبتنی بر تبدیل موجک (WT) و ماشین‌های بردار پشتیبان (SVM) می‌باشند. این روش از یک رویداد در مقابل یک SVM چندکلاسه استفاده می‌کند. ما روش جدیدی را ارائه می‌کنیم که ساده بوده، یادگیری آن آسان است و با هزینه محاسباتی کمی ‌قابل اجرا می‌باشد. الگوریتم پیشنهادی شامل مجموعه‌ای از دسته‌بندی‌کننده‌های SVM باینری ساده می‌باشد. هر گره SVM می‌تواند به طور مجزا مورد بررسی قرار گیرد که این امر به آنها اجازه می‌دهد تا به صورت موازی باشند. یادگیری مرحله به مرحله با استفاده از رویدادهای منفرد انجام می‌شود؛ هر چند که به دلیل ساختار روش یادگیری SVM انتخابی، امکان آشکارسازی رویدادهای مرکب برای سیستم فراهم می‌گردد. آزمایش‌ها و یادگیری‌ها با استفاده از سیگنال‌های پیچیده واقعی انجام شدند و نتایج به‌دست‌آمده نشان می‌دهد که روش یادگیری ارائه‌شده تا حد زیادی کارآمد می‌باشد.

دانلود مقاله isi یک دسته‌بندی‌کننده کیفیت توان کارآمد با استفاده از تبدیل موجک و ماشین‌های بردار پشتیبان

پاسخ دهید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *