Zastosowanie sztucznych sieci neuronowych w identyfikacji parametrów wielkości zakłóceniowych

• Autorzy: Binek M. , Kanicki A.

Identyfikatory

DOI

10.12915/pe.2014.03.11

Warianty tytułu

EN

Applying Artificial Neural Networks in the Identification Process of Fault Values)

• Języki publikacji: PL

Abstrakty

PL

Artykuł przedstawia wyniki identyfikacji parametrów wielkości zakłóceniowych występujących w systemie elektroenergetycznym. Oceniane będą wyniki otrzymane za pomocą trzech sztucznych sieci neuronowych oraz trzech klasycznych metod identyfikacji. Metody identyfikacji będą poprzedzone działaniem filtru cyfrowego typu Chebysheva II rzędu. Sygnałami wejściowymi w procesie identyfikacji będą funkcje analityczne opisujące typowe przebiegi wielkości zakłóceniowych występujących w systemie elektroenergetycznym. Sygnałem wyjściowym będzie wartość skuteczna sygnału wejściowego a kryteriami oceny będą błąd maksymalny oraz wartość średnia błędu w oknie pomiarowym.

EN

The article presents the results of parameter identification of the fault values found in an electrical system. The results obtained by means of three artificial neural networks and three classical methods of identific ation will be assessed. The identification methods will be preceded by a Chebyshev type II digital filter. The input signals in the identification process will be constituted by analytical functions describing typical waveforms of fault values found in an electrical system. The output value will be constituted by the RMS of the input signal and the maximum error and the average error of the measurement window will be the assessment criteria.

Słowa kluczowe

PL

wielkość zakłóceniowa; filtry cyfrowe; metoda identyfikacji parametrów; sztuczne sieci neuronowe

EN

fault values; digital filters; parameter identification methods; artificial neural networks

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2014
• Tom: R. 90, nr 3
• Strony: 51--57
• Opis fizyczny: Bibliogr. 14 poz., tab., wykr.

Twórcy

autor

Binek M.

• Politechnika Łódzka, Instytut Elektroenergetyki, ul. Stefanowskiego 18/22, 90-924 Łódź

autor

Kanicki A.

• Politechnika Łódzka, Instytut Elektroenergetyki, ul. Stefanowskiego 18/22, 90-924 Łódź

Bibliografia

• [1] Wiszniewski A., Algorytmy pomiarów cyfrowych, Wydawnictwa Naukowo-Techniczne, (1990), 154
• [2] Szafran J., Wiszniewski A., Algorytmy pomiarowe i decyzyjne cyfrowej automatyki elektroenergetycznej, Wydawnictwa Naukowo-Techniczne, (2001), 324
• [3] Rosołowski E., Cyfrowe przetwarzanie sygnałów w automatyce elektroenergetycznej, Akademicka Oficyna Wydawnicza Exit, (2002), 429
• [4] Al Hayek M., Identification of current and voltage parameters during transient phenomena in power system, Doctoral dissertation, (2000), 177
• [5] Xin S., Xiaohua M., Research on Real Estate Early Warning Based on Elman Neural Network, Int. Conf. on Electronics, Information and Communication Engineering Lecture Notes in Information Technology, (2012), Vol.11, 223-230
• [6] Munjal R., Comparison of Feed Forward Network and Elman Network for Fault Diagnosis of Cathode Ray Oscilloscope Using Artificial Neural Network, International Journal of Advanced Technology & Engineering Research IJATER, (2012), Vol. 2, 161-167
• [7] Gao X. Z., Gao X. M., Ovaska S.J., A Modified Elman Neural Network Model with Application to Dynamical Systems Identification, IEEE International Conference on Systems, Man, and Cybernetics, (1996), Volume: 2, 1376-1381
• [8] Sujanarko B., Ashari M., Purnomo M. H., Neural Network Controller for Asymmetric Cascaded Multilayer Inverter, Int. Journal of Computer Applications, (2010), Vol. 11, No 6, 17-22
• [9] Esbadi H., Shirazi J., Face Recognition with PCA and KPCA using Elman Neural Network and SVM, Word Academy of Science, Engineering and Technology, 58 (2011), 174-178
• [10] Ren L., Liu Y., Rui Z., Li H., Feng R., Application of Elman Neural Network and MATLAB to Load Forecasting, IEEE International Conference on Information Technology and Computer Science , (2009), 55-59
• [11] Qi W., Yang C., Meng J., Circuit Failure Diagnosis Analysis and Research Based On Neural Network, International Symposium on Electronic Commerce and Security, IEEE, (2008), 209-212
• [12] Kamiński M., Orłowska-Kowalska T., Sieci neuronowe radialne w estymacji zmiennych stanu nieliniowego układu dwumasowego, Prace Naukowe Instytutu Maszyn, Napędów i Pomiarów Elektrycznych Politechniki Wrocławskiej,(2007),Nr 27
• [13] Gancarz J., Wojtowicz H., Modelowanie EHD przy użyciu sieci neuronowych, Państwowa Wyższa Szkoła Zawodowa w Krośnie
• [14] Kanicki A., Elektrownia w systemie elektroenergetycznym, Wydawnictwo Politechniki Łódzkiej, (2011), 165