Wyniki wyszukiwania - BazTech

1

Advanced extreme learning machine for an hour PV forecast using general weather data

Farid Imam Wahyudi, Priyad Ardyono, Purnomo Mauridhi Hery, Abdillah Muhammad, Tjahjono Anang, Yorino Naoto

Przegląd Elektrotechniczny

|

2023

|

R. 99, nr 1

134--139

EN

In recent years, Indonesia has placed great attention on the use of renewable energy resources as a way to decrease gas emission. Located at the equator, Indonesia has many advantages in renewable energy resources, especially photovoltaic (PV). Photovoltaic offers a big opportunity to contribute to the power grid, yet it also comes with its challenges. The use of PV involves a major uncertainty as the inputs of PV are weather conditions that are constantly changing. With Indonesia planning to penetrate the PV farm into the power grid, it is necessary to be able to generate an accurate forecast to assist the power grid control operator. Many algorithms are applied to obtain a precise and accurate PV power generation. One of the algorithms generally used by researchers is the conventional back propagation neural network. It is one of the most commonly applied algorithms, yet it also has a complex setting and numerous parameters. To help overcome this issue, extreme learning machine (ELM) is applied alongside with backpropagation neural network (BPNN), resulting in a more promising result. However, the random value for ELM parameters has become another problem of its own. This paper discusses an advanced ELM to obtain a better PV forecast result. The combination of PV input, ambient temperature, global tilted irradiation (GTI), wind direction, wind velocity and humidity are applied on the kernel extreme learning machine (K-ELM). We found that K-ELM proposes a better performance compared to ELM in facing a nonlinear data, along with better learning capability, mapping ability, and an improved efficiency. We also developed the input data using BPNN, ELM and support vector machine (SVM) to compare training, testing and calculation time

PL

W ostatnich latach Indonezja przywiązywała dużą wagę do wykorzystania odnawialnych źródeł energii jako sposobu na zmniejszenie emisji gazów. Położona na równiku Indonezja ma wiele zalet w zakresie odnawialnych źródeł energii, zwłaszcza fotowoltaiki (PV). Fotowoltaika daje duże możliwości wniesienia wkładu w sieć energetyczną, ale wiąże się również z wyzwaniami. Korzystanie z PV wiąże się z dużą niepewnością, ponieważ wejścia PV to stale zmieniające się warunki pogodowe. Ponieważ Indonezja planuje penetrację farmy fotowoltaicznej do sieci energetycznej, konieczne jest wygenerowanie dokładnej prognozy, aby pomóc operatorowi kontroli sieci energetycznej. W celu uzyskania precyzyjnego i dokładnego wytwarzania energii PV stosuje się wiele algorytmów. Jednym z algorytmów powszechnie stosowanych przez badaczy jest konwencjonalna sieć neuronowa wstecznej propagacji. Jest to jeden z najpowszechniej stosowanych algorytmów, ale ma też złożoną nastawę i liczne parametry. Aby rozwiązać ten problem, zastosowano ekstremalną maszynę uczącą (ELM) wraz z siecią neuronową z propagacją wsteczną (BPNN), co daje bardziej obiecujący wynik. Jednak losowa wartość parametrów ELM stała się kolejnym problemem. W niniejszym artykule omówiono zaawansowane ELM w celu uzyskania lepszego wyniku prognozy PV. Kombinacja sygnału wejściowego PV, temperatury otoczenia, napromieniowania globalnego odchylenia (GTI), kierunku wiatru, prędkości wiatru i wilgotności jest stosowana na maszynie ekstremalnego uczenia jądra (K-ELM). Odkryliśmy, że K-ELM proponuje lepszą wydajność w porównaniu do ELM w obliczu danych nieliniowych, a także lepszą zdolność uczenia się, zdolność mapowania i lepszą wydajność. Opracowaliśmy również dane wejściowe za pomocą BPNN, ELM i maszyny wektorów nośnych (SVM) w celu porównania czasu szkolenia, testowania i obliczeń.

2

Adaptive Neuro-Sliding Mode Control of PUMA 560 Robot Manipulator

Medjebouri A., Mehennaoui L.

Journal of Automation Mobile Robotics and Intelligent Systems

|

2016

|

Vol. 10, No. 4

8--16

EN

The classical sliding mode control (SMC) is a robust control scheme widely used for dealing with nonlinear systems uncertainties and disturbances. However, the conventional SMC major drawback in real applications is the chattering phenomenon problem, which involves extremely high control activity due to the switched control input. To overcome this handicap, a pratical design method that combines an adaptive neural network and sliding mode control principles is proposed in this paper. The controller design is divided into two phases. First, the chattering phenomenon is removed by replacing the sign function included in the switched control by a continuous smooth function; basing on Lyapounov stability theorem. Then, an adaptive linear neural network, that has the role of online estimate the equivalent control in the neighborhood of the sliding manifold, is developed when the controlled plant is poorly modeled. Simulation results show clearly the satisfactory chattering free tracking performance of proposed controller when it is applied for the joints angular positions control of a 6-DOF PUMA 560 robot arm.

3

Ultra short-term prediction of pole coordinates via combination of empirical mode decomposition and neural networks

Lei Y., Zhao D., Cai H.

Artificial Satellites : Journal of Planetary Geodesy

|

2016

|

Vol. 51, No. 4

149--161

EN

It was shown in the previous study that the increase of pole coordinates prediction error for about 100 days in the future is mostly caused by irregular short period oscillations. In this paper, the ultra short-term prediction of pole coordinates is studied for 10 days in the future by means of combination of empirical mode decomposition (EMD) and neural networks (NN), denoted EMD-NN. In the algorithm, EMD is employed as a low pass filter for eliminating high frequency signals from observed pole coordinates data. Then the annual and Chandler wobbles are removed a priori from pole coordinates data with high frequency signals eliminated. Finally, the radial basis function (RBF) networks are used to model and predict the residuals. The prediction performance of the EMD-NN approach is compared with that of the NN-only solution and the prediction methods and techniques involved in the Earth orientation parameters prediction comparison campaign (EOP PCC). The results show that the prediction accuracy of the EMD-NN algorithm is better than that of the NN-only solution and is also comparable with that of the other existing prediction method and techniques.

4

Rozpoznawanie mówców

Dustor A., Izydorczyk J.

Przegląd Telekomunikacyjny + Wiadomości Telekomunikacyjne

|

2003

|

nr 2-3

71-76

PL

Omówiono problematykę identyfikacji i weryfikacji mówcy. Przedstawiono poszczególne elementy składowe systemu rozpoznawania mówcy skupiając się szczególnie na zagadnieniach ekstrakcji parametrów z sygnału mowy, tworzeniu modeli mówcy zarówno parametrycznych jak i nieparametrycznych oraz na metodach rozpoznawania. Skrótowo przedstawiono również zagadnienia związane z zasobami mowy.

EN

The article presents fundamentals of speaker recognition as well as some basic problems of this technology like feature extraction, model training and recognition in more detail. Additionally a short description of speech corpora is included.