Wyniki wyszukiwania - BazTech

Ograniczanie wyników

2 Przegląd Elektrotechniczny

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: neuronowe sieci falkowe

Sortuj według:

Ogranicz wyniki do:

Optymalizacja układu chłodzenia w systemie nadzorującym pracę transformatorów sieciowych

Wosiak A., Lipiński P., Kaźmierski M., Kersz I.

Przegląd Elektrotechniczny

2009

R. 85, nr 12

166-169

Wykorzystanie diagnostycznych systemów informatycznych dzięki analizie sygnałów pochodzących z urządzenia pozwala na efektywne sterowanie pracą transformatora. Rosnące koszty eksploatacji maszyn i urządzeń sprawiają, że istotnym kryterium konkurencyjności oprogramowania są aspekty ekonomiczne. W pracy przedstawione zostały sposoby obniżenia kosztów eksploatacji transformatorów sieciowych poprzez optymalizację sterowania układami chłodzenia.

The usage of diagnostic systems, which analyze signals coming from the device, allows effective control of the work of the transformer. The increasing operating costs of machinery and equipment make economic aspect an important criterion for the competitiveness of the software. The paper presents the ways of reducing operating costs by optimizing cooling of network transformers.

Prediction of Oil Temperature for Substation Distribution Transformers Using Wavelet Neural Networks

Lipiński P.

Przegląd Elektrotechniczny

2008

R. 84, nr 12

202-204

In this paper a new approach for predicting oil temperature for substation distribution transformer is presented. It takes advantage of a wavelet neural network (WNN), which is used to predict the oil temperature in the following 32 minutes. The in this article we choose optimal parameters for WNN and demonstrate that linear WNN performs better in terms of mean square error (MSE) of predicted values than linear and nonlinear neural networks.

W artykule zostało przedstawione nowe podejście do przewidywania temperatury oleju w transformatorze. W podejściu tym zostały użyte neuronowe sieci falkowe w celu przewidzenia temperatury oleju z wyprzedzeniem 32 minut. W artykule przedstawiono sposób wyboru optymalnych parametrów dla sieci neuronowo falkowej. Wykazano także że, neuronowe sieci falkowe są w stanie przewidzieć temperaturę oleju z większą dokładnością niż liniowe sieci falkowe i nieliniowe sieci falkowe. Do porównania dokładności przewidywań jako kryterium porównania przyjęto błąd MSE.