ترجمه مقاله ژنراتور باد هوشمند جهت مطالعه جریان قدرت در PSSRE - نشریه IEEE

قیمت خرید این محصول

۳۹,۰۰۰ تومان

دانلود رایگان نمونه دانلود مقاله انگلیسی

عنوان فارسی

مدل‌های ژنراتور باد هوشمند برای مطالعه جریان قدرت (پخش بار) در PSS®E و PSS®SINCALL

عنوان انگلیسی

Intelligent Wind Generator Models for Power Flow Studies in PSS®E and PSS®SINCAL

صفحات مقاله فارسی

28

صفحات مقاله انگلیسی

11

سال انتشار

2013

نشریه

آی تریپل ای - IEEE

فرمت مقاله انگلیسی

PDF

فرمت ترجمه مقاله

ورد تایپ شده

رفرنس

دارد

کد محصول

5407

وضعیت ترجمه عناوین تصاویر و جداول

ترجمه شده است

وضعیت ترجمه متون داخل تصاویر و جداول

ترجمه نشده است

وضعیت فرمولها و محاسبات در فایل ترجمه

به صورت عکس، درج شده است

رشته های مرتبط با این مقاله

مهندسی کامپیوتر و مهندسی برق

گرایش های مرتبط با این مقاله

مهندسی الگوریتم و محاسبات، هوش مصنوعی، برق قدرت و سیستمهای قدرت

مجله

یافته ها در حوزه سیستم های قدرت

دانشگاه

مرکز انرژی شهری، دانشگاه رایرسون، تورنتو، کانادا

کلمات کلیدی

شبکه های عصبی مصنوعی، توزیع قدرت سیستم، جریان برق، ژنراتور الکتریکی بادی

فهرست مطالب

چکیده
فهرست واژه‌ها
I. مقدمه
A. آنالیز جریان قدرت با ژنراتور باد
B. تأثیر انحراف ولتاژ
C. مدلسازی ژنراتور باد
D. کار ارائه شده
II. رویکرد شبکه عصبی مصنوعی
III. مدل‌های شبکه عصبی مصنوعی WGها
A. مدل ANN برای DFIG WG نوع 3
B. مدل ANN برای PMSGWG نوع 4
C. پیکربندی ANN و اثر نرخ یادگیری
IV. مطالعه جریان قدرت سیستم توزیع بامدل های ANNWG نوع 3 و 4
A. حالت مطالعه 1: سیستم 37 بأس IEEE با DFIGWG نوع 3
B. حالت مطالعه 2: سیستم 37 بأس IEEE با PMSG WG نوع 4
V. اجرا در بسته‌های نرم افزاری تجاری
VI. نتیجه گیری
ضمیمه

نمونه چکیده متن اصلی انگلیسی

Abstract

Wind generator (WG) output is a function of wind speed and three-phase terminal voltage. Distribution systems are predominantly unbalanced. A WG model that is purely a function of wind speed is simple to use with unbalanced three-phase power flow analysis but the solution isinaccurate. These errors add up and become pronounced when a single three-phase feeder connects several WGs. Complete nonlinear three-phase WG models are accurate but are slow and unsuitable for power flow applications. This paper proposes artificial neural network (ANN) models to represent type-3 doubly-fed induction generator and type-4 permanent magnet synchronous generator. The proposed approach can be readily applied to any other type of WGs. The main advantages of these ANN models are their mathematical simplicity, high accuracy with unbalanced systems and computational speed. These models were tested with the IEEE 37-bus test system. The results show that the ANN WG models are computationally ten times faster than nonlinear accurate models. In addition, simplicity of the proposed ANN WG models allow easy integration into commercial software packages such as PSS®E and PSS®SINCAL and implementations are also shown in this paper.

نمونه چکیده ترجمه متن فارسی

چکیده
خروجی ژنراتور باد (WG) تابع سرعت باد و ولتاژ ترمینال سه فاز می‌باشد. سیستم‌های توزیع عمدتاً نامتعادل می‌باشند. یک مدل WG که صرفاً تابع سرعت باد است با آنالیز جریان قدرت سه فاز نامتعادل دارای کاربرد آسانی می‌باشد اما راه حل آن ناصحیح می‌باشد. این خطاها افزایش می‌یابند و زمانی که یک فیدر سه فاز به WG متصل می‌شود، خود را نشان می‌دهند. مدل‌های WG سه فاز غیرخطی کامل، دقیق نیستند اما ارام هستند و برای نرم افزارهای جریان قدرت (پخش بار) نامناسب می‌باشند. این مقاله یک مدل شبکه عصبی مصنوعی (ANN) برای ارائه ژنراتور القایی دو تغذیه نوع 3 و ژنراتور سنکرون آهنربایی دائم نوع 4 ارائه کرده است. روش پیشنهادی به راحتی برای هر نوع WG قابل استفاده است. مزایای اصلی این مدل‌های AGG سادگی ریاضیاتی آنها، دقت بالا در سیستم‌های نامتعادل و سرعت محاسباتی زیاد آن‌ها می‌باشد. این مدل‌ها با سیستم تست 37 بأس IEEE تست شده‌اند. نتایج نشان می‌دهند که مدل‌های ANNWG از لحاظ محاسباتی ده برابر سریع‌تر از مدل‌های دقیق غیرخطی می‌باشند. علاوه براین، سادگی مدل‌های ANNWG ارائه شده اجازه ادغام در بسته‌های نرم افزاری تجاری مثل PSS®E و PSS®SINCALL را می‌دهند و در این مقاله هم این موضوع نشان داده شده است.

برچسب‌ها: دانلود رایگان مقالات انگلیسی مهندسی کامپیوتر، دانلود رایگان مقالات انگلیسی مهندسی برق، دانلود رایگان مقالات انگلیسی هوش مصنوعی