-1-3-2 معادلات ریاضی حاکم بر ماشین سنکرون 23……… ……………

-2-3-2 معادلات حرکت 28                                            ………………………………………………………………………………………

-4-2 پارامترهای ماشین سنکرون 29…………………………………………………………… …………………………………………………………..

-1-4-2 پارامترهای اساسی………………………………………………………… 29

-2-4-2 پارامترهای عملیاتی 30………………………………………………………………………………. ………………………………….

-3-4-2 پارامترهای دینامیکی………………………………………………….. 31

-5-2 محاسبه پارامترهای دینامیکی ماشین سنکرون بر اساس پارامترهای اساسی

ماشین……….. 31

-1-5-2 محاسبه راکتانسهای ماشین 33

-2-5-2 محاسبه ثابت زمانی های ماشین………………………………… 35
-6-2 مراتب مختلف مدلهای ماشین سنکرون بر اساس مدل دو محوری پارك    37

فصل سوم: بررسی روشهای شناسایی پارامترهای دینامیکی ژنراتور سنکرون        ..………………………………………………………………………………………………… 39

-1-3 مروری بر پیشینه شناسایی پارامترهای ژنراتورهای سنکرون 40         .…………………………………………………………………………………………………. ………………………..

-2-3 انواع روشهای تعیین پارامترهای دینامیکی ژنراتور سنکرون 42       .……………………………………………………………………………………………….. ………………………….

-1-2-3 روشهای کلاسیک اندازه گیری پارامترهای دینامیکی ژنراتورهای شبکه    42

-2-2-3 روشهای جدید تعیین پارامترهای دینامیکی ژنراتورهای سنکرون     43

فصل چهارم: شناسایی بلادرنگ پارامترهای ژنراتور سنکرون با استفاده از شبکه عصبی

مصنوعی ..… ..      45

-1-4 کلیات و اصول کارشبکه های عصبی 46………………………………………………………………………………….. ………………………………

-2-4 اصول کار شبکه عصبی تخمین گر پارامترها……………… 46

-1-2-4 دادههای آموزشی و آموزش شبکه عصبی………. .…………. 48

-2-2-4 تست شبکه عصبی تخمینگر……………………………………………… 50

-3-4 نتایج 51……………. .………………………………………. …………………………………………………………

-1-3-4 نمونههایی از نتایج شبکه عصبی تخمینگر…. 53

-2-3-4 بررسی تحلیلی نتایج .……………………………………… 89

فصل پنجم: نتیجهگیری و پیشنهادات .…….. ..…………………………….. 97

ضمیمهها…………………………………………………………………………………………………. 100

ضمیمهالف- طرحهای بکار گرفته شده برای شبیهسازی ژنراتور سنکرون      101

ضمیمهب- نمودار پارامترهای بکار گرفته شده در شبیهسازی ژنراتور سنکرون ..………………………………………………………………………………………………………….. 105

منابع و ماخذ……………………………………………. .……………………………………. 110

فهرست جدول ها

فهرست شکلها

چکیدة پایاننامه:

این پروژه روشی نو را برای بکارگیری رؤیتگرهای شبکه عـصبی در جهـت شناسـایی و تعیـین پارامترهـای دینامیکی ژنراتورهای سنکرون با استفاده از اطلاعات بهرهبرداری ارائه کرده است. اطلاعات بهـرهبـرداری از طریق اندازهگیریهای بلادرنگ بعمل آمده در قبال اغتشاشات حوزة بهرهبرداری فراهم مـیشـود. دادههـای آموزشی مورد نیاز شبکه عصبی از طریق شبیهسازیهای غیرهمزمـان بهـرهبـرداری از ژنراتـور سـنکرون در محیط یک ماشین متصل به شین بینهایت فراهم شده است. مقـادیر نمونـه ژنراتورهـای سـنکرون در مـدل مذکور بکار گرفته شدهاند. شبکه آموزش دیده در قبال اندازهگیریهای بلادرنگ شبیهسازی شـده در جهـت تخمین پارامترهای دینامیکی ژنراتورهای سنکرون تست شده است. مجموعه نتایج بدست آمده نشان دهنـده قابلیتهای نوید بخش شبکه عصبی مصنوعی در حوزة تخمین پارامترهای دینامیکی ژنراتورهـای سـنکرون، بصورت بلادرنگ و با استفاده از اطلاعات بهرهبرداری میباشد. اگرچه برای دست یـابی بـه خطـای تخمـین قابل قبول در مسیر شناسایی کلیه پارامترهای دینامیکی ژنراتورهای سنکرون، پارهای اصلاحات ضروری بـه نظر میرسد. در نگاه کلّی این اقدامات تکامل بخش را میتوان به دو مجموعه: پیشنهادات مربوط به اصـلاح شبکه عصبی رؤیتگر در حوزة شبیهسازی و آموزش و بخش دیگر را به عنوان گامهای تکاملی تلقی نمود، که سازماندهی این گامها در مبادی ورودی و خروجی شبکه عصبی، زمینه مناسبتـری را بـرای بهـرهگیـری از قابلیتهای آن فراهم خواهد کرد.

کلید واژه:

ژنراتور سـنکرون، پارامترهـای دینـامیکی، شناسـایی بلادرنـگ، شـبکههـای عـصبی مـصنوعی، اطلاعـات بهرهبرداری

مقدمه:

در سالهای اخیر با پیشرفت سیستمهای کامپیوتری, سیستمهای هوش مصنوعی نیز متولد شده و رشد کرده است. یکی از سیستمهای هوش مصنوعی, شبکه های عصبی مصنوعی هستند. این شبکه ها به علت عواملی چون قطعیت در پاسخ, سادگی در اجرا, قابلیت انعطاف بالا و …. جایگاه ویژه ای را به خود اختصاص داده اند. با توجه به ساختار و کارکرد شبکه های عصبی مصنوعی و اهمیت تعیین پارامترهای دینامیکی اجزاء سیستمهای قدرت از جمله ژنراتورهای سنکرون, بهره گیری از شبکه های عصبی مصنوعی در این حوزه قابل طرح است. از طرف دیگی نتایج ارائه شده از بکار گیری این شبکه ها در حوزه های مشابه, کارکردهای نوید بخشی را نشان می دهد. با توجه به مراتب فوق این پروژه بر آنست تا با طراحی و اجرای طرح شناسایی پارامترهای دینامیکی ژنراتورهای سنکرون با استفاده از شیکه عصبی مصنوعی, قابلیت های این سیستم را در حوزه شناسایی بلادرنگ پارامترهای دینامیکی ژنراتورهای سنکرون نیز بیازماید.