دانلود ترجمه مقاله معتبر شبکه های عصبی مصنوعی اعمال شده برای بارگذاری تک فاز مشخصه هارمونیک (IEEE – 2009) (ترجمه ویژه – طلایی ⭐️⭐️⭐️)

ieee2

 

 

این مقاله انگلیسی ISI در نشریه آی تریپل ای در ۶ صفحه در سال ۲۰۰۹ منتشر شده و ترجمه آن ۱۸ صفحه میباشد. کیفیت ترجمه این مقاله ویژه – طلایی ⭐️⭐️⭐️ بوده و به صورت کامل ترجمه شده است.

 

دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
عنوان فارسی مقاله:

شبکه های عصبی مصنوعی اعمال شده برای بارگذاری تک فاز مشخصه هارمونیک

عنوان انگلیسی مقاله:

Artificial neural networks applied to single-phase load harmonic characterization

 

 

مشخصات مقاله انگلیسی 
فرمت مقاله انگلیسی pdf و ورد تایپ شده با قابلیت ویرایش
سال انتشار ۲۰۰۹
تعداد صفحات مقاله انگلیسی ۶ صفحه با فرمت pdf
نوع مقاله ISI
نوع ارائه مقاله کنفرانس
رشته های مرتبط با این مقاله مهندسی برق
گرایش های مرتبط با این مقاله سیستم های قدرت، مهندسی الکترونیک، ماشینهای الکتریکی، الکترونیک قدرت
چاپ شده در مجله (ژورنال) کنفرانس الکترونیک قدرت برزیلی – Brazilian Power Electronics Conference
کلمات کلیدی شبکه‌های عصبی مصنوعی، شناسایی هارمونیکی، کیفیت توان، سیستم قدرت تک فاز
کلمات کلیدی انگلیسی Artificial neural networks – harmonic identification – power quality – single-phase power system
ارائه شده از دانشگاه دانشگاه فدرال ABC ، سائو پائولو، برزیل
نویسندگان Claudionor F. Nascimento – Azaun A. Oliveira – Alessandro Goedtel – Marcelo Suetake – Ivan N. Silva
شناسه شاپا یا ISSN ۲۱۶۵-۰۴۵۴
شناسه دیجیتال – doi https://doi.org/10.1109/COBEP.2009.5347712
بیس نیست
مدل مفهومی ندارد
پرسشنامه ندارد
متغیر ندارد
فرضیه ندارد
رفرنس دارای رفرنس در داخل متن و انتهای مقاله
کد محصول ۱۱۸۵۳
لینک مقاله در سایت مرجع لینک این مقاله در سایت IEEE
نشریه آی تریپل ای – IEEE

 

مشخصات و وضعیت ترجمه فارسی این مقاله 
فرمت ترجمه مقاله pdf و ورد تایپ شده با قابلیت ویرایش
وضعیت ترجمه انجام شده و آماده دانلود
کیفیت ترجمه ویژه – طلایی ⭐️⭐️⭐️
تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش  ۱۸ (۱ صفحه رفرنس انگلیسی) صفحه با فونت ۱۴ B Nazanin
ترجمه عناوین تصاویر و جداول ترجمه شده است  
ترجمه متون داخل تصاویر ترجمه شده است 
ترجمه متون داخل جداول ترجمه شده است 
ترجمه ضمیمه ندارد
ترجمه پاورقی ندارد
درج تصاویر در فایل ترجمه درج شده است  
درج جداول در فایل ترجمه درج شده است  
درج فرمولها و محاسبات در فایل ترجمه به صورت عکس درج شده است
منابع داخل متن به صورت عدد درج شده است
منابع انتهای متن به صورت انگلیسی درج شده است

 

فهرست مطالب

چکیده
۱ مقدمه
۲ بارهای غیرخطی
۳ شناسایی هارمونیکی
A کاربرد شبکه‌های عصبی مصنوعی
B نتایج آزمایشی
C. ANN (شبکه عصبی مصنوعی) و روشهای FFT (تبدیل فوریه سریع) کوتاه شده
۴ نتیجه گیری
سپاس و قدردانی
منابع

 

بخشی از ترجمه

چکیده

در این مقاله، یک روش جایگزین مبتنی بر شبکه‌های عصبی مصنوعی برای تعیین مؤلفه‌های هارمونیک جریان بار در یک سیستم قدرت الکتریکی تک فاز ارائه می‌شود. شش مؤلفه هارمونیک اول از شکلهای موج جریان یک کنترلگر AC و یک یکسو ساز پل دیود تک فاز محاسبه می‌شوند که از متداول‌ترین بارها در کاربردهای صنعتی، تجاری و مسکونی می‌باشند. تأثیر این بارهای غیرخطی در رابطه با مسائل کیفیت توان نیز توصیف می‌شود. روش پیشنهادی با FFT (تبدیل فوریه سریع) کوتاه شده مقایسه می‌شود. نتایج شبیه سازی و آزمایشی به منظور اعتبارسنجی رویکرد پیشنهادی ارائه می‌شوند.

۱ مقدمه

استفاده از دستگاه‌ها و تجهیزات مبنی بر مبدل استاتیک بطور مداوم در حال رشد بوده است و توجه را به سمت مسائل متعددی از جمله تأثیر بارهای غیر خطی بر کیفیت توان (PQ) معطوف می‌کند. در (۱)، نشان داده شده که PQ (کیفیت توان)را می‌توان با استفاده از یک شبکه عصبی مصنوعی (ANN) ارزیابی کرد.

چنین بارهایی موجب اختلال در سیستم توان الکتریکی می‌شوند و متعاقباً به کاهش PQ (کیفیت توان) می‌انجامند. مقادیر زیادی از بارهای تک فاز غیرخطی می‌تواند اعوجاج هارمونیکی زیادی را در محیطهای صنعتی ، مسکونی و تجاری بوجود آورد (۲)، (۳).

۴ نتیجه گیری

در این مقاله، دامنه‌ها و فاز شش مؤلفه هارمونیکی اول جریانهای دیمر و یکسوساز پل دیود از برآورد ضرایب سری فوریه (An و Bn) پس از توصيف نظري و تجربي آن دو بار غير خطي كه کاربرد گسترده‌ای دارند در مدارهای الکترونیکی تک فاز محاسبه شدند. برای برآورد این ضرایب، یک روش جایگزین مبتنی بر ANN(شبکه عصبی مصنوعی) طراحی شد. روش ANN(شبکه عصبی مصنوعی )، دیمر و مجموعه‌ای از دیمر و یکسوساز پل دیود را در نقطه اتصال مشترک (PCC) در نیم چرخه سیگنال جریان به عنوان یک راه حل کارآمد برای تعیین مؤلفه جریان هارمونیک نشان داد. نتایج به دست آمده با روشهای عصبی با نتایج به دست آمده با FFT کوتاه شده که کاربردپذیری آن را نشان می‌دهند مورد مقایسه قرار گرفتند.

 

بخشی از مقاله انگلیسی

Abstract 

 In this paper, an alternative method based on artificial neural networks is presented for the determination of load current harmonic components in a single-phase electric power system. The first six harmonic components are calculated from current waveforms of an AC controller and a single-phase diode bridge rectifier, which are the most common loads in industrial, commercial and residential applications. The influences of such nonlinear loads in power quality issues are also characterized. The proposed method is compared with truncated FFT. Simulation and experimental results are presented in order to validate the proposed approach.

I INTRODUCTION

The use of devices and equipments based on static converter has been in constant growing which awakes the attention to several problems such that nonlinear loads cause in the Power Quality (PQ). In [1], it is showed that the PQ can be evaluated by using an Artificial Neural Network (ANN).

Such loads produce perturbations to the electric power system and, consequently, results in a decreasing PQ. In large quantities, nonlinear single-phase loads can cause a great harmonic distortion in industrial, residential and commercial environments [2], [3].

IV CONCLUSION

In this paper, the amplitudes and phase of first six harmonic components of dimmer and diode bridge rectifier currents were calculated from the estimative of Fourier series coefficients (An e Bn) after the theoretical and experimental characterization of those two widely applied nonlinear loads in single-phase electronic circuits. An alternative method based on ANN was developed for such coefficient estimative. The ANN method showed as an efficient solution for the harmonic current component determination both dimmer and the set of dimmer and diode bridge rectifier at PCC in half-cycle of current signal. The results obtained by neural methods were compared to those of truncated FFT, which demonstrate its applicability.

 

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
عنوان فارسی مقاله:

شبکه های عصبی مصنوعی اعمال شده برای بارگذاری تک فاز مشخصه هارمونیک

عنوان انگلیسی مقاله:

Artificial neural networks applied to single-phase load harmonic characterization

 

ارسال دیدگاه

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *