چطور این مقاله مهندسی برق را دانلود کنم؟
فایل انگلیسی این مقاله با شناسه 2008694 رایگان است. ترجمه چکیده این مقاله مهندسی برق در همین صفحه قابل مشاهده است. شما می توانید پس از بررسی این دو مورد نسبت به خرید و دانلود مقاله ترجمه شده اقدام نمایید
حجم فایل انگلیسی :
286 Kb
حجم فایل فارسی :
209 کیلو بایت
نوع فایل های ضمیمه :
Pdf+Word
کلمه عبور همه فایلها :
www.daneshgahi.com
عنوان فارسي
کاربرد الگوریتم تکاملی برای هماهنگی بهینه رله اضافه جریان جهتی
عنوان انگليسي
Application of Evolutionary Algorithm for Optimal Directional Overcurrent Relay Coordination
نویسنده/ناشر/نام مجله
Journal of Computer and Communications
این مقاله چند صفحه است؟
این مقاله ترجمه شده مهندسی برق شامل 9 صفحه انگلیسی به صورت پی دی اف و 16 صفحه متن فارسی به صورت ورد تایپ شده است
چکیده
در این مقاله، دو الگوریتم تکاملی(الگوریتم ژنتیک بهبود یافته و الگوریتم یادگیری افزایشی مبتنی بر جمعیت) برای هماهنگی بهینه رله اضافه جریان جهتی در یک سیستم قدرت به هم متصل استفاده شده است. مساله هماهنگی رله های اضافه جریان جهتی به صورت یک مساله بهینه سازی فرموله می گردد که با GA بهبود یافته و PBIL حل می گردد. نتایج شبیه سازی از GA بهبود یافته در مقایسه با نتایج PBIL بدست می آید. نتایج حاکی از عملکرد بهتر GA بهبود یافته نسبت به PBIL در این مقاله می باشد.
1-مقدمه
از تجهیزات حفاظتی سیستم قدرت برای محافظت سیستم قدرت و ایزوله سازی سریع سیستم از شرایط غیر عادی می باشد [1] [2]. به منظور عملکرد بهینه سیستم حفاظت، باید به صورت اتخابی، قابل اعتماد و دقیق عمل کند. برای دستیابی به این اهداف مطالعات هماهنگی رله باید انجام پذیرد…
الگوریتم های تکاملی الگوریتم ژنتیک رله اضافه جریان
:کلمات کلیدی
Abstract
In this paper, two Evolutionary Algorithms (EAs) i.e., an improved Genetic Algorithms (GAs) and Population Based Incremental Learning (PBIL) algorithm are applied for optimal coordination of directional overcurrent relays in an interconnected power system network. The problem of coordinating directional overcurrent relays is formulated as an optimization problem that is solved via the improved GAs and PBIL. The simulation results obtained using the improved GAs are compared with those obtained using PBIL. The results show that the improved GA proposed in this paper performs better than PBIL.
Keywords:
Evolutionary Algorithms GA Learning Rate
سایر منابع مهندسی برق در زمینه رله اضافه جریان