ارزیابی شبکه‌های عصبی انعطاف‌پذیر باساختار قابل بازسازی در حین آموزش جهت تخمین هارمونیکهای جریان استاتور ژنراتور آسک نیروگاه ری بر اساس الگوریتم CFE/SS

Abstract

یکی از روشهای تشخیص خطای ژنراتور در حین کار، آنالیز هارمونیکهای جریان استاتور می‌باشد. در این مقاله از شبکه‌های عصبی انعطاف‌پذیر با قابلیت بازسازی خود در حین آموزش برای تعیین هارمونیکهای جریان استاتور ژنراتور، در بارهای مختلف استفاده شده است. داده‌های آموزش دهندة شبکه عصبی با استفاده از مدل سازی ژنراتور و استفاده از روش المان محدود (FE) و فضای حالت (SS)، در نقاط مختلف بار روی منحنی بهره برداری ژنراتور برای سه سطح مختلف ولتاژ پایانه به دست آمده است. شبکة عصبی که با استفاده از این داده‌ها آموزش داده شده است، یک شبکة پرسپترون با یک لایة پنهان و با قانون یادگیری پس انتشار خطا می‌باشد. نتایج نشان می‌دهد که شبکه عصبی انعطاف‌پذیر آموزش داده شده با خطای کمتر از ده درصد می‌تواند هارمونیکهای جریان را برای نقاط بار دلخواه روی منحنی بهره‌برداری، نسبت به نتایج حاصل از الگوریتم CFE-SS به دست آورد. پارامترهای نامی ژنراتور آسک عبارتند از: 43950 کیلو ولت آمپر، 11 کیلو ولت، 3000 رادیان بر دقیقه، 50 هرتز و ضریب توان 0.8.