Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "power network model" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-5 z 5
    Tytuł:
    The Influence of the Artificial Neural Network type on the quality of learning on the Day-Ahead Market model at Polish Power Exchange joint-stock company
    Autorzy:
    Ruciński, Dariusz
    Powiązania:
    https://bibliotekanauki.pl/articles/1819257.pdf
    Data publikacji:
    2019
    Wydawca:
    Uniwersytet Przyrodniczo-Humanistyczny w Siedlcach
    Tematy:
    Perceptron Artificial Neural Network
    Radial Artificial Neural Network
    Recursive Artificial Neural Network
    neural model quality
    Day-Ahead Market
    Polish Power Exchange
    Mean square error
    determination index
    Opis:
    The work contains the results of the Day-Ahead Market modeling research at Polish Power Exchange taking into account the numerical data on the supplied and sold electricity in selected time intervals from the entire period of its operation (from July 2002 to June 2019). Market modeling was carried out based on three Artificial Neural Network models, ie: Perceptron Artificial Neural Network, Recursive Artificial Neural Network, and Radial Artificial Neural Network. The examined period of the Day-Ahead Market operation on the Polish Power Exchange was divided into sub-periods of various lengths, from one month, a quarter, a half a year to the entire period of the market's operation. As a result of neural modeling, 1,191 models of the Market system were obtained, which were assessed according to the criterion of the least error MSE and the determination index R2.
    Źródło:
    Studia Informatica : systems and information technology; 2019, 1-2(23); 77--93
    1731-2264
    Pojawia się w:
    Studia Informatica : systems and information technology
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Application of affine NARMA model to design of adaptive power system stabilizer
    Autorzy:
    Zhou, J.
    Ke, D.
    Chung, C. Y.
    Sun, Y.
    Powiązania:
    https://bibliotekanauki.pl/articles/327256.pdf
    Data publikacji:
    2018
    Wydawca:
    Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
    Tematy:
    adaptive control
    affine
    NARMA model
    neural network
    power system stabilizer
    PSS
    sterowanie adaptacyjne
    sieć neuronowa
    stabilizator systemu zasilania
    Opis:
    An affine nonlinear autoregressive moving average (NARMA) model is derived from the neural network (NN) based general NARMA model in this paper, by using Taylor series expansion. The predictive error of this affine NARMA model will be quite acceptable, at least for the control purpose, if the amplitude of control input is properly limited. Therefore, an adaptive control scheme based on this model is proposed and applied to the design of adaptive power system stabilizer (APSS) since the amplitude of PSS output is usually well limited. The feature of this control scheme is that the control input can be online analytically obtained. Thus, comparing to the traditional NN based APSS (TAPSS), the affine NARMA model based APSS (AAPSS) does not need the training of a NN as neuro-controller, which may be a troublesome and time consuming step during the design. Moreover, the AAPSS can generally perform better than the TAPSS. Simulation studies on a single machine infinite bus system and a multi-machine system show that the AAPSSs can consistently well perform to damp electromechanical oscillations in the systems over a wide range of operating conditions.
    Źródło:
    Diagnostyka; 2018, 19, 2; 105-114
    1641-6414
    2449-5220
    Pojawia się w:
    Diagnostyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Reactive power convex optimization of active distribution network based on Improved GreyWolf Optimizer
    Autorzy:
    Li, Yuancheng
    Yang, Rongyan
    Zhao, Xiaoyu
    Powiązania:
    https://bibliotekanauki.pl/articles/140678.pdf
    Data publikacji:
    2020
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    active distribution network (ADN)
    Improved Grey Wolf Optimizer (IGWO)
    reactive power optimization
    second-order cone relaxed convex model
    Opis:
    The smart grid concept is predicated upon the pervasive With the construction and development of distribution automation, distributed power supply needs to be comprehensively considered in reactive power optimization as a supplement to reactive power. The traditional reactive power optimization of a distribution network cannot meet the requirements of an active distribution network (ADN), so the Improved Grey Wolf Optimizer (IGWO) is proposed to solve the reactive power optimization problem of the ADN, which can improve the convergence speed of the conventional GWO by changing the level of exploration and development. In addition, a weighted distance strategy is employed in the proposed IGWO to overcome the shortcomings of the conventional GWO. Aiming at the problem that reactive power optimization of an ADN is non-linear and non-convex optimization, a convex model of reactive power optimization of the ADN is proposed, and tested on IEEE33 nodes and IEEE69 nodes, which verifies the effectiveness of the proposed model. Finally, the experimental results verify that the proposed IGWO runs faster and converges more accurately than the GWO.
    Źródło:
    Archives of Electrical Engineering; 2020, 69, 1; 117-131
    1427-4221
    2300-2506
    Pojawia się w:
    Archives of Electrical Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Photovoltaic power prediction based on improved grey wolf algorithm optimized back propagation
    Autorzy:
    He, Ping
    Dong, Jie
    Wu, Xiaopeng
    Yun, Lei
    Yang, Hua
    Powiązania:
    https://bibliotekanauki.pl/articles/27309934.pdf
    Data publikacji:
    2023
    Wydawca:
    Polska Akademia Nauk. Czasopisma i Monografie PAN
    Tematy:
    BP neural network
    photovoltaic power generation
    PSO–GWO model
    PSO–GWO–BP prediction model
    particle swarm optimization
    gray wolf optimization
    back propagation
    standard grey wolf algorithm
    Opis:
    At present, the back-propagation (BP) network algorithm widely used in the short-term output prediction of photovoltaic power stations has the disadvantage of ignoring meteorological factors and weather conditions in the input. The existing traditional BP prediction model lacks a variety of numerical optimization algorithms, such that the prediction error is large. The back-propagation (BP) neural network is easy to fall into local optimization thus reducing the prediction accuracy in photovoltaic power prediction. In order to solve this problem, an improved grey wolf optimization (GWO) algorithm is proposed to optimize the photovoltaic power prediction model of the BP neural network. So, an improved grey wolf optimization algorithm optimized BP neural network for a photovoltaic (PV) power prediction model is proposed. Dynamic weight strategy, tent mapping and particle swarm optimization (PSO) are introduced in the standard grey wolf optimization (GWO) to construct the PSO–GWO model. The relative error of the PSO–GWO–BP model predicted data is less than that of the BP model predicted data. The average relative error of PSO–GWO–BP and GWO–BP models is smaller, the average relative error of PSO–GWO–BP model is the smallest, and the prediction stability of the PSO–GWO–BP model is the best. The model stability and prediction accuracy of PSO–GWO–BP are better than those of GWO–BP and BP.
    Źródło:
    Archives of Electrical Engineering; 2023, 72, 3; 613--628
    1427-4221
    2300-2506
    Pojawia się w:
    Archives of Electrical Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Evaluation of The Operation and Improvement of the Stability of the Factory Power Network, Taking into Account the Uncertainty of the Network Model Parameters
    Ocena pracy i poprawa stabilności zakładowej sieci elektroenergetycznej z uwzględnieniem niepewności parametrów modelu sieci
    Autorzy:
    Nocoń, A.
    Paszek, S.
    Walczak, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/396948.pdf
    Data publikacji:
    2017
    Wydawca:
    ENERGA
    Tematy:
    factory power network
    island mode network operation
    transient states
    uncertainty of model parameters
    improvement of angular stability
    zakładowa sieć energetyczna
    praca autonomiczna
    stany przejściowe
    niepewność parametrów modelu
    poprawa stabilności kątowej
    Opis:
    There was analysed the operation of a factory power network working in island mode and cooperating with the Polish National Power System (PNPS) in selected transient states. It was assumed that two generating units: one with an asynchronous generator, and the second with a synchronous generator, were installed in the network. The behaviour of the generating units was analysed in the following transients: transition of the factory network from cooperation with the PNPS to island mode operation and shutdown of the asynchronous unit. The analysis took into account the uncertainty of the parameters of selected models of network elements. In the paper, there is described the problem of modelling the scatter of parameters of the models of electrical systems. It consists in determining the envelopes (limit bands) for a family of waveforms of the analysed signals. These envelopes were determined using multiple simulations when changing the network model parameters in an appropriate manner. There is shown the possibility of improving the angular stability of the analysed network by the use of stabilising systems with an appropriate structure and optimised parameters. It is proposed to introduce these stabilising systems to the turbine governor and the synchronous generator excitation system. Parameters of the stabilising systems were optimised by minimising the defined quality factor of electromechanical control waveforms in the selected transient state. A genetic algorithm was used to minimise this quality factor.
    Przeanalizowano pracę w wybranych stanach nieustalonych zakładowej sieci elektroenergetycznej pracującej autonomicznie i we współpracy z Krajowym Systemem Elektroenergetycznym (KSE). Założono, że w sieci zainstalowane są dwa zespoły wytwórcze: jeden z generatorem asynchronicznym, a drugi z generatorem synchronicznym. Badano zachowanie się zespołów wytwórczych m.in. w następujących stanach nieustalonych: przejście sieci zakładowej od współpracy z KSE do pracy autonomicznej oraz wyłączenie zespołu asynchronicznego. W analizie uwzględniono niepewność parametrów wybranych modeli elementów sieci. Opisano zagadnienie modelowania rozrzutu parametrów modeli układów elektrycznych. Polega ono na wyznaczeniu obwiedni (pasm granicznych) rodziny przebiegów czasowych analizowanych sygnałów. Obwiednie te wyznaczano przez wielokrotne symulacje przy zmienianych w odpowiedni sposób parametrach modelu sieci. Pokazano możliwości poprawy stabilności kątowej analizowanej sieci przy zastosowaniu układów stabilizujących o odpowiedniej strukturze i optymalizowanych parametrach. Zaproponowano wprowadzenie tych układów stabilizujących do układu regulacji mocy turbiny oraz do układu wzbudzenia generatora synchronicznego. Optymalizację parametrów układów stabilizujących przeprowadzono poprzez minimalizację zdefiniowanego wskaźnika jakości elektromechanicznych przebiegów regulacyjnych w wybranym stanie nieustalonym. Do minimalizacji tego wskaźnika jakości zastosowano algorytm genetyczny.
    Źródło:
    Acta Energetica; 2017, 1; 76-82
    2300-3022
    Pojawia się w:
    Acta Energetica
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-5 z 5

      Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies