Etude et Analyse des Systèmes de Transport d'Energie Electrique
Application des Réseaux de Neurones Artificiels au Problème d'Ecoulement de Puissance
Versandkostenfrei!
Versandfertig in 6-10 Tagen
39,99 €
inkl. MwSt.
PAYBACK Punkte
20 °P sammeln!
Ce livre aborde un des problèmes reconnus dans l'analyse des réseaux électriques : l'Ecoulement de Puissance. Le calcul de ce dernier constitue un outil fondamental pour la planification, l'exploitation et la commande des réseaux électriques. En général, le modèle mathématique de la problématique comprend un ensemble d'équations algébriques non linéaires résolues de manière conventionnelle. Cependant, l'essor de l'Intelligence Artificielle ne cesse de croître pour s'impliquer à différentes échelles. Notre étude concerne l'emploi des réseaux neuronaux artificiels (RNA) pour...
Ce livre aborde un des problèmes reconnus dans l'analyse des réseaux électriques : l'Ecoulement de Puissance. Le calcul de ce dernier constitue un outil fondamental pour la planification, l'exploitation et la commande des réseaux électriques. En général, le modèle mathématique de la problématique comprend un ensemble d'équations algébriques non linéaires résolues de manière conventionnelle. Cependant, l'essor de l'Intelligence Artificielle ne cesse de croître pour s'impliquer à différentes échelles. Notre étude concerne l'emploi des réseaux neuronaux artificiels (RNA) pour résoudre le problème. L'écoulement de puissance étant une application en temps réel, nous avons vu un certain intérêt de profiter de la vitesse des RNA par rapport aux méthodes conventionnelles. Le choix est opté pour le perceptron multicouche (PMC), étant une classe des RNA à propagation directe entraîné par la méthode de descente de gradient, pour calculer les paramètres d'amplitudes et phase de tensions aux noeuds d'un réseau électrique. La méthodologie du PMC a été élaborée et testée avec succès sur différents modèles de réseaux standard (5 noeuds, 14 noeuds) et en la comparant aux méthodes conventionnelles.
Andere Kunden interessierten sich für
