دانلود مقاله ISI انگلیسی شماره 55264
ترجمه فارسی عنوان مقاله

یک شبکه عصبی جدید با الگوریتم یادگیری ساده برای تشخیص پدیده جزیره شدن سیستم های فتوولتائیک

عنوان انگلیسی
A novel neural network with simple learning algorithm for islanding phenomenon detection of photovoltaic systems
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی
55264 2011 9 صفحه PDF
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Expert Systems with Applications, Volume 38, Issue 10, 15 September 2011, Pages 12107–12115

ترجمه کلمات کلیدی
تشخیص هوشمند پدیده جزیره ای شدن؛ سیستم تولید برق فتوولتائیک (PV) ؛ فاصله فرمت - نظریه فرمت - شبکه های عصبی فرمت
کلمات کلیدی انگلیسی
Intelligent islanding phenomenon detection; Photovoltaic (PV) power generation system; Extension distance; Extension theory; Extension neural network (ENN)
پیش نمایش مقاله
پیش نمایش مقاله  یک شبکه عصبی جدید با الگوریتم یادگیری ساده برای تشخیص پدیده جزیره شدن سیستم های فتوولتائیک

چکیده انگلیسی

This study aimed to propose an intelligent islanding phenomenon detection method for a photovoltaic power generation system. First, a PSIM software package was employed to establish a simulation environment of a grid-connected photovoltaic (PV) power generation system. A 516W PV array system formed by Kyocera KC40T photovoltaic modules was used to complete the simulation of the islanding phenomenon detection method. The proposed islanding phenomenon detection technology was based on an extension neural network (ENN), which combined the extension distance of extension theory, as well as the learning, recalling, generalization and parallel computing characteristics of a neural network (NN). The proposed extension neural network was used to distinguish whether the trouble signals at the grid power end were power quality interference or actual islanding operations, in order that the islanding phenomenon detection system could cut off the load correctly and promptly when a real islanding operation occurs. Finally, the feasibility of the proposed intelligent islanding detection technology was verified through simulation results.