دانلود پایان نامه بررسی نامتعادلی بار در شبکه توزیع و روشهای کاهش آن

اختصاصی از حامی فایل دانلود پایان نامه بررسی نامتعادلی بار در شبکه توزیع و روشهای کاهش آن دانلود با لینک مستقیم و پر سرعت .

پیشگفتار

موضوع کلی این گزارش , بررسی نامتعادلی با رواثر آن در تلفات شبکه توزیع می‌باشد که شامل دو فصل می‌باشد بدین ترتیب که در فصل اول اثر عدم تعادل بار در افزایش تلفات شبکه توزیع بوده و به طور کلی مربوط به مطالعات اولیه می‌باشد تا دید کلی از هدف گزارش بدست آید. فصل دوم به بررسی روشهای کاهش تلفات نامتعادلی بار اختصاص دارد. فصل اول شامل دو بخش است که بخش نخست اثر عدم تعادل بار در افزایش تلفات در شبکه فشار ضعیف می‌باشد که به طور کلی به بررسی عدم تعادل بار در شبکه فشار ضعیف می‌پردازد و مقدار تلفات ناشی از آن محاسبه نمودخ و درصد آنرا نسبت به تلفات شبکه سراسری بیان می‌دارد. بدین وسیله به ارزش بررسی و تحقیق در این مورد پی برده می‌شود. در بخش بعدی اثر عدم تعادل بار در افزایش تلفات ترانسفورماتورهای توزیع مورد بحث و بررسی قرار گرفته است. از آنجائیکه ترانسفورماتورها مقداری تلفات نامتعادلی به علت غیر یکسانی مشخصات الکتریکی سیم پیچی ها دارند , همچنین به عنوان یک واسط سبب انتقال نامتعادلی فشار ضعیف به سمت فشار متوسط می‌شوند , لذا توجه به آن از اهمیت بسزایی برخوردار است. در این بخش در مورد انواع اتصالات ترانسها بحث شده است و میزان تلفات نامتعادلی در دون ترانس YZ و  که بیشتر از همه در شبکه توزیع بکار می‌روند , محاسبه شده است. فصل دوم شامل دو بخش می‌باشد. در بخش اول الگوریتمی جهت تقسیم مناسب انشعابها بین فازها در شبکه فشار ضعیف ارائه شده است تا با متعادل کردن فازها تا حد امکان از تلفات ناشی از نا متعادلی بار کاسته شود. همچنین این الگوریتم قادر است تا شبکه موجود را به شکل بهینه تغییر شکل دهد تا تلفات نامتعادلی آن به حداقل برسد.

در بخش دوم به بررسی امکان افزایش سطح مقطع نول به منظور کاهش مقاومت نول و به تبع آن کاهش تلفات نول پرداخته شده است. همانطور که از فصل اول نتیجه گرفته شده است تلفات نول حدود سه برابر تلفات نا متعادلی بار در فازها می‌باشد , لذا نیاز به توجه و رسیدگی دارد. بخصوص در خطوط با بار زیاد اهمیت تعویض کابل‌های نول با سطح مقطع بالاتر به خوبی احساس می‌شود.

سیستم زمین کامل علاوه بر این که نقش مهمی در حفاظت شبکه توزیع دارد , تا حدی زیاد از مقاومت نول نیز می‌کاهد. بخش سوم به این موضوع اختصاص دارد بدین ترتیب که با احداث زمینهای متوالی تا حد زیادی از مقاومت نول کاسته شده و به تبع آن تلفات نول و تلفات نامتعادلی کاهش می‌یابد. لذا در این بخش با ارائه نمودارها و محاسبات به امکان احداث زمینهای متوالی پرداخته شده است.

111 صفحه فایل ورد قابل ویرایش

فهرست مطالب

فصل اول : اثر عدم تعادل بار در افزایش تلفات شبکه توزیع

1-1-اثر عدم تعادل بار در افزایش تلفات شبکه فشار ضعیف

1-1-1-تبعات نامتعادلی بار

1-1-2-شبکه فشار ضعیف

   1-1-2-1- عدم تساوی بار فازها[2

1-1-3- اضافه تلفات ناشی از جریان دار شدن سیم نول[4

1-1-4-رسم نمودار چگونگی‌رابطه‌ بین افزایش عبور جریان از سیم نول و میزان 

تلفات در شبکه (بار کاملاً اکتیو)[3]

1-1-5-شرایط لازم برای تعادل شبکه علاوه بر یکسان نمودن بار فازها

1-2- اثر نامتعادلی بار در افزایش تلفات ترانسفورماتورهای توزیع

1-2-1-عملکرد نا متعادل ترانسفورماتورهای سه فاز[6

1-2-2-بارهای تکفاز روی ترانسفورماتورهای سه فاز

1-2-3-بار تکفاز خط به خنثی در ترانسفورماتورهای سه فاز

1-2-4-بررسی تلفات نامتعادلی در ترانسهای توزیع

1-2-5-ارائه پیشنهاد جهت کم کردن تلفات نامتعادلی در ترانسفورماتورهای توزیع

فصل دوم : بررسی روش‌های کاهش تلفات ناشی از نامتعادلی بار

2-1- ارائه الگوریتم جهت تعادل بار فازها 

2-1-1- اساس روش 

2-1-2-تعیین آرایش بهینه شبکه 

2-1-3-تخصیص انشعاب جدید بودن تغییر آرایش شبکه

2-1-4-تخصیص انشعاب جدید به شبکه بهینه شده  

2-1-5-ارائه الگوریتم

2-2- امکان سنجی افزایش سطح مقطع نول 

2-2-1- امکان سنجی افزایش سطح مقطع نول در خطوط با بار سبک

2-2-2-امکان سنجی افزایش سطح مقطع در خطوط با بار متوسط 

2-2-4-امکان سنجی افزایس سطح مقطع نول در خطوط با شعاع تغذیه طولانی

2-2-5- نتیجه گیری

2-3- سیستم زمین و اثر آن در کاهش تلفات شبکه توزیع

2-3-1- تلفات در سیستم نول [1

2-3-2- کاهش تلفات در سیم نول 

2-3-3-کاهش افت ولتاژ در سیم نول 

2-3-4- اثر زمین نول در محل مصرف 

2-3-5- زمین کردن شبکه توزیع

2-3-6-مقاومت سیم اتصال زمین و مقاومت زمین[9

     2-3-6-1- مدل خط توزیع

     2-3-6-2- اثر نامتعادلی فازها بر روی تلفات با توجه به سیستم زمین

     2-3-6-3-حساسیت تلفات نسبت به مقاومت اتصال به زمین 

     2-3-6-4- جنبه اقتصادی خطا در تلفات

     2-3-6-5- مقایسه هزینه ایجاد سیستم زمین و صرفه جوئی ناشی از کاهش تلفات پیک

     2-3-6-6- اثرات جریان عبوری از سیستم زمین

مراجع 

مقاله سیستم های مبتنی بر شبکه عصبی

اختصاصی از حامی فایل مقاله سیستم های مبتنی بر شبکه عصبی دانلود با لینک مستقیم و پر سرعت .

 

 

سیستم های مبتنی بر شبکه عصبی

قالب گزارش : (word) قابل ویرایش است

شرح مختصر :  شبکه‌های عصبی مصنوعی Artificial Neural Network – ANN)  ) یا به زبان ساده‌تر شبکه‌های عصبی سیستم‌ها و روش‌های محاسباتی نوینی هستند برای یادگیری ماشینی، نمایش دانش، و در انتها اعمال دانش به دست آمده در جهت بیش‌بینی پاسخ‌های خروجی از سامانه‌های پیچیده. ایده اصلی این گونه شبکه‌ها (تا حدودی) الهام‌گرفته از شیوه کارکرد سیستم عصبی زیستی، برای پردازش داده‌ها، و اطلاعات به منظور یادگیری و ایجاد دانش قرار دارد. عنصر کلیدی این ایده، ایجاد ساختارهایی جدید برای سامانه پردازش اطلاعات است. این سیستم از شمار زیادی عناصر پردازشی فوق العاده بهم‌پیوسته با نام نورون تشکیل شده که برای حل یک مسأله با هم هماهنگ عمل می‌کنند و توسط سیناپس‎ها(ارتباطات الکترومغناطیسی) اطلاعات را منتقل می‎کنند. در این شبکه‌ها اگر یک سلول آسیب ببیند بقیه سلول‎ها می‌توانند نبود آنرا جبران کرده، و نیز در بازسازی آن سهیم باشند. این شبکه‌ها قادر به یادگیری‎اند. مثلا با اعمال سوزش به سلول‎های عصبی لامسه، سلول‎ها یاد می‌گیرند که به طرف جسم داغ نروند و با این الگوریتم سیستم می‌آموزد که خطای خود را اصلاح کند. یادگیری در این سیستم‎ها به صورت تطبیقی صورت می‌گیرد، یعنی با استفاده ازمثال‎ها وزن سیناپس‎ها به گونه‌ای تغییر می‌کند که در صورت دادن ورودی‎های جدید، سیستم پاسخ درستی تولید کند. توافق دقیقی بر تعریف شبکه عصبی در میان محققان وجود ندارد؛ اما اغلب آنها موافقند که شبکه عصبی شامل شبکه‎ای از عناصر پردازش ساده (نورونها) است، که می‌تواند رفتار پیچیده کلی تعیین شده‎ای از ارتباط بین عناصر پردازش و پارامترهای عنصر را نمایش دهد. منبع اصلی و الهام بخش برای این تکنیک، از آزمایش سیستم مرکزی عصبی و نورونها (آکسون‎ها، شاخه‌های متعدد سلولهای عصبی و محلهای تماس دو عصب)نشأت گرفته‌است، که یکی از قابل توجه‎ترین عناصر پردازش اطلاعات سیستم عصبی را تشکیل می‎دهد. در یک مدل شبکه عصبی، گره‎های ساده (بطور گسترده نورون، نئورونها، “PE” ها (عناصر پردازش) یا واحدها) برای تشکیل شبکه‎ای از گره‎ها، به هم متصل شده اند،به همین دلیل به آن، اصطلاح”شبکه‎های عصبی” اطلاق می‎شود. در حالی که یک شبکه عصبی نباید به خودی خود سازگارپذیر باشد، استفاده عملی از آن بواسطه الگوریتمهایی امکان پذیر است، که جهت تغییر وزن ارتباطات در شبکه (به منظور تولید سیگنال موردنظر) طراحی شده باشد. با استفاده از دانش برنامه‌نویسی رایانه می‌توان ساختار داده‌ای طراحی کرد که همانند یک نرون عمل نماید. سپس با ایجاد شبکه‌ای از این نورون‌های مصنوعی به هم پیوسته، ایجاد یک الگوریتم آموزشی برای شبکه و اعمال این الگوریتم به شبکه آن را آموزش داد. این شبکه‌ها برای تخمین (Estimation) و تقریب (Approximation)کارایی بسیار بالایی از خود نشان داده‌اند. گستره کاربرد این مدل‌های ریاضی بر گرفته از عملکرد مغز انسان، بسیار وسیع می‌باشد که به عنوان چند نمونه کوچک می‌توان استفاده از این ابزار ریاضی در پردازش سیگنال‌های بیولوییکی، مخابراتی و الکترونیکی تا کمک در نجوم و فضا نوردی را نام برد.
فهرست :  

مقدمه ای بر شبکه‌های عصبی مصنوعی

تاریخچه شبکه‌های عصبی مصنوعی

شبکه عصبی چیست؟

شبکه  عصبی چه قابلیتهائی دارد؟

الهام از طبیعت

شبکه های عصبی در مقایسه با کامپیوترهای سنتی

مسائل مناسب برای یادگیری شبکه های عصبی

پرسپترون

الگوریتم یادگیری پرسپترون

الگوریتم gradient descent

مشکلات روش gradient descent

تقریب افزایشی gradient descent

الگوریتم  Back propagation

قدرت نمایش توابع

انواع آموزش شبکه

برخی زمینه های شبکه های عصبی

سبکهای معماری شبکه‌های عصبی

قواعد یادگیری در شبکه‌های عصبی

آموزش شبکه‌های عصبی

آموزش unsupervised یا تطبیقی (Adaptive)

تفاوت‌های شبکه‌های عصبی با روش‌های محاسباتی متداول و سیستم‌های خبره

انواع یادگیری برای شبکه های عصبی

یادگیری با ناظر

یادگیری تشدیدی

یادگیری بدون ناظر

معایب شبکه های عصبی

مزیتهای شبکه های عصبی

سیستم خبره

سیستم خبره چیست؟

ساختار یک سیستم خبره‌

استفاده از  منطق فازی

مزایا و محدودیت‌های سیستم‌های خبره

کاربرد سیستم‌های خبره‌

چند سیستم خبره مشهور

مروری بر کاربردهای تجاری

بازاریابی

بانکداری و حوزه های مالی

پیش بینی

سایر حوزه های تجاری

کاربرد مدلهای شبکه عصبی در پیش‌بینی ورشکستگی اقتصادی شرکتهای بازار بورس

کاربرد مدل‌ شبکه عصبی در پیش‌بینی ورشکستگی شرکتهای بازار بورس

تبیین مفهوم ورشکستگی

متغیرهای مدل تحقیق

اطلاعات شرکتهای نمونه تحقیق

تعیین ‌مدل شبکه عصبی سه لایه برای پیش‌بینی ورشکستگی شرکتها

تعیین مدل بهینه شبکه عصبی چهار لایه برای پیش‌بینی ورشکستگی شرکتها

مقایسه مدلهای شبکه عصبی سه و چهار لایه برای پیش‌بینی ورشکستگی اقتصادی

پیش‌بینی ورشکستگی اقتصادی شرکتها در سالهای  و

روند ورشکستگی اقتصادی شرکتهای بازار بورس در دوره ـ

جمع‌بندی و نتیجه‌گیری

منابع

1. دو‌فصلنامه علمی ـ پژوهشی - سال سوم ـ شماره ششم ـ پاییز و زمستان 1385 - صاحب امتیاز‌: پژوهشگاه حوزه و دانشگاه - مدیر مسؤل: علیرضا اعرافی- سردبیر: سید ‌هادی عربی
2. آذر،عادل و منصور مومنی.(1380).آمار و کاربرد آن در مدیریت.جلد دوم،انتشارات‌ سمت،چاپ ششم.
3. آر.بی‌و تی.جکسون.(1383).آشنایی با شبکه‌های عصبی،ترجمه دکتر محمود البرزی،تهران:انتشارات علمی دانشگاه صنعتی شریف،چاپ دوم.
4. البرزی،محمود،حسین عبده تبریزی.(1375).مدلهای شبکه عصبی و کاربرد آن در مدیریت مالی،دانشگاه شهید بهشتی،اولین سمینار مدیریت مالی.
5. 4-پناهیان،حسین.(1379).استفاده از شبکه‌های عصبی برای پیش‌بینی روند شاخص قیمت‌ سهام در بورس اوراق بهادار تهران،رساله دکتری مدیریت،دانشگاه آزاد اسلامی‌ واحد علوم و تحقیقات.
6. چاوشی،کاظم.(1380).بررسی رفتار قیمت سهام در بورس اوراق بهادار تهران،پایان‌ نامه کارشناسی ارشد،دانشگاه امام صادق(ع).
7. خاکی صدیق،علی.(1383).ارزیابی روشهای پیش‌بینی قیمت سهام و ارائه مدل بهینه، پژوهشکده پولی و بانکی.بانک مرکزی ج.ا.ا،چاپ اول.
8. رایلی،فرانک‌کی،کیت‌سی براون.(1384).تجزیه و تحلیل سرمایه‌گذاری و مدیریت‌ سبد اوراق بهادار،ترجمه غلامرضا اسلامی بیدگلی،فرشاد هیبتی،فریدون رهنمای‌ رودپشتی،پژوهشکده امور اقتصادی،چاپ اول.
9. راعی،رضا،احمد تلنگی.(1383).مدیریت سرمایه‌گذاری پیشرفته،انتشارات سمت، چاپ اول.
10. سلامی،امیر بهداد.(1381).آزمون روند آشوبی در بازده سهام بازار اوراق بهادار، پژوهشنامه اقتصادی،شماره 5.
11. طلوعی اشلقی،عباس،شادی حق‌دوست.(1386).مدل‌سازی پیش‌بینی قیمت سهام‌ با استفاده از شبکه عصبی و مقایسه آن با روش‌های پیش‌بینی ریاضی،پژوهشنامه‌ اقتصادی.
12. گجراتی،دامودار.(1383).مبانی اقتصادسنجی،ترجمه حمید ابریشمی،انتشارات‌ دانشگاه تهران،جلد اول و دوم،چاپ چهارم.

گزارش فوق در44 صفحه تهیه شده است

بعد از هر خرید منتظر هدایای ما باشید

نظرات

تحقیق درباره تبدیل حرف به صدا در زبان فارسی به کمک شبکه های عصبی

اختصاصی از حامی فایل تحقیق درباره تبدیل حرف به صدا در زبان فارسی به کمک شبکه های عصبی دانلود با لینک مستقیم و پر سرعت .

فرمت فایل :word (قابل ویرایش) تعداد صفحات : 34 صفحه

چکیده :

ساخت سیستم های اتوماتیک تبدیل حرف به صدا برای استفاده در سیستم های تبدیل متن به گفتار در زبان فارسی، به دلیل عدم استفاده از اعراب در نوشتار و در نتیجه مستوربودن بعضی از واژه ها مشکل می باشد و عموماً این سیستم ها برای زبان فارسی کارآیی پایینی دارند . در این مقاله ساختار یک سیستم تبدیل حرف به صدا با معماری سه لایه بررسی شده است. لایه اول این سیستم قانون گرا می باشد و لایه دوم از پنج شبکه عصبی پرسپترون چندلایه ای و یک بخش کنترلر برای تعیین دنباله واژه های متناظر با حروف تشکیل شده است. برای تعیین دنباله واژه های متناظر با حروف، از شبکه های عصبی استفاده می شود. بخش کنترلر نیز، خروجی شبکه ها را کنترل می کند تا دنباله واژه های نهایی متناظر با کلمات با ساختار هجابندی فارسی مطابقت داشته باشد.در لایه سوم نیز یک شبکه عصبی برای تعیین حروف مشدد، با استفاده از نتایج مراحل قبل وجود دارد. اجزاء مختلف این سیستم به گونه ای طراحی شده اند که در نهایت برای هر کلمه، یک دنباله واژه منطقی تولید گردد منظور از دنباله واژه منطقی، دنباله واژه می باشد که در آن اصول بدیهی واژه نگاری و ساختار هجابندی زبان فارسی رعایت شده باشد. میزان درستی به دست آمده برای حروف 88 % و برای کلمات %61 می باشد که برای تبدیل حرف به صدای زبان فارسی کارآی بسیارخوبی می باشد.

کلید واژه: تبدیل حرف به صدا، شبکه عصبی پرسپترون چندلایه، الگوریت مترازبندی حرف صدا، زبان فارسی.

1 - مقدمه:

یکی از بخش های اصلی سیستم های تبدیل متن به گفتار، تعیین طرز خواندن کلمات یا دنباله واژه آنها می باشد. این سیستم ها عموماً از یک واژگان یا دادگان لغت برای استخراج دنباله واژه کلمات استفاده می کنند. این روش نیاز به حافظه زیادی دارد ولی به دلیل قابلیت اطمینان بالای آن نسبت به روش های دیگرترجیح داده می شود. ولی جمع آوری تمامی لغات یک زبان همچون اسامی خاص، کلمات وارداتی از زبا ن های دیگر در یک واژگان از نظر عملی غیر ممکن می باشد. بنابراین این سیستم ها در کنار واژگان، از یک سیستم تبدیل حرف به صدا برای حدس زدن دنباله واژه کلمات ناموجود در واژگان استفاده می کنند .

[ 1] البته نا م های دیگری و یا نگاشت (GPC)[1] نیز برای این سیستم همچون مبدل نویسه به واژه متن به واژه[2] 2 انتخاب شده است.

[ 2]سیستم های تبدیل حرف به صدا بسته به زبان مورد نظر می توانند به طور ساده قانون گرا و یا از الگوریتم های هوشمند یادگیری ماشینی و یا روش های آماری بهره ببرند. این سیستم ها قابلیت اطمینان بالایی ندارند ولی امکان تحت پوشش قراردادن تمامی لغات ممکن برای یک زبان را دارند و همچنین حافظه کمی نیز مصرف می کنند. به طور کلی میزان دقت سیستم های تبدیل حرف به صدا وابسته به زبان می باشد. به طور مثال در زبان اسپانیایی، املای کلمات خود طرز خواندن آنها را مشخص می نماید. در بعضی از زبان های دیگر همچون انگلیسی ابهام بیشتری وجود دارد. برای این زبان ها، به صورت قانون گرا سیستم هایی با کارآیی مناسب می توان ساخت، ولی در بعضی از زبان های به /a, e, o/ دیگر همچون عربی و فارسی به دلیل نمایش واژه های صورت اعراب و عدم اعراب گذاری متون هنگام نگارش، طراحی این سیستم ها دشوار و عموماً کارآیی این سیستم ها پایین می باشد. طراحی سیستم های تبدیل حرف به صدا برای این زبا نها، نیازمند استفاده از مدل های هوشمند یادگیری ماشینی می باشد. در این حالت به طور ساده، مدل ها برای تعیین دنباله واژه یک کلمه، تک تک حروف آنها را به همراه یک سری ویژگی ها به عنوان ورودی پذیرفته و دنباله واژه هر حرف را به عنوان خروجی تولید می نمایند در انتها دنباله واژه کلمه، با ترکیب دنباله های واژه به دست آمده برای هر حرف آن به دست می آید. ویژگی های ورودی عموماً در بیشتر سیستم ها مشابه و حروف موجود در یک همسایگی از حرف اصلی در نظر گرفته می شود. هر چند ویژگی های دیگری همچون طول کلمه، موقعیت حرف در کلمه و مانند آن را نیزمی توان در نظر گرفت. نحوه کدکردن حروف و ارائه آنها به مدل به عنوان ورودی، از جمله پارامترهای مهم و تأثیرگذار در کارآیی این مدل ها می باشد. برای ارزیابی سیستم های حرف به صدا از دو معیار میزان درستی حروف و میزان درستی کلمات [3] استفاده می شود. میزان درستی حروف برابر با درصد حروفی از مجموعه تست هستند که معادل واژه آنها توسط سیستم حرف به صدا درست تعیین شده باشد. همچنین معیار میزان درستی کلمات نیز مشخص کننده درصد کلماتی هستند که دنباله واژه تمامی حروف آنها به درستی پیشگویی شده باشد

[1] . Grapheme to Phoneme Conversion

[2] . Text to Phoneme Mapping

[3] . Correct Letters and Correct Words Measure

پاورپوینت زیبای آموزش شبکه های عصبی و هوش مصنوعی

اختصاصی از حامی فایل پاورپوینت زیبای آموزش شبکه های عصبی و هوش مصنوعی دانلود با لینک مستقیم و پر سرعت .

دانلود کتاب شبکه های پیشرفته بی سیم-تکنولوژی نسل چهارم

اختصاصی از حامی فایل دانلود کتاب شبکه های پیشرفته بی سیم-تکنولوژی نسل چهارم دانلود با لینک مستقیم و پر سرعت .

Advanced Wireless Networks: 4G Technologies

(Savo G. Glisic)

............................

زبان: انگلیسی

فرمت:PDF

تعداد صفحه: 886

..............

دانلود فهرست مطالب