ترجمه مقاله Investigating the use of probability distribution functions in reliability-worth analysis of electric power systems
ترجمه مقاله Investigating the use of probability distribution functions in reliability-worth analysis of electric power systems از سایت تخصصی ایمتلب (Ematlab) دانلود کنید.
قیمت : ۱۸۰,۰۰۰ ریال شناسه محصول : ۲۰۰۱۸۸ کلمه عبور همه فایلها : www.ematlab.com
| دانلود رایگان مقاله انگلسی |
عنوان فارسي بررسی استفاده از توابع توزیع احتمال در تجزیه و تحلیل ارزش قابلیت اطمینان سیستمهای قدرت
چکیده
استفاده از توابع توزیع احتمال برای توصیف پارامترهای وروردی ارزش قابلیت اطمینان، در مقایسه با کاربرد مقادیر میانگین نسبتا جدید است. شاخصهای ارزش قابلیت اطمینان سیستمهای قدرت، اکثرا بصورت مقادیر میانگین محاسبه شده اند و حاوی اطلاعات اندکی در مورد خطر سیستم می باشند. در این مقاله تابع توزیع احتمال بتا برای مدل کردن هزینه وقفه (قطعی برق) وابسته به زمان مشتری، به عنوان پارامتر ورودی تجزیه و تحلیل ارزش قابلیت اطمینان سیستم قدرت بکار رفته است. در آنالیز از روش شبیه سازی مونت کارلو ترتیب زمانی که می تواند پارامترهای ورودی وابسته به زمان را بکار برد، استفاده شده است. نتایج نشان می دهند هنگامیکه توزیعهای احتمال برای توصیف پارامترهای ورودی و خروجی ارزش قابلیت اطمینان مورد استفاده قرار بگیرند، اطلاعات بیشتری از شاخصهای ارزش قابلیت اطمینان بدست می آید.
۱- مقدمه
سیستمهای قدرت شامل بخشهای تولید، انتقال و توزیع، در معرض اتفاقات جانبی بسیاری مانند حوادثات، خرابی تصادفی اجزا و شرایط آب و هوایی می باشند که این عوامل موجب وقفه هایی در سیستم می شود. این نوع حوادث خارج از حیطه کنترل شرکتهای ارائه دهنده سرویس می باشند، اما می تواند هنگام تصمیم گیری سطح قابلیت اطمینان تغذیهای که سیستم باید در آن عمل کند، مد نظر قرار بگیرد. برای بررسی هزینه های سرمایه گذاری مربوط به سطح قابلیت اطمینان تغذیه، تعیین کمیت قابلیت اطمینان از لحاظ مالی بسیار ضروری می باشد.
كلمات كليدي: مشتریان کسب و کار,هزینه های وقفه مشتری,عملکرد توزیع احتمالی,قابلیت اطمینان ارزش.
عنوان انگليسي : Fuzzy Predictive DTC of Induction Machines with educed Torque Ripple and High Performance Operation
Abstract
This paper proposes an enhanced strategy for Direct Torque Control (DTC) combining artificial intelligent
(AI) and predictive algorithms. The advantages of this merge are in the solution of closed-loop controlled induction
machine (IM) problems. Predictive DTC (P-DTC) methods reduce the high torque ripple and improve the
performance at both starting condition and low mechanical speed operation. However, P-DTC depends on the IM
parameter’s knowledge. The approach here is the introduction of fuzzy logic control (FLC) with dynamic rules based
on the predictive DTC law’s to reduce the parameter dependency and improve the performance of P-DPC. Additional
comparative performance study of eight modulation strategies under the proposed Fuzzy Predictive DTC (FP-DTC)
is conducted. It results that the space-vector modulation (SVM) is the most suitable scheme with the best combination
of criteria such stator current THD, switching losses and dynamic behavior. The parameter dependency of the FP-
DTC is tested by a sensitivity analysis which provides the robustness of the proposed control. For verification
purposes, simulations of the DTC, P-DTC and FP-DTC were conducted and compared. Experimental results for the
three controllers and two modulations (PWM and SVM) confirm the expected performance of the proposed control
algorithm and modulation assessment study.
Keywords: Direct torque control, fuzzy logic, induction machines, modulation strategies, predictive control.
دیدگاه ها