Documents disponibles écrits par cet auteur

A Unified Artificial Neural Network Architecture for Active Power Filters / Ould Abdeslam, Djaffar in IEEE transactions on industrial electronics, Vol. 54 N°1 (Fevrier 2007) 

Public ISBD [article]  in IEEE transactions on industrial electronics > Vol. 54 N°1 (Fevrier 2007) . - 61-76 p. Titre : A Unified Artificial Neural Network Architecture for Active Power Filters Titre original : Une Architecture Artificielle Unifiée de Réseau Neurologique pour les Filtres Actifs de Puissance Type de document : texte imprimé Auteurs : Ould Abdeslam, Djaffar, Auteur ; Patrice Wira, Auteur ; Jean Merckle Article en page(s) : 61-76 p. Note générale : Génie Electrique Langues : Anglais (eng) Mots-clés : Active  power  filter  Adaptive  control  Artificial  neural  networks  Harmonics  Selective  compensation  Three-phase  electric  system.Filtre  actif  de  puissance  Commande  adaptative  Réseaux  neurologiques  artificiels  Harmoniques  Compensation  sélective  Système  électrique  triphasé. Index. décimale : 621 Ingénierie mécanique en général. Technologie nucléaire. Ingénierie électrique. Machinerie Résumé : In this paper, an efficient and reliable neural active power filter (APF) to estimate and compensate for harmonic distortions from an AC line is proposed. The proposed filter is completely based on Adaline neural networks which are organized in different independent blocks. We introduce a neural method based on Adalines for the online extraction of the voltage components to recover a balanced and equilibrated voltage system, and three different methods for harmonic filtering. These three methods efficiently separate the fundamental harmonic from the distortion harmonics of the measured currents. According to either the Instantaneous Power Theory or to the Fourier series analysis of the currents, each of these methods are based on a specific decomposition. The original decomposition of the currents or of the powers then allows defining the architecture and the inputs of Adaline neural networks. Different learning schemes are then used to control the inverter to inject elaborated reference currents in the power system. Results obtained by simulation and their real-time validation in experiments are presented to compare the compensation methods. By their learning capabilities, artificial neural networks are able to take into account time-varying parameters, and thus appreciably improve the performance of traditional compensating methods. The effectiveness of the algorithms is demonstrated in their application to harmonics compensation in power systems. En cet article, on propose un filtre actif neural efficace et fiable de puissance (APF) pour estimer et compenser des déformations harmoniques d'une ligne à C.A. Le filtre proposé est complètement basé sur les réseaux neurologiques d'Adaline qui sont organisés dans différents blocs indépendants. Nous présentons une méthode neurale basée sur Adalines pour l'extraction en ligne des composants de tension pour récupérer un système équilibré et équilibré de tension, et trois méthodes différentes pour le filtrage harmonique. Ces trois méthodes séparent efficacement l'harmonique fondamental des harmoniques de déformation des courants mesurés. Selon la théorie instantanée de puissance ou à l'analyse de série de Fourier Des courants, chacune de ces méthodes est basée sur une décomposition spécifique. La décomposition originale des courants ou des puissances laisse alors définir l'architecture et les entrées des réseaux neurologiques d'Adaline. Différents arrangements de étude sont alors employés pour commander l'inverseur pour injecter les courants élaborés de référence dans le système d'alimentation. Des résultats obtenus par la simulation et leur validation en temps réel dans les expériences sont présentés pour comparer les méthodes de compensation. Par leurs possibilités de étude, les réseaux neurologiques artificiels peuvent tenir compte des paramètres temps-variables, et améliorent ainsi sensiblement l'exécution des méthodes compensatrices traditionnelles. L'efficacité des algorithmes est démontrée dans leur application à la compensation d'harmoniques dans des systèmes d'alimentation. DEWEY : 621 ISSN : 0278-0046 En ligne : djaffar.ould-abdeslem@uha.fr, patrice.wira@uha.fr, jean.merckle@uha.fr [article] A Unified Artificial Neural Network Architecture for Active Power Filters = Une Architecture Artificielle Unifiée de Réseau Neurologique pour les Filtres Actifs de Puissance [texte imprimé] / Ould Abdeslam, Djaffar, Auteur ; Patrice Wira, Auteur ; Jean Merckle . - 61-76 p. Génie Electrique Langues : Anglais (eng) in IEEE transactions on industrial electronics > Vol. 54 N°1 (Fevrier 2007) . - 61-76 p. Mots-clés : Active  power  filter  Adaptive  control  Artificial  neural  networks  Harmonics  Selective  compensation  Three-phase  electric  system.Filtre  actif  de  puissance  Commande  adaptative  Réseaux  neurologiques  artificiels  Harmoniques  Compensation  sélective  Système  électrique  triphasé. Index. décimale : 621 Ingénierie mécanique en général. Technologie nucléaire. Ingénierie électrique. Machinerie Résumé : In this paper, an efficient and reliable neural active power filter (APF) to estimate and compensate for harmonic distortions from an AC line is proposed. The proposed filter is completely based on Adaline neural networks which are organized in different independent blocks. We introduce a neural method based on Adalines for the online extraction of the voltage components to recover a balanced and equilibrated voltage system, and three different methods for harmonic filtering. These three methods efficiently separate the fundamental harmonic from the distortion harmonics of the measured currents. According to either the Instantaneous Power Theory or to the Fourier series analysis of the currents, each of these methods are based on a specific decomposition. The original decomposition of the currents or of the powers then allows defining the architecture and the inputs of Adaline neural networks. Different learning schemes are then used to control the inverter to inject elaborated reference currents in the power system. Results obtained by simulation and their real-time validation in experiments are presented to compare the compensation methods. By their learning capabilities, artificial neural networks are able to take into account time-varying parameters, and thus appreciably improve the performance of traditional compensating methods. The effectiveness of the algorithms is demonstrated in their application to harmonics compensation in power systems. En cet article, on propose un filtre actif neural efficace et fiable de puissance (APF) pour estimer et compenser des déformations harmoniques d'une ligne à C.A. Le filtre proposé est complètement basé sur les réseaux neurologiques d'Adaline qui sont organisés dans différents blocs indépendants. Nous présentons une méthode neurale basée sur Adalines pour l'extraction en ligne des composants de tension pour récupérer un système équilibré et équilibré de tension, et trois méthodes différentes pour le filtrage harmonique. Ces trois méthodes séparent efficacement l'harmonique fondamental des harmoniques de déformation des courants mesurés. Selon la théorie instantanée de puissance ou à l'analyse de série de Fourier Des courants, chacune de ces méthodes est basée sur une décomposition spécifique. La décomposition originale des courants ou des puissances laisse alors définir l'architecture et les entrées des réseaux neurologiques d'Adaline. Différents arrangements de étude sont alors employés pour commander l'inverseur pour injecter les courants élaborés de référence dans le système d'alimentation. Des résultats obtenus par la simulation et leur validation en temps réel dans les expériences sont présentés pour comparer les méthodes de compensation. Par leurs possibilités de étude, les réseaux neurologiques artificiels peuvent tenir compte des paramètres temps-variables, et améliorent ainsi sensiblement l'exécution des méthodes compensatrices traditionnelles. L'efficacité des algorithmes est démontrée dans leur application à la compensation d'harmoniques dans des systèmes d'alimentation. DEWEY : 621 ISSN : 0278-0046 En ligne : djaffar.ould-abdeslem@uha.fr, patrice.wira@uha.fr, jean.merckle@uha.fr