| Titre : | Intelligent Neural Network-Based Fast Power System Harmonic Detection (2007) |
| Titre original : | Réseau Neurologique Intelligent Basé sur la Détection Rapide d'Harmonique de Système d'Alimentation |
| Auteurs : | Hsiung Cheng Lin, Auteur |
| Type de document : | Article : texte imprimé |
| Dans : | IEEE transactions on industrial electronics (Vol. 54 N°1, Fevrier 2007) |
| Article en page(s) : | 43-52 p. |
| Note générale : | Génie Electrique |
| Langues : | Anglais |
| Index. décimale : | 621 (Ingénierie mécanique en général. Technologie nucléaire. Ingénierie électrique. Machinerie) |
| Tags : | Artificial neural network Discrete Fourier transform Fast Power system harmonic Total distortion.Réseau neurologique artificiel Transformée discrète de rapide Harmonique système d'alimentation Déformation harmonique totale. |
| Résumé : |
Nowadays, harmonic distortion in power systems is attracting significant attention. Traditional technical tools for harmonic distortion analysis using either fast Fourier transform or discrete Fourier transform are, however, susceptible to the presence of noise in the distorted signals. Harmonic detection by using Fourier transformation also requires input data for more than one cycle of the current waveform and requires time for the analysis in the next coming cycle. In this paper, an alternative method using neural network algorithm has achieved satisfactory results for fast and precise harmonic detection in noisy environments by providing only 1/2 cycle sampled values of distorted waveforms to neural network. Sensitivity considerations are conducted to determine the key factors affecting the performance efficiency of the proposed model to reach the lowest errors of testing patterns.
De nos jours, la déformation harmonique dans des systèmes d'alimentation attire une attention significative. Les outils techniques traditionnels pour l'analyse de déformation harmonique en utilisant la transformée de Fourier rapide ou la transformée de Fourier discrète sont, cependant, susceptibles de la présence du bruit dans les signaux tordus. La détection harmonique en employant la transformation de Fourier également exige des données d'entrée pour plus d'un cycle de la forme d'onde courante et a besoin de l'heure pour l'analyse dans le prochain prochain cycle. En cet article, une méthode alternative employant l'algorithme de réseau neurologique a réalisé des résultats satisfaisants pour la détection harmonique rapide et précise dans les environnements bruyants en fournissant des valeurs prélevées par cycle seulement de 1/2 des formes d'onde tordues au réseau neurologique. Des considérations de sensibilité sont conduites pour déterminer les facteurs principaux affectant l'efficacité d'exécution du modèle proposé pour atteindre les plus basses erreurs des cartes-test. |
| DEWEY : | 621 |
| ISSN : | 0278-0046 |
| En ligne : | hclin@cc.ctu.edu.tw |
