Abstract: this paper proposes an ar

Abstract: this paper proposes an artificial neural network (ANN) based feeder loss calculation model for distribution system analysis. In this paper, the functional-link network architecture to derive the various loss calculation models for feeders with different configuration. Such artificial neural network is a feedforward network that uses standard back-propagation algorithm to adjust weights on the connection part between any two processing elements (PEs). Feeder daily load curve on each season are derived by field test data. Three-phases load flow program is executed to create the training sets with exact loss calculation results. A sensitivity analysis is executed to determine the key factors included power factor, feeder loading, primary conductors, secondary conductors, and transformer capacity as the variables for components located at input layer.

ผลลัพธ์ (ไทย) 1:

บทคัดย่อ: บทความนี้เสนอเป็นข่ายประสาทเทียม (แอน) ตามรูปแบบการคำนวณขาดทุนป้อนสำหรับการวิเคราะห์ระบบการกระจาย ในกระดาษนี้ การทำงานเชื่อมโยงเครือข่ายสถาปัตยกรรมที่สืบทอดมารุ่นคำนวณขาดทุนต่าง ๆ สำหรับอุปกรณ์ให้อาหารกับการกำหนดค่าที่แตกต่างกัน โครงข่ายประสาทเทียมดังกล่าวเป็นเครือข่ายเสียงที่ใช้อัลกอริทึมหลังการเผยแพร่มาตรฐานการปรับน้ำหนักในส่วนของการเชื่อมต่อระหว่างองค์ประกอบต่าง ๆ ประมวลผลใด ๆ สอง (PEs) ป้อนเส้นโค้งโหลดประจำวันในแต่ละฤดูกาลจะได้มาจากฟิลด์ข้อมูลทดสอบ สามขั้นตอนโหลดขั้นตอนโปรแกรมจะดำเนินการเพื่อสร้างชุดฝึกอบรมที่แน่นอนขาดทุนผลการคำนวณ การวิเคราะห์ความไวจะดำเนินการกำหนดปัจจัยสำคัญที่รวมปัจจัยพลังงาน ป้อนโหลด ตัวนำหลัก รองนำ และหม้อแปลงกำลังเป็นตัวแปรสำหรับคอมโพเนนต์ที่ตั้งอยู่ที่ชั้นขาเข้า

ผลลัพธ์ (ไทย) 2:

บทคัดย่อ: งานวิจัยนี้เสนอโครงข่ายประสาทเทียม (ANN) ตามรูปแบบการคำนวณการสูญเสียป้อนสำหรับการวิเคราะห์ระบบการจัดจำหน่าย ในบทความนี้สถาปัตยกรรมเครือข่ายการทำงานเชื่อมโยงให้ได้มาซึ่งรูปแบบการคำนวณการสูญเสียต่างๆสำหรับให้อาหารกับการกำหนดค่าที่แตกต่างกัน เครือข่ายประสาทเทียมดังกล่าวเป็นเครือข่ายคราทที่ใช้อัลกอริทึมกลับมาขยายพันธุ์มาตรฐานในการปรับน้ำหนักในส่วนของการเชื่อมต่อระหว่างสององค์ประกอบการประมวลผล (PEs) Feeder โหลดทุกวันโค้งในแต่ละฤดูกาลจะได้มาจากข้อมูลการทดสอบภาคสนาม สามขั้นตอนการไหลของโหลดโปรแกรมจะถูกดำเนินการในการสร้างชุดการฝึกอบรมที่มีผลการคำนวณการสูญเสียแน่นอน การวิเคราะห์ความไวจะถูกดำเนินการในการกำหนดปัจจัยสำคัญที่รวมปัจจัยอำนาจโหลดป้อนตัวนำหลักตัวนำรองและกำลังการผลิตหม้อแปลงไฟฟ้าเป็นตัวแปรสำหรับคอมโพเนนต์ตั้งอยู่ที่ชั้นการป้อน

ผลลัพธ์ (ไทย) 3:

บทคัดย่อ : กระดาษนี้นำเสนอโครงข่ายประสาทเทียม ( ANN ) ที่ใช้ป้อนการคำนวณการสูญเสียรูปแบบการวิเคราะห์ระบบการกระจายสินค้า ในกระดาษนี้ การทำงานเชื่อมโยงเครือข่ายสถาปัตยกรรมที่สืบทอดมาหลายรุ่น สำหรับการคำนวณการสูญเสียอาหารกับการตั้งค่าที่แตกต่างกัน เช่นโครงข่ายประสาทเทียมเป็นเครือข่ายที่ใช้ขั้นตอนวิธี back-propagation ไปข้างหน้าเพื่อปรับน้ำหนักมาตรฐานในการเชื่อมต่อใด ๆระหว่างสองส่วนการประมวลผลองค์ประกอบ ( PES ) ป้อนทุกวัน โหลด โค้งตามแต่ละฤดูกาลจะได้มาโดยข้อมูลจากการทดสอบภาคสนาม สามขั้นตอนของการโหลดโปรแกรมสร้างชุดการฝึกกับผลการคำนวณการสูญเสียแน่นอน การวิเคราะห์ความไวจะดำเนินการเพื่อตรวจสอบปัจจัยรวมปัจจัยพลังงานป้อนโหลดหลักตัวนําไฟฟ้าทุติยภูมิ และหม้อแปลงในฐานะตัวแปรองค์ประกอบ ตั้งอยู่ที่ชั้นใส่