Naslov
Nadomjesni model elektroenergetskog sustava zasnovan na neuronskim mrežama
(The Power System Equivalent Model based on Neural Networks)

Autori
Pavić, Ivica

Vrsta, podvrsta i kategorija rada
Ocjenski radovi, doktorska disertacija

Fakultet
Fakultet elektrotehnike i računarstva

Mjesto
Zagreb

Datum
23.12

Godina
1999

Stranica
86

Mentor
Hebel, Zdravko

Ključne riječi
nadomjesni model vanjske mreže; proračun tokova snaga; analiza sigurnosti; višeslojna neuronska mreža; postupak učenja; algoritam učenja s povratnim prostiranjem izlazne pogreške
(External network equivalent; Load flow analysis; Contingency analysis; Multilayer neural network; Learning process; Backpropagation algorithm)

Sažetak
U predmetnom je radu opisana metodologija određivanja nadomjesnog modela vanjske mreže zasnovana na neuronskim mrežama. Budući da je primjena nadomjesnih modela najčešća u modeliranju vanjske mreže za potrebe proračuna tokova snaga i analizu sigurnosti, navedena se metodologija bavi upravo određivanjem takvog nadomjesnog modela. Opisani postupak zasnovan je na procesu učenja neuronske mreže na unaprijed zadanom skupu primjera za učenje, formiranom na temelju uklopnih i pogonskih stanja vanjske mreže bitnih za određivanje realnog odziva vanjske mreže na eventualne promjene u unutarnjoj mreži. Algoritam, korišten za učenje neuronske mreže, poznat je u literaturi pod nazivom “algoritam s povratnim prostriranjem izlazne pogreške” (backpropagation algorithm). U procesu odlučivanja neuronska je mreža u stanju trenutno dati odziv, tj. iz mjerenja u unutarnjoj mreži moguće je procijeniti stanje vanjske mreže na temelju spremljenih težinskih faktora prethodno “naučene neuronske mreže”. Za razliku od klasičnih postupaka ekvivalentiranja vanjske mreže, u kojima su za ispravno modeliranje vanjske mreže neophodni podaci o uklopnom i pogonskom stanju vanjske mreže, u ovoj se metodologiji ta stanja “prepoznaju” na temelju mjerenja u unutarnjoj mreži. Testiranjem rezultata na elektroenergetskoj mreži IEEE-24 čvorišta dobiveni su zadovoljavajući rezultati za test primjere na kojima nije provedeno učenje neuronske mreže, a koji su slučajnim izborom “izvučeni” iz skupa primjera za učenje. Isto tako pokazuje se da neuronska mreža daje dosta dobre rezultate i u slučaju sasvim “novih” primjera koji uopće nisu bili korišteni u fazi učenja neuronske mreže.

Izvorni jezik
Hrvatski

Znanstvena područja
Elektrotehnika

POVEZANOST RADA