ارزیابی شبکه های عصبی انعطاف پذیر باساختار قابل بازسازی در حین آموزش جهت تخمین هارمونیکهای جریان استاتور ژنراتور آسک نیروگاه ری بر اساس الگوریتم CFE/SS

یکی از روشهای تشخیص خطای ژنراتور در حین کار، آنالیز هارمونیکهای جریان استاتور می‌باشد. در این مقاله از شبکه‌های عصبی انعطاف‌پذیر با قابلیت بازسازی خود در حین آموزش برای تعیین هارمونیکهای جریان استاتور ژنراتور، در بارهای مختلف استفاده شده است. داده‌های آموزش دهنده شبکه عصبی با استفاده از مدل سازی ژنراتور و استفاده از روش المان محدود (fe) و فضای حالت (ss)، در نقاط مختلف بار روی منحنی بهره برداری ژنراتور برای سه سطح مختلف ولتاژ پایانه به دست آمده است. شبکه عصبی که با استفاده از این داده ها آموزش داده شده است، یک شبکه پرسپترون با یک لایه پنهان و با قانون یادگیری پس انتشار خطا می باشد. نتایج نشان می دهد که شبکه عصبی انعطاف‌پذیر آموزش داده شده با خطای کمتر از ده درصد می‌تواند هارمونیکهای جریان را برای نقاط بار دلخواه روی منحنی بهره‌برداری، نسبت به نتایج حاصل از الگوریتم cfe-ss به دست آورد. پارامترهای نامی ژنراتور آسک عبارتند از: 43950 کیلو ولت آمپر، 11 کیلو ولت، 3000 رادیان بر دقیقه، 50 هرتز و ضریب توان 0.8.