prikaz prve stranice dokumenta Detekcija otočnog pogona foto naponskih sustava metodama umjetne inteligencije
  Preuzmi
PDF 7.86 MB
disertacija
Detekcija otočnog pogona foto naponskih sustava metodama umjetne inteligencije
2019. urn:nbn:hr:200:505475
Mlakić, Dragan
Sveučilište Josipa Jurja Strossmayera u Osijeku
Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek
Zavod za elektroenergetiku
Katedra za elektroenergetske mreže i postrojenja

Citirajte ovaj rad

Mlakić, D. (2019). Detekcija otočnog pogona foto naponskih sustava metodama umjetne inteligencije (Disertacija). Osijek: Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:200:505475

Mlakić, Dragan. "Detekcija otočnog pogona foto naponskih sustava metodama umjetne inteligencije." Disertacija, Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, 2019. https://urn.nsk.hr/urn:nbn:hr:200:505475

Mlakić, Dragan. "Detekcija otočnog pogona foto naponskih sustava metodama umjetne inteligencije." Disertacija, Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, 2019. https://urn.nsk.hr/urn:nbn:hr:200:505475

Mlakić, D. (2019). 'Detekcija otočnog pogona foto naponskih sustava metodama umjetne inteligencije', Disertacija, Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, citirano: 07.12.2024., https://urn.nsk.hr/urn:nbn:hr:200:505475

Mlakić D. Detekcija otočnog pogona foto naponskih sustava metodama umjetne inteligencije [Disertacija]. Osijek: Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek; 2019 [pristupljeno 07.12.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:200:505475

D. Mlakić, "Detekcija otočnog pogona foto naponskih sustava metodama umjetne inteligencije", Disertacija, Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, Osijek, 2019. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:200:505475

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:200:505475
Prijavite se u repozitorij kako biste mogli spremiti objekt u svoju listu.
Podaci o radu
NaslovDetekcija otočnog pogona foto naponskih sustava metodama umjetne inteligencije
Naslov (engleski)Detection of island powered photo voltage systems by artificial intelligence methods
AutorDragan Mlakić
MentorSrete Nikolovski (mentor)
Član povjerenstvaMarinko Barukčić (predsjednik povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište Josipa Jurja Strossmayera u Osijeku
Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek
(Zavod za elektroenergetiku)
(Katedra za elektroenergetske mreže i postrojenja)
Osijek
Datum i država obrane2019-05-09, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Elektrotehnika
Elektroenergetika
Univerzalna decimalna klasifikacija
(UDC)		621.3 - Elektrotehnika
Sažetak
U doktorskom radu je predstavljena metodologija detekcije otočnog rada distribuiranih izvora energije uz pomoć metoda umjetne inteligencije (umjetne inteligencije) sa ciljem zadržavanja pasivne prirode metode detekcije a povećanja preciznosti, smanjenja vremena detekcije i zone ne-detekcije (zone ne detekcije). Predložena metodologija se sastoji od tri cjeline realizirane kroz 9 poglavlja: snimanje parametara mreže sa pametnim brojilom, treniranje umjetne inteligencije metoda sa slogovima podataka, testiranje metoda kroz standarde IEEE 1547 i UL 1741. Detekcija otočnog rada je realizirano kroz tri predložene metode: Adaptivni sustav neuro-neizrazitog zaključivanja(eng. Adaptive Neuro-Fuzzy Inference System - ANFIS), Duboko učenje (eng. Deep Learning - DL) i Metoda potpornih vektora (eng. Support Vector Machine - MPV). Mjerenja su prikupljeni podaci sa realnog foto-naponskog (FN) sustava uz pomoć kojih je modeliran model u programskom alatu Matlabu/Simulink za testiranje navedenih umjetne inteligencije metoda. Također su izmjereni rezultati korišteni za treniranje kognitivnih metoda. Ocjenjivanje efikasnosti metoda se radi prema navedenim standardima, te još tri vrste kvara na niskonaponskoj distribucijskoj mreži, još jednim distribuiranim izvorom na istoj točki spajanja distribuiranog izvora sa distribucijskoj mreži-om, brzo punjenje električnih i hibridnih automobila (PHEV), te promjeni faktora kvalitete mreže (Qf). Na kraju su predstavljeni rezultati od sve tri predložene umjetne inteligencije metode, kao sumarni prikaz u izvješću u poglavlju 8, te diskutirana moguća daljnja istraživanja u cilju poboljšanja navedena tri faktora metoda za detekciju otočnog rada.
Sažetak (engleski)
The methodology for detecting islanding of Distributed Generators (DGs) in Distribution Network (DN) using the method of artificial intelligence (AI) is presented in the dissertation with the aim of retaining the passive nature of the detection method and increasing the precision, reduction of detection time and non-detection zone (NDZ). The proposed methodology consists of three units realized through 9 chapters: smart metering network parameters, training of AI methods using recorded data, testing methods through standards IEEE 1547 and UL 1741. Detection of the islanding is done through three proposed methods: Adaptive Neuro-Fuzzy Inference System 239 (ANFIS), Deep Learning (DL), and Vector Support Machine (MPV). The measurements were collected from the real photographic (FN) system used in modeling of testing simulation environment in Matlab / Simulink software to test these Artificial Intelligence methods. Measurement results were also used to train cognitive methods. Efficiency evaluation of the method is done according to the mentioned standards and three other situations in microgrid: fault on the low voltage distribution network, another distribution sources at the same point of common coupling of distribution source with distribution network, rapid charging of electric and hybrid cars (PHEV) and change of network quality factors (Qf). Finally, the results of all three proposed Artificial Intelligence methods are presented as a summary report in the chapter 8 and discussed possible further research to improve mentioned three factors of inslanding detection methods.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:200:505475
Datum promocije2019-06-14
Studijski programNaziv: Elektrotehnika; smjerovi: Elektroenergetika, Komunikacije i informatika
Smjer: Elektroenergetika
Vrsta studija: sveučilišni
Stupanj studija: poslijediplomski doktorski
Akademski / stručni naziv: doktor/doktorica znanosti, područje tehničkih znanosti, polje elektrotehnika (dr.sc.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaOtvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Datum i vrijeme pohrane2019-09-03 12:08:13