9872

بررسي كاربردهاي يادگيري عميق در سيستم هاي قدرت

1399-1400

دكتر سيد محمد شهرتاش

با رشد سريع سيستم هاي اندازه گيري در شبكه قدرت و حجم بالاي اطلاعات جمع آوري شده، كشف الگوهاي آماري براي طيف گسترده اي از برنامه هاي كاربردي در سيستمهاي قدرت مانند پيشبيني بار، توزيع اقتصادي، برآورد حالت، پايداري گذرا، تشخيص و طبقه بندي خطا و...، يك چالش اساسي تلقي ميشود. در سال هاي اخير، يادگيري عميق به عنوان يك كلاس جديد از الگوريتم هاي يادگيري ماشين ظاهر شده است كه داده هاي سيستم هاي قدرت را از طريق يك فضاي فرضي بزرگ نشان ميدهد كه منجر به عملكرد پيشرفته تر در مقايسه با آخرين الگوريتم هاي داده محور است. اين سمينار رويكردهاي يادگيري عميق ارائه شده در مطالعات اخير، كه به عنوان روشهايي توانمند در زمينه تجزيه و تحليل دادههاي سيستم قدرت شناخته ميشوند را بررسي ميكند و مزاياي نظري يادگيري عميق در تحقيقات سيستمهاي قدرت را معرفي ميكند. همچنين روش هاي يادگيري عميق را كه در طيف گسترده اي از برنامه هاي تحت نظارت، بدون نظارت و نيمه نظارت شده ارائه و در حل مسائل سيستم قدرت به كار گرفته شدهاند را مرور ميكند. علاوه بر آن جهت آشنايي با مفاهيم يادگيري عميق، مطالبي پيرامون چيستي و مفاهيم پايهاي يادگيري عميق آورده شده است، تا در فهم بهتر و راحتتر موضوعاتي كه در ساير فصول بررسي ميشود، كمك كننده باشد

7/28/2021 12:00:00 AM

72491

1400/07/06

Investigating the applications of deep learning in power systems

سيستم هاي قدرت , شبكه هاي هوشمند , يادگيري عميق , شبكه هاي عصبي , هوش مصنوعي