دانشگاه آزاد اسلامی سبزوار - جستجو در پایان‌نامه‌ها

پایان‌نامه‌ی کارشناسی ارشد: احسان عوض وردی، ۱۳۹۷

حذف هارمونیک های انتخابی در اینورترهای چند سطحی با منبع تغذیه DC متغیر با استفاده از شبکه های عصبی

استفاده از روش¬های کلید زنی در اینورترهای چند سطحی آبشاری و همچنین به کارگیری منابع ولتاژ DCمتغیر به عنوان ورودی اینورتر از تکنیک های کاهش THD در یک بازه مدولاسیون گسترده است. استفاده از روش¬های کلید زنی در اینورترهای چند سطحی آبشاری و همچنین به کارگیری منابع ولتاژ DCمتغیر به عنوان ورودی اینورتر از تکنیک های کاهش THD در یک بازه مدولاسیون گسترده است. روش SHEPWM یک استراتژی کلیدزنی فرکانس پایه است که به طور نظری شکل موج خروجی مطلوب را برای اینورترهای چندسطحی به وسیله حذف هارمونیک های مرتبه پایین فراهم می¬کند. در این پایان نامه از الگوریتم¬های تکاملی برای تعیین زوایای سوئیچینگ بهینه، استفاده شده که فرآیند بهینه¬سازی مؤثرتر و سریعتر از روش¬های سنتی می¬باشد. به کمک الگوریتم ژنتیک (GA) با مینیمم سازی تابع هدف، زوایای سوئیچینگ بهینه در حالت Offline محاسبه شده است. سپس با آموزش شبکه عصبی کنترل زوایای سوئیچینگ اینورتر 11 سطحی انجام می¬شود. استراتژی به کار¬ رفته در این پایان نامه کاهش هارمونیک¬های مرتبه پایین و تقویت هارمونیک اصلی است. جهت آموزش شبکه عصبی از شبکه¬های عصبی MLP و RBF استفاده شده است. نتایج شبیه¬سازی برتری شبکه عصبیRBF نسبت به MLP در کاهش مولفه¬های هارمونیکی و همچنین کاهش مقدار THD را نشان می¬دهد.

کلیدواژه‌ها: اینورتر چند سطحی آبشاری، الگوریتم ژنتیک، شبکه عصبی، حذف هارمونیک

M.A. Thesis:

Adaptive Selective Harmonic Minimization Based on ANNs for Cascade Multilevel Inverters With Varying DC Sources

Reducing THD in multi-level cascade inverters using different switching methods as well as using variable voltage sources and adjustable as DC sources in the inverter input One of the proposed methods is to reduce the amount of THD in a modulation interval Wide. The SHEPWM method is a base frequency switching strategy that theoretically provides the optimal output waveform for multi-level inverters byType equation here. eliminating low-level harmonics. In this thesis, evolutionary algorithms are used to determine the optimal switching angles, which is the process of optimization more efficient and faster than traditional methods. Using the Genetic Algorithm (GA), minimizing the target function, the optimal switching angles are calculated in Offline mode. Then, with the training of the neural network, the control of the angles of switching the 11-inverters is performed. The strategy used in this thesis is to reduce the low-level harmonics and the main harmonic amplification. Neural networks have been used to train neural network MLP and RBF. Simulation results show RBF neural network excellence compared to MLP in reducing harmonic components as well as reducing the amount of THD.

Keywords: Multi-level cascade inverter, Genetic algorithm, Neural network, Harmonic elimination