مرکز منطقه ای اطلاع رسانی علوم و فناوریفصلنامه مهندسی برق و مهندسی کامپيوتر ايران168237451112013621Improved Maximum Power Point Tracking Off-Grid Solar Panelsبهبود ردیابی نقطه حداکثر توان پنل‌های خورشیدی جدا از شبکه110faمحمدحسنمرادیدانشگاه بوعلی سینا همدانعلی‌رضارئیسیدانشگاه بوعلی سینا همدان0002-0852-124420151129Solar panels exhibit non-linear current–voltage characteristics producing maximum power at only one particular operating point. The maximum power point changes with temperature and light intensity variations. Different methods have been introduced for tracking the maximum power point based on offline and online methods. In this paper a new method is presented to improve the performance of maximum power point tracking in off-grid solar panels. The proposed algorithm is a combination of two loops, set point calculation and fine tuning loops. First the set point loop approximates the maximum power using offline calculation of the open circuit voltage. The exact amount of the maximum power will, then, be tracked by the fine tuning loop which is based on perturbation and observation (P&O) method. The proposed method is simulated in Matlab/Simulink environment and experimentally verified using a laboratory prototype. In maximum power point tracking, the effects of frequency variation and disturbance amplitude on dynamic response and steady state performance are examined. Simulation and experimental results are compared with other methods and the effectiveness of the proposed method is evaluated.پنل‌های خورشیدی دارای مشخصه جریان- ولتاژ غیر خطی بوده و تنها در یک نقطه کار خاص، حداکثر توان را تولید می‌کنند. این نقطه بهینه توان با تغییر دما و شدت نور تغییر می‌کند. روش‌های مختلفی برای ردیابی نقطه حداکثر توان به صورت online و offline معرفی شده است. این مقاله روش جدیدی جهت بهبود عملکرد ردیابی نقطه حداکثر توان پنل‌های خورشیدی جدا از شبکه ارائه می‌دهد و الگوریتم روش پیشنهادی از دو بخش محاسبه نقطه کار و تنظیم دقیق تشکیل شده است. ابتدا بخش محاسبه نقطه کار که بر اساس روش ولتاژ مدار باز می‌باشد، حداکثر توان را تقریب می‌زند و سپس بخش تنظیم دقیق بر اساس روش اغتشاش و مشاهده مقدار دقیق حداکثر توان را دنبال می‌كند. روش پیشنهادی در محیط Matlab/Simulink شبیه‌سازی و برای یک نمونه آزمایشگاهی پیاده‌سازی شده و تأثیر تغییر فرکانس و دامنه اغتشاش بر روي پاسخ دینامیکی و عملکرد حالت پایدار ردیابی نقطه حداکثر مورد بررسی قرار می‌گیرد. نتایج حاصل از شبیه‌سازی و آزمایشگاه براي حالت راه‌اندازی و حالت پایدار با روش‌هاي موجود مقايسه مي‌گردد و مؤثربودن روش پیشنهادی نشان داده می‌شود.http://ijece.org/en/Article/Download/28047

مرکز منطقه ای اطلاع رسانی علوم و فناوریفصلنامه مهندسی برق و مهندسی کامپيوتر ايران168237451112013621Adaptive Control of Pitch Angle of Wind Turbine Using Human Brain Mechanisms of Emotional Learningکنترل تطبیقی زاويه گام توربين بادي با استفاده از مکانیسم یادگیری عاطفی مغز انسان1118faمهدیحیات داودیدانشگاه آزاد اسلامی واحد برازجان (دشتستان)محسنفرشاددانشگاه بیرجندحمیدرضانجفیدانشگاه بیرجندرضاصداقتیدانشگاه آزاد اسلامی واحد بیضامحمودجورابیاندانشگاه شهید چمران اهواز20151129The purpose of this paper is optimal location of distributed generation in electric distribution networks. Load uncertainty and desired voltage range has been modeled using fuzzy data theory. The objective function includes loss reduction, improvement of profile index and voltage stability index with their relevant constraints, voltage constraints and transmittable power from the line. Load variation has been shown for three different time durations (peak, off peak and average).PSO technique has been used to optimize the objective function while Max-Min method has been applied to select the answer. Results produced from the proposed model have been provided in 5 different scenarios on a 33 bus system of IEEE.يکي از روش‌هاي کنترلي مرسوم در توربين‌هاي بادي، کنترل زاويه گام پره‌هاي توربين مي‌باشد که اين کار به منظور داشتن توان نامي در خروجي توربين، براي سرعت‌هاي باد بالاتر از سرعت باد نامي انجام مي‌گيرد. با توجه به اهميت زياد کيفيت توان توليدي توسط توربين و از آنجا که عملکرد بهتر کنترل‌کننده زاويه گام، کيفيت بهتر خروجي سيستم زاويه گام و متعاقباً کيفيت بهتر توان توليدي توربين را به دنبال دارد، بهينه‌سازي عملکرد اين کنترل‌کننده امري حياتي است. در اين مقاله ابتدا براي کنترل زاويه گام از يک کنترل‌کننده PI استفاده شده و سپس يک کنترل‌کننده هوشمند عاطفی جدید (برگرفته از مکانيسم يادگيری عاطفی مغز انسان) جايگزين آن ‌گرديده است. با توجه به نتايج شبيه‌سازي با اين جايگزيني، عملکرد سيستم کنترل زاويه گام در حد بسيار خوبي بهبود يافته است. اين کنترل‌کننده هوشمند عملکرد خوبي از لحاظ سرعت پاسخ‌دهي، ريپل پاسخ و بالاخره خطاي ماندگار رديابي داشته و در ضمن از قوام قابل ملاحظه‌اي در قبال تغييرات سرعت باد (نقطه کار) و پارامترهاي سيستم زاويه گام برخوردار است.http://ijece.org/en/Article/Download/28048

مرکز منطقه ای اطلاع رسانی علوم و فناوریفصلنامه مهندسی برق و مهندسی کامپيوتر ايران168237451112013621Electrical Islanding Detection in Electrical Distribution Networks with Distributed Generation Using Discrete Wavelet Transform and Artificial Neural Networkتشخیص جزیره‌های الکتریکی در شبکه‌های توزیع دارای تولیدات پراکنده با استفاده از تبدیل موجک گسسته و شبکه عصبی مصنوعی1927faمهردادحیدری ارجلودانشگاه شهید چمران اهوازسیدقدرت‌الهسیف‌الساداتدانشگاه شهید چمران اهوازمرتضیرزازدانشگاه شهید چمران اهواز20151129In this paper a new algorithm is provided for detecting of electrical islands, based on analysis of transient signals using discrete wavelet transform (DWT) and artificial neural network (ANN). The neural network is taught for Classification of events to the "islands" or "non-islands". Needed features for classification are extracted by DWT of DG transient voltage signal. DIgSILENT, MATLAB and WEKA softwares are used for simulation. Proposed method is tested on a CIGRE medium voltage distribution system with two different types of DGs. The final method is chosen from among 162 relay projects with respect to different criteria, including accuracy, speed, simplicity and cost efficiency is the best. With The analysis done in the best relay selection for DGs, the voltage signal, the mother wavelet db4 and seventh level wavelet transform are used. Simulation results show that this method in compared with existing methods, can detect the electrical islands, with a shorter time and higher accuracy.در این مقاله برای تشخیص جزیره‌های الکتریکی، یک الگوریتم جدید مبتنی بر تحلیل سیگنال‌های حالت گذرا با استفاده از تبدیل موجک گسسته (DWT) و شبکه عصبی مصنوعی (ANN) ارائه می‌گردد. شبکه عصبی برای دسته‌بندی حوادث به حالت‌های "جزیره" یا "غیر جزیره" آموزش داده می‌شود. ویژگی‌های مورد نیاز دسته‌بندی، از طریق تبدیل موجک گسسته سیگنال‌های گذرای ولتاژ و جریان DGها استخراج می‌شوند. برای شبیه‌سازی الگوریتم از نرم‌افزارهای DIGSILENT، MATLAB و WEKA استفاده شده است. روش پیشنهادی روی یک سیستم توزیع ولتاژ متوسط CIGRE با دو نوع DG مختلف آزمایش می‌شود. این مقاله، الگوریتم رله نهایی را با تحلیل انجام‌گرفته از میان 162 طرح انتخاب می‌کند تا رله انتخابی از نظر شاخص‌های مختلف از جمله دقت، سرعت، سادگی و هزینه، بهترین کارایی را داشته باشد. با تحلیل و بررسی‌های صورت‌گرفته در رله انتخابی DGها، از سیگنال ولتاژ، موجک مادر 4db و سطح هفتم تبدیل موجک استفاده می‌شود. نتایج شبیه‌سازی نشان می‌دهد که این روش می‌تواند جزیره‌های الکتریکی را در مقایسه با روش‌های موجود در زمان کوتاه‌تر و با دقت بالاتری تشخیص دهد.http://ijece.org/en/Article/Download/28049

مرکز منطقه ای اطلاع رسانی علوم و فناوریفصلنامه مهندسی برق و مهندسی کامپيوتر ايران168237451112013621Design Improvement of Synchronous Reluctance Motor Geometry, Using Neural-Network, Genetic Algorithm and Finite Element Methodبهبود ساختار هندسی رتور ماشین سنکرون رلوکتانسی با استفاده ترکیبی از شبکه عصبی، الگوریتم ژنتیک و روش اجزای محدود2834faمرتضیحق‌پرستدانشگاه شهرکردصمدتقی‌پور بروجنیدانشگاه شهركردعباسکارگردانشگاه شهرکرد20151129appropriate approach to reach high efficiency in Synchronous Reluctance (SynRel) machines is to enhance these machines’ magnetic saliency. This is usually done by changing the geometry of machine and especially by changing the number and shape of rotor flux barriers. In this paper an intelligent- method have been used to optimizing the design of SynRel motors based on magnetic saliency ratio. To achieve this aim, all of the motor parameters including stator geometry, axial length of machine, winding type, and number of flux barriers in rotor are assumed constant and just position of the rotor flux barriers are optimized. These positions have been defined by six parameters. Changing these parameters, the magnetic saliency of machine is calculated by finite element analysis (FEA). Using these values to train a neural network (NN), a modeling function is obtained for magnetic saliency of SynRel machine. Considering this NN as the target function in genetic algorithm (GA), the parameters of SynRel machine have been optimized and the best rotor structure with highest magnetic saliency has been obtained. Finally the abilities of NN in correct estimation of magnetic saliency and motor synchronization were approved by FEA and dynamic simulation.یک روش مناسب برای رسیدن به بازده و ضریب توان بالا در ماشین‌های سنکرون رلوکتانسی، افزایش برجستگی مغناطیسی (Ld/Lq) در این ماشین‌ها است. این کار معمولاً از طریق تغییر ساختار هندسی ماشین و به ویژه با تغییر تعداد و شکل سدهای شار رتور انجام می‌شود. در این مقاله از یک روش هوشمند برای بهینه‌سازی موتور سنکرون رلوکتانسی بر مبنای برجستگی مغناطیسی استفاده شده است. به این منظور مشخصات موتور از جمله هندسه ورق‌های استاتور، طول محوری ماشین، نوع سیم‌بندی و تعداد سدکننده‌های شار رتور ثابت فرض شده و شش پارامتر برای تعیین مکان سدهای شار رتور تعريف شده است. سپس به ازاي تغييرات پله‌ای اين پارامترها، برجستگی مغناطیسی رتور با استفاده از روش اجزای محدود (FEM) محاسبه شده و با به کارگیری این مقادیر برای آموزش يك شبكه عصبي (NN)، تابعی برای مدل‌کردن برجستگی مغناطیسی در موتور فراهم شده است. با در نظر گرفتن این مدل عصبی به عنوان تابع هدف درون الگوريتم ژنتيك (GA)، پارامترهای ماشین سنکرون رلوکتانسی بهينه‌سازي شده و بهترين ساختار موتور با بیشترین برجستگی مغناطیسی به دست آمده است. در پایان توانایی تخمین درست شبکه عصبی توسط شبیه‌سازی FEA، و قابلیت سنکرون ماندن موتور در بار نامی توسط شبیه‌سازی دینامیکی تأیید شده است.http://ijece.org/en/Article/Download/28050

مرکز منطقه ای اطلاع رسانی علوم و فناوریفصلنامه مهندسی برق و مهندسی کامپيوتر ايران168237451112013621Joint Bandwidth Extension and Vector Taylor Series Approaches to Enhance the Corrupted Narrowband Speechبهبود کيفيت گفتار نويزي باند محدود با تلفيق الگوريتم‌هاي سري تيلور برداري و گسترش پهناي باند3542faساراپورمحمديدانشگاه شاهدمنصوروليبرقمحسنقديانيدانشگاه شاهد20151129In this paper, we introduce an efficient and previously unreported approach to enhance the quality of corrupted narrowband speech signal using joint Vector Taylor Series (VTS) and Bandwidth Extension (BWE) algorithms. First, feature vectors extracted from the noisy narrowband signal have modified applying VTS technique. Then, the estimation of corresponding wideband features have derived from the compensated parameters using two different artificial BWE methods (Envelope prediction with GMM and Neural Network). Finally, the distance between the wideband feature vectors and their estimated values evaluated using Log Spectral Distortion (LSD) measurement criteria. The results of implementation clearly show the advantage of proposed idea to improve the quality of the contaminated speech. In addition, we show that artificial BWE of speech signal, based on the neural network envelope extension outperforms better results in comparison with the GMM algorithm.در مقاله حاضر با تلفيق دو ديدگاه سري‌هاي تيلور برداري و گسترش پهناي باند مصنوعي، ايده جديدي در زمينه بهبود كيفيت سيگنال گفتار باند محدود تخريب‌شده توسط نويز ارائه شده است. بدين ترتيب كه ابتدا پارامترهاي بازنمايي MFCC استخراج‌شده از گفتار نويزي باند محدود به روش سري‌هاي تيلور برداري اصلاح شده و سپس با استفاده از مدل گسترش پهناي باند مبتني بر GMM، بردارهاي بازنمايي گفتار باند گسترده براي اين پارامترهاي اصلاح‌شده تخمين زده مي‌شوند. سپس به كمك دو معيار اندازه‌گيري PESQ و LSD، ميزان شباهت پوش طيف و سيگنال گفتار تخمين زده شده باند گسترده با پوش طيف باند گسترده و گفتار تميز مرجع سنجيده مي‌شود. نتايج به دست آمده از پياده‌سازي اين الگوريتم به وضوح بيانگر كارايي مناسب ايده پيشنهادي در جهت بهبود كيفيت بردارهاي بازنمايي گفتار باند محدود آلوده به نويز و نزديك‌تر كردن آنها به بردارهاي ويژگي سيگنال گفتار باند گسترده مرجع هستند.http://ijece.org/en/Article/Download/28051

مرکز منطقه ای اطلاع رسانی علوم و فناوریفصلنامه مهندسی برق و مهندسی کامپيوتر ايران168237451112013621Robustness of Speech Recognition Using Non-Linear Asymmetric Filter and Delta Spectral Characteristicsمقاوم‌سازی بازشناسی صحبت با به کارگیری فیلتر غیر خطی نامتقارن و استفاده از ویژگی‌های طیفی دلتا4350faحسنفرسیدانشگاه بیرجند0000-0001-6038-9757سمانهکوهی مقدمدانشگاه پیام‌نور واحد مشهد20151129In this paper, we propose a new feature extraction algorithm which is robust against noise. In the proposed algorithm, a non-linear filter with temporal masking are used for speech feature extraction and by applying delta spectral characteristics instead of delta cepstral, the accuracy of speech recognition is improved. Almost, all present Automatic Speech Recognition (ASR) systems use cepstral-delta and delta-delta characteristics for speech feature extraction. The aim of this paper is to reach the robust speech features which provide more accurate speech recognition under different noisy conditions. This is achieved by focusing on speech key features (especially non-stationary speech features) which highly differ from the noise signals. The obtaining experimental results show that the accuracy of speech recognition improves in comparison with traditional methods such as PLP and MFCC.در این مقاله یک الگوریتم استخراج ویژگی مقاوم به نویز را پیشنهاد می‌دهیم. در این الگوریتم به منظور استخراج ویژگی از یک فیلتر غیر خطی و پوشش موقتی استفاده می‌شود و با بهره‌گیری ازویژگی دلتا- طیفی به جای ویژگی کپسترال- دلتا دقت بازشناسی صحبت به طور مطلوبی افزایش می‌یابد. تقریباً همه سیستم‌های خودکار تشخیص صحبت (ASR) کنونی از ویژگی‌های کپسترال- دلتا و دلتا- دلتا برای استخراج ویژگی صحبت استفاده می‌کنند. در این مقاله هدف، رسیدن به ویژگی‌های مقاومی است که در شرایط مختلف نویزی بهبود بیشتری برای بازشناسی صحبت فراهم می‌آورد. برای تحقق این امر بر روی برخی از مشخصات کلیدی صحبت (خصوصاً مشخصات غیر ایستان صحبت) متمرکز شده که با سیگنال‌های نویزی اختلاف دارد. نتایج آزمایش‌های انجام‌گرفته نشان می‌دهد که دقت بازشناسی در مقایسه با MFCC و PLP در حضور انواع مختلف نویز بهبود یافته است.http://ijece.org/en/Article/Download/28052