Вісники НТУ "ХПІ"
Постійне посилання на розділhttps://repository.kpi.kharkov.ua/handle/KhPI-Press/2494
З 1961 р. у ХПІ видається збірник наукових праць "Вісник Харківського політехнічного інституту".
Згідно до наказу ректора № 158-1 від 07.05.2001 року "Про упорядкування видання вісника НТУ "ХПІ", збірник був перейменований у Вісник Національного Технічного Університету "ХПІ".
Вісник Національного технічного університету "Харківський політехнічний інститут" включено до переліку спеціалізованих видань ВАК України і виходить по серіях, що відображають наукові напрямки діяльності вчених університету та потенційних здобувачів вчених ступенів та звань.
Зараз налічується 30 діючих тематичних редколегій. Вісник друкує статті як співробітників НТУ "ХПІ", так і статті авторів інших наукових закладів України та зарубіжжя, які представлені у даному розділі.
Переглянути
2 результатів
Результати пошуку
Документ Застосування нейромережі для визначення типу елементів симетро-компенсувального пристрою несиметричної системи з нульовим проводом(Національний технічний університет "Харківський політехнічний інститут", 2024) Ягуп, Катерина Валеріївна; Ягуп, Валерій ГригоровичУ статті досліджується можливість використання нейронних мереж у галузі підвищення енергетичних показників чотирипровідної системи електропостачання з нерівномірним навантаженням у фазах. Нерівномірне навантаження у фазах спричиняє несиметрію струмів у мережі і сприяє зростанню струму в нульовому проводі, що вкрай негативно впливає, як на саму мережу, так і на її споживачів. Для усунення несиметрії і зниження струму в нульовому проводі можна підключити симетро-компенсувальний пристрій. Такий пристрій представляє собою набір реактивних елементів, параметри яких визначаються шляхом пошукової оптимізації. Для визначення типу необхідного елементу виконується перерахунок визначених параметрів. Тобто вирішення такої задачі складається з двох складових підзавдань – структурного та параметричного синтезу. Такий підхід надає високу точність розрахунків, але має суттєвий недолік – обчислення представляються громіздкими і затратними. Задля спрощення вирішення задачі синтезу має сенс визначити тип елементів за допомогою нейронних мереж, що дозволить значно скоротити час та ресурси, що витрачаються на розрахунок величин параметрів симетро-компенсувального пристрою. Предметом дослідження статті є вивчення можливості використання нейромереж з метою прогнозування типів реактивних елементів симетро-компенсувального пристрою. У ході дослідження було визначено параметри і тип нейронної мережі, що забезпечують найточніше прогнозування топології структури симетро-компенсувального пристрою. Вхідні параметри нейромережі формувалися з наборів, що складаються з восьми параметрів – опорів та індуктивностей ліній передач і нульового дроту. Матриця цілей формувалася з множини наборів даних, що складаються з шести елементів, що містять інформацію про типи елементів, що підключаються (0 – конденсатор, 1 – індуктивність) між фазами та між фазами та нульовим проводом. У ході дослідження були отримані результати квазірішення, значення яких виявилися співрозмірними з точними розрахунками визначення структури симетро-компенсувального пристрою системи електропостачання з нульовим проводом. Це свідчить про високу якість роботи розробленої нейромережі. Застосування мінімаксної стратегії до отриманих результатів надає можливість звести отримані значення до 0 та 1, щоб забезпечити наявність отриманих нейромережею результатів.Документ Application of bayesian regularization for improving the quality of electrical energy in the electrical supply system(Національний технічний університет "Харківський політехнічний інститут", 2023) Yagup, Kateryna Valeriivna; Yagup, Valery GryogorovychThe possibility of using neural networks in the field of the energy coefficients correction of a power supply system with uneven load in phases is being studied. This need is justified by the fact, that the calculation of the necessary parameters of the symmetry-compensating device was previously based on the Nelder – Mead search optimization method. Search optimization performing is computationally expensive, takes long computation times, and may calculate anomalous values. The article develops the idea of using technology for predicting the parameters of a symmetry-compensating device, based on neural network modeling using Bayesian regularization. For a given set of initial data, the best selected configuration turned out to be a neural network of two layers, implemented in the MATLAB package using the machine learning tool Neural Network Toolbox. The network input parameters are a set of tuples, consisting of load values in each of the three phases of the power supply system, which are resistive-inductive in nature. There are six input quantities in total (load resistance and inductance values in each of the three phases) and all their values are different, which causes current asymmetry in the network and reactive power. The target matrix is formed from tuples, consisting of three values, which are the parameters of the symmetrical compensating device, calculated by the optimization method, in such a way as to compensate reactive power and to balance currents in the network. The number of data tuples, required to train a neural network was determined empirically. During the experiments, the optimal number of neurons in the neural network was also revealed. The use of the generated neural network to calculate the parameters of the symmetry-compensating device determined approximate solutions is comparable in accuracy to the values, found by optimization methods. With the help of the generated neural system, adequate quasi-solutions for calculating the parameters of the symmetry-compensating device were determined, which, in case of calculation, using the optimization method, led to anomalous values, that didn’t optimize the energy coefficients of the power supply system to the required extent. Also, such neuropredictions protect the system from receiving excessive high parameters of symmetry compensating device, which can be obtained with an optimization approach.