Login
Registrieren
Passwort zurücksetzen
Veröffentlichen & Verteilen
Verlagslösungen
Vertriebslösungen
Themen
Allgemein
Altertumswissenschaften
Architektur und Design
Bibliotheks- und Informationswissenschaft, Buchwissenschaft
Biologie
Chemie
Geowissenschaften
Geschichte
Industrielle Chemie
Informatik
Jüdische Studien
Kulturwissenschaften
Kunst
Linguistik und Semiotik
Literaturwissenschaft
Materialwissenschaft
Mathematik
Medizin
Musik
Pharmazie
Philosophie
Physik
Rechtswissenschaften
Sozialwissenschaften
Sport und Freizeit
Technik
Theologie und Religion
Wirtschaftswissenschaften
Veröffentlichungen
Zeitschriften
Bücher
Konferenzberichte
Verlage
Blog
Kontakt
Suche
EUR
USD
GBP
Deutsch
English
Deutsch
Polski
Español
Français
Italiano
Warenkorb
Home
Zeitschriften
International Journal on Smart Sensing and Intelligent Systems
Band 12 (2019): Heft 1 (January 2019)
Uneingeschränkter Zugang
Employment of PSO algorithm to improve the neural network technique for radial distribution system state estimation
Husham Idan Hussein
Husham Idan Hussein
,
Ghassan Abdullah Salman
Ghassan Abdullah Salman
und
Ahmed Majeed Ghadban
Ahmed Majeed Ghadban
| 05. Sept. 2019
International Journal on Smart Sensing and Intelligent Systems
Band 12 (2019): Heft 1 (January 2019)
Über diesen Artikel
Vorheriger Artikel
Nächster Artikel
Zusammenfassung
Artikel
Figuren und Tabellen
Referenzen
Autoren
Artikel in dieser Ausgabe
Vorschau
PDF
Zitieren
Teilen
Article Category:
research-article
Online veröffentlicht:
05. Sept. 2019
Seitenbereich:
1 - 10
Eingereicht:
17. Jan. 2019
DOI:
https://doi.org/10.21307/ijssis-2019-005
Schlüsselwörter
RDPS
,
RDPS
,
PSO
,
Neural network
,
Hybrid algorithm
,
State estimation
,
Monitoring system
,
Optimization methods
,
PMU
© 2019 Husham Idan Hussein et al., published by Sciendo
This work is licensed under the Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
Figure 1:
General scheme of state estimation (Husham and Ahmed, 2018).
Figure 2:
Flow chart for the placement of PMUs for network observability.
Figure 3:
Reactive power compensation principle (Husham and Ahmed, 2018).
Figure 4:
Voltage bus magnitude (actual, estimated PMU, estimated PSO–NN) of IEEE 9-bus RDS.
Figure 5:
Voltage bus angle (actual, estimated PMU, estimated PSO–NN) of IEEE 9-bus RDS.
Figure 6:
Regression plots of IEEE 9 bus: (A) bus voltage magnitudes; and (B) angle bus voltage values.
Figure 7:
Voltage bus magnitude (actual, estimated PMU, estimated PSO–NN) of IEEE 33-bus RDS.
Figure 8:
Voltage bus angle (actual, estimated PMU, estimated PSO–NN) of IEEE 33-bus RDS.
Figure 9:
Regression plots of IEEE 34 bus: (A) bus voltage magnitudes; and (B) angle bus voltage values.
Figure 10:
Voltage bus magnitude (actual, estimated PMU, estimated PSO–NN) of IEEE 69-bus RDS.
Figure 11:
Voltage bus angle (actual, estimated PMU, estimated PSO–NN) of IEEE 69-bus RDS.
Figure 12:
Regression plots of IEEE 69-bus: (A) bus voltage magnitudes; and (B) angle bus voltage values.
MSE for voltage magnitudes and angle values in each test.
VB
δ
Test
MSE
MSE
IEEE 9
6e−08
4e−07
IEEE 33
2.5e−07
4e−07
IEEE 69
1.43e−10
5.5e−09