The efficiency of using artificial feedforward neural networks with a single hidden layer of eight neurons for the analysis of overload conditions of selected tramway traction substations
The efficiency of using artificial feedforward neural networks with a single hidden layer of eight neurons for the analysis of overload conditions of selected tramway traction substations
The efficiency of using artificial feedforward neural networks with a single hidden layer of eight neurons for the analysis of overload conditions of selected tramway traction substations
Wariant tytułu
Efektywność wykorzystania sztucznych sieci neuronowych, typu feedforward o jednej warstwie ukrytej ośmio-neuronowej, do analizy przeciążeń wybranej tramwajowej podstacji trakcyjnej
Autor
Dudzik, Marek
Prusak, Janusz
Drapik, Sławomir
Kuznetsov, Valeriy
Opublikowane w
Technical Transactions
Numeracja
Vol. 115, iss. 11
Strony
119-131
Data wydania
2018
Miejsce wydania
Kraków
Wydawca
Wydawnictwo PK
Język
angielski
DOI
10.4467/2353737XCT.18.167.9423
Słowa kluczowe
loads and overloads of tram traction substation, artificial neural network
obciążenia i przeciążenia tramwajowej podstacji trakcyjnej, sztuczne sieci neuronowe
Abstrakt
This paper presents further results of research on the load variability of rectifier units for the selected tram traction substation. Actual measurements were used in the performed analysis. This time, the analysis was focused on the characteristics of maximum loads and overloads for time periods of five minutes and sixty minutes, for a number of selected cases. The second part of the article discusses the effectiveness of the use of artificial neural networks of the feedforward type with one hidden layer with eight neurons to analyse the overloads of the traction substation over a longer time scale. The obtained positive results indicate that this type of research should be continued, using different variants of artificial neural networks.
W artykule przedstawiono kolejne wyniki badań zmienności obciążeń zespołów prostownikowych wybranej tramwajowej podstacji trakcyjnej. Do analiz wykorzystano rzeczywiste wyniki pomiarów. Tym razem zwrócono uwagę na specyfikę maksymalnych obciążeń i przeciążeń w odcinkach czasowych 5 min i 60 min – dla kilku wybranych przypadków. W drugiej części artykułu przedstawiono efektywność wykorzystania sztucznych sieci neuronowych, typu feedforward o jednej warstwie ukrytej z ośmioma neuronowami, do analizy przeciążeń dla eksploatacji podstacji trakcyjnej w dłuższej skali czasowej. Uzyskane pozytywne wyniki wskazują na konieczność kontynuowania tego typu badań, m.in. wykorzystując inne warianty sztucznych sieci neuronowych.
