ESTIMATION OF SYNCHRONOUS MOTOR EXCITATION CURRENT USING MULTIPLE LINEAR REGRESSION MODEL OPTIMIZED BY SYMBIOTIC ORGANISMS SEARCH ALGORITHM
Küçük Resim Yok
Tarih
2018
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Muğla Sıtkı Koçman Üniversitesi
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
In this paper, an effective and simpler means of estimating the excitation current of a synchronous motor (SM) is presented for power factor correction task. First, a multiple linear regression model with four predictor variables such as motor load current, actual power factor, power factor error and excitation current change is formed to estimate the SM excitation current. Then, recently introduced symbiotic organisms search (SOS) algorithm is employed in the hope of searching better values of regression coefficients in that model using the data collected from the prepared experimental setup. The supremacy of SOS over some recently published algorithms such as genetic algorithm, artificial bee colony and gravitational search algorithm is widelyattested through comparative computer simulations for the similar compensation system. The results exhibited in this article show that the proposed SOS algorithm outperforms the other reported popular algorithms from the aspects of simplicity, robustness and accuracy. In view of this, the suggested tuning of regression coefficients of the multiple linear regression model yields a better estimating performance of SM excitation current than the earlier studies.
Bu belgede güç faktörü düzeltme işlemi için senkron motor (SM) uyartım akımının tahminine yönelik etkili ve basit bir yol sunulmuştur. Bu işlem için ilk olarak motor yük akımı, gerçek güç faktörü, güç faktörü hatası ve uyartım akımının değişimi karar değişkenleri olarak ele alınarak çoklu doğrusal regresyon modeli oluşturulmuştur. Ardından hazırlanan deneysel düzenekten toplanan veriler kullanılarak bu modeldeki regresyon katsayılarının iyileştirilmesi amacıyla yeni ortaya konulan simbiyotik organizmalar arama algoritmasından faydalanılmıştır. Bu algoritmanın benzer kompanzasyon işlemi için genetik algoritma, yapay arı kolonisi ve yerçekimi algoritması gibi yakın zamanda yayınlanan algoritmalara olan üstünlüğü karşılaştırmalı bilgisayar simülasyonları ile gösterilmiştir. Bu makalede sergilenen sonuçlar, sunulan tekniğin bahsi geçen literatürdeki algoritmalara göre basitlik, gürbüzlük ve doğruluk açılarından daha iyi performans verdiğini göstermiştir. Bu bağlamda çoklu doğrusal regresyon model katsayıların önerilen şekilde ayarı önceki çalışmalardan daha iyi SM uyartım akımı tahmin performansı sağlamıştır.
Bu belgede güç faktörü düzeltme işlemi için senkron motor (SM) uyartım akımının tahminine yönelik etkili ve basit bir yol sunulmuştur. Bu işlem için ilk olarak motor yük akımı, gerçek güç faktörü, güç faktörü hatası ve uyartım akımının değişimi karar değişkenleri olarak ele alınarak çoklu doğrusal regresyon modeli oluşturulmuştur. Ardından hazırlanan deneysel düzenekten toplanan veriler kullanılarak bu modeldeki regresyon katsayılarının iyileştirilmesi amacıyla yeni ortaya konulan simbiyotik organizmalar arama algoritmasından faydalanılmıştır. Bu algoritmanın benzer kompanzasyon işlemi için genetik algoritma, yapay arı kolonisi ve yerçekimi algoritması gibi yakın zamanda yayınlanan algoritmalara olan üstünlüğü karşılaştırmalı bilgisayar simülasyonları ile gösterilmiştir. Bu makalede sergilenen sonuçlar, sunulan tekniğin bahsi geçen literatürdeki algoritmalara göre basitlik, gürbüzlük ve doğruluk açılarından daha iyi performans verdiğini göstermiştir. Bu bağlamda çoklu doğrusal regresyon model katsayıların önerilen şekilde ayarı önceki çalışmalardan daha iyi SM uyartım akımı tahmin performansı sağlamıştır.
Açıklama
Anahtar Kelimeler
Kaynak
Mugla Journal of Science and Technology
WoS Q Değeri
Scopus Q Değeri
Cilt
4
Sayı
2
