Mitigatie van hoogfrequente componenten met behulp van ANN

In dit onderzoek werd een ANN gebruikt om de hoogfrequente componenten van het systeem te voorspellen en een regelstrategie te ontwikkelen om hun effecten te verminderen. De resultaten van het onderzoek toonden aan dat de ANN in staat was om nauwkeurig de hoogfrequente componenten van het systeem te voorspellen en dat de regelstrategie in staat was om hun effecten effectief te verminderen. Dit onderzoek toont het potentieel van ANN's aan voor het beperken van hoogfrequente componenten in een modern distributiesysteem. Dit werk presenteert een nieuwe benadering voor het beperken van hoogfrequente componenten in een modern distributiesysteem met behulp van een kunstmatig neuraal netwerk (ANN). De voorgestelde methode maakt gebruik van het vermogen van een ANN om de complexe relatie tussen systeemparameters en hoogfrequente spanningsharmonischen te leren. Het getrainde ANN-model wordt vervolgens gebruikt om de hoogfrequente componenten te voorspellen en stuursignalen te genereren om deze te verminderen.

Dr. Kazi Kutubuddin Sayyad Liyakat heeft zijn B.E., M.E., en Ph.D. in E&TC Engineering afgerond en is tegenwoordig werkzaam als Professor & Afdelingshoofd van de afdeling E&TC Engineering. Hij is Post-Doctoral Fellow en werkt aan IoT in toepassingen voor de gezondheidszorg. Zijn interessegebied is IoT, IoRT, IoBT, AI, ML en AIIoT.