مقایسه دو روش شبکه پتری و شبکه عصبی مصنوعی برای تخمین بخش خطادیده در سیستمهای قدرت

  • سال انتشار: 1390
  • محل انتشار: بیست و ششمین کنفرانس بین المللی برق
  • کد COI اختصاصی: PSC26_113
  • زبان مقاله: فارسی
  • تعداد مشاهده: 1642
دانلود فایل این مقاله

نویسندگان

احمد عاشوری

دانشگاه آزاد اسلامی واحد خدابنده، گروه برق

ابوالفضل جلیلوند

گروه مهندسی برق-دانشکده مهندسی دانشگاه زنجان

امیر باقری

گروه مهندسی برق-دانشکده مهندسی دانشگاه زنجان

علی کیماقلم

دانشگاه آزاد اسلامی واحد زنجان-باشگاه پژوهشگران جوان

چکیده

در این مقاله به منظور مدلسازی و تشخیص خطا و محل آن در سیستمهای قدرت از شبکه های پتری استفاده شده است. در این روش استدلالی، چگونگی استفاده از اطلاعات وضعیت سیستم حفاظتی برای تخمین بخش خطا دیده سیستم قدرت، توسط شبکههای پتری فرمول بندی شده است . این فرایند استدلالی میتواند بر اساس شبکههای پتری، به طور گرافیکی نمایش داده شود و توسط عملیات ماتریسی اجرا شوند. اکتساب اطلاعات RTU های سیستم های SCADA شامل سیگنال تریپ رله ها و سیگنال وضعیت ، مدارشکن ها بعنوان ورودی مدلهای تشخیص خطا میباشند . همچنین در این مقاله روش پیشنهادی با روش شبکه عصبی مصنوعی مقایسه شده است. با استفاده از شبکه های پتری زمان پردازش اطلاعات کاهش یافته و همچنین دقت فرآیند تشخیص افزایش مییابد. روش اعمال شده، علیرغم سادگی، امکان مونیتورینگ سلسله مراتبی سیستم قدرت را فراهم می سازد.

کلیدواژه ها

تخمین بخش خطادیده، شبکه پتری، شبکه عصبی مصنوعی، سیستم قدرت

مقالات مرتبط جدید

اطلاعات بیشتر در مورد COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.