امیرحسین اکبری شریف - Shahid Beheshti University, Department of Electrical Enigneering
حسین کاظمی کارگر - Shahid Beheshti University, Department of Electrical Enigneering
سامان اسماعیل بیگی - Shahid Beheshti University, Department of Electrical Enigneering

در سال های اخیر ریزشبکه ها نقش مهمی را در شبکه های توزیع ایفا کرده اند. ریزشبکه های  DCبه دلیل مزایای خود به یکی از موضوعات محبوب محققان تبدیل شده اند. یکی از چالش های اساسی در مسیر توسعه ریزشبکه های DC مسائل مربوط به حفاظت آن هاست. در نتیجه در این مقاله یک روش حفاظتی برای تشخیص وقوع خطا و مکان آن در ریزشبکه های DC ارائه شده است. با توجه به پیشرفت های صورت گرفته در زمینه هوش مصنوعی و عملکرد خوب روش های حفاظتی هوشمند در ریزشبکه های AC، در این مقاله از شبکه های عصبی بازگشتی برای تعییین مکان خطا استفاده شده است. در این مقاله از سنجش جریان فیدرهای بار و ولتاژ شینه اصلی برای تشخیص وقوع خطا و تعیین مکان آن استفاده می شود. همچنین عملکرد روش حفاظتی ارائه شده در هر دو حالت متصل به شبکه و جزیره ای بررسی شده و نتایج حاصل، عملکرد مناسب روش حفاظتی ارائه شده را تایید می کنند. در این مقاله از نرم افزار MATLAB برای آموزش و تست الگوریتم های یادگیری ماشین و شبکه بازگشتی و از نرم افزار DIgSILENT برای شبیه سازی ریزشبکه DC مورد مطالعه استفاده می شود.

DC Microgrids, Protection, Fault Detection, Fault Location, RNN, Machine Learning, Decision Tree Classifier., ریز شبکه های DC, حفاظت, تشخیص وقوع خطا, تعیین مکان خطا, شبکه عصبی بازگشتی, یادگیری ماشین, دسته بند مبتنی بر درخت تصمیم گیری