شناسایی و طبقه بندی خطا در خطوط دو مداره در حضور TCSC با استفاده از روشی ترکیبی هوشمند
سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 159
فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_ENERGY-13-1_008
تاریخ نمایه سازی: 16 بهمن 1401
چکیده مقاله:
در این مقاله، روش موثری جهت تشخیص و طبقه بندی خطا در یک خط انتقال دو مداره جبران سازی شده با TCSC پیشنهاد شده است. اثر ترویج خطوط انتقال موازی و استفاده از TCSC باعث تغییر در محتوای فرکانسی سیگنال های ورودی رله دیستانس می شود که در نتیجه شناسایی و طبقه بندی خطا را با چالش موجه می کند. یکی از ابزارهای کارآمد برای تشخیص و طبقه بندی خطا در خطوط جبران سازی شده استفاده از روش های شناسایی الگو است. پیش نیاز استفاده بهینه از این روش ها، استخراج و انتخاب ویژگی های ورودی مناسب به الگوریتم های طبقه بندی کننده است. در این مقاله از ابزار پردازش سیگنال تبدیل موجک جهت استخراج ویژگی شده است. بدلیل تنوع موجک مادر، در ابتدا با استفاده از روش جدید بهترین موجک مادر شناسایی می شود و از ضرائب تجزیه شده حاصل از موجک مادر انتخاب شده، برای ساختن بردار ویژگی ها استفاده می شود. بعد از این مرحله، الگوریتم های طبقه بندی کننده درخت تصمیم گیری، ماشین بردار پشتیبان و الگوریتم k- نزدیک ترین همسایه توسط بردار ویژگی های استخراج شده آموزش داده می شود. سپس، با استفاده از سناریوهای مختلف شبیه سازی میزان عملکرد صحیح هر یک از الگوریتم ها محاسبه و الگوریتمی که عملکرد بهتری نسبت به سایرین دارد، انتخاب می شود. در این مقاله، سیستم نمونه و روش پیشنهادی در نرم افزار MATLAB پیاده سازی شده است.
کلیدواژه ها:
Double-Circuit Transmission Lines ، Fault Classification ، Compensated Transmission Line ، خطوط دو مداره ، خط جبران سازی شده ، طبقه بندی کننده خطا
نویسندگان
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :