افزایش دقت تشخیص خطا در شبکه های توزیع برق با استفاده از ترکیب الگوریتم های یادگیری عمیق و داده های سنسورهای هوشمند

با رشد روزافزون مصرف انرژی و پیچیدگی ساختار شبکه های توزیع برق، تشخیص دقیق و سریع خطاها به یکی از چالش های حیاتی در بهره برداری هوشمند از این شبکه ها تبدیل شده است. روش های سنتی مبتنی بر آستانه گذاری یا منطق فازی، توانایی محدودی در مواجهه با حجم عظیم داده ها و الگوهای پیچیده خطا دارند. این پژوهش، رویکردی نوین را مبتنی بر ترکیب الگوریتم های یادگیری عمیق (شامل شبکه های عصبی پیچشی و حافظه دار) و داده های سنسورهای هوشمند ارائه می دهد. ابتدا داده های بلادرنگ سنسورها از بخش های مختلف شبکه جمع آوری و پیش پردازش می شوند، سپس با استفاده از مدل ترکیبی CNN-LSTM الگوهای پنهان و ویژگی های مهم استخراج و تحلیل می گردند. نتایج حاصل از شبیه سازی در محیط MATLAB و Python نشان می دهد که مدل پیشنهادی دقت بالاتری در شناسایی خطاهای مختلف نسبت به روش های مرسوم دارد. این بهبود دقت می تواند منجر به کاهش زمان بازیابی، جلوگیری از خسارات تجهیزات، و افزایش پایداری شبکه توزیع شود. در نهایت، استفاده از هوش مصنوعی در کنار زیرساخت های سنجش هوشمند، گامی موثر در راستای هوشمندسازی شبکه های توزیع برق به شمار می رود.

کلیدواژه ها:

تشخیص خطا ، شبکه توزیع برق ، یادگیری عمیق ، سنسور هوشمند ، پردازش داده های بلادرنگ