تشخیص و مکان یابی خطا در شبکه های قدرت با بهره گیری از یادگیری ماشین و داده های سنکرون شده

افزایش پیچیدگی شبکه های قدرت مدرن، نفوذ گسترده منابع تولید پراکنده، رشد بارهای غیرخطی و نیاز فزاینده به قابلیت اطمینان بالا، تشخیص و مکان یابی سریع و دقیق خطا را به یکی از چالش های اساسی بهره برداری از شبکه های قدرت تبدیل کرده است. روش های سنتی تشخیص خطا که عمدتا مبتنی بر آستانه های ثابت، مدل های تحلیلی ساده و اندازه گیری های محلی هستند، در مواجهه با شرایط متغیر بهره برداری، عدم قطعیت ها و ساختارهای پیچیده شبکه، با محدودیت های جدی روبه رو می شوند. در این میان، داده های سنکرون شده حاصل از واحدهای اندازه گیری فازوری (PMU) و پیشرفت های چشمگیر در حوزه یادگیری ماشین، فرصت های نوینی برای توسعه روش های هوشمند تشخیص و مکان یابی خطا فراهم کرده اند. این مقاله به بررسی تشخیص و مکان یابی خطا در شبکه های قدرت با بهره گیری از الگوریتم های یادگیری ماشین و داده های سنکرون شده می پردازد و نشان می دهد که ترکیب اطلاعات زمانی–مکانی دقیق با مدل های داده محور می تواند دقت، سرعت و قابلیت اطمینان فرآیند تشخیص خطا را به طور قابل توجهی افزایش دهد و زمینه ساز بهره برداری هوشمند و پایدار از شبکه های قدرت مدرن شود.

کلیدواژه ها:

شبکه های قدرت ، تشخیص خطا ، مکان یابی خطا ، یادگیری ماشین ، داده های سنکرون شده ، PMU ، شبکه هوشمند