مکانیابی خطا در شبکه توزیع مبتنی بر آنالیز جریان سه فاز دیده شده توسط رله با استفاده از تبدیل موجک گسسته و شبکه عصبی مصنوعی

در این مقاله ، مکانیابی خطا به کمک شبکه عصبی مصنوعی بر روی شبکه نمونه IEEE_15busپیاده سازی شده است. که در ابتدا به منظور آموزش شبکه عصبی، یکسری ویژگی های مشخص ازسیگنال خطای دیده شده توسط رله استخراج میشود این ویژگی ها از طریق تبدیل موجک رویجریان های سه فاز و توالی ها بدست میآید چرا که در زمان وقوع خطا سیگنال های فرکانس بالا ایجاد شدهکه به خوبی میتوان این ویژگی ها را از طریق تبدیل موجک استخراج نمود. در گام بعد آنتروپی مولفه هایجزئی سیگنال های سه فاز و توالی ها را به کمک علم آمار بدست آورده تا بتوان ویژگی های نهفته درونآنها را خارج نموده و به صورت تفکیک شده در جهت آموزش به شبکه عصبی ارائه نمود و از آنجا کهورودی های بدست آمده جهت آموزش شبکه عصبی شدیدا به زاویه خطا، مقاومت خطا، مکان خطا،وابسته است بنابراین داده های آموزشی باید بگونه ای انتخاب شود که این تفاوت ها را به خوبی ارائه نمودهتا شبکه عصبی در تشخیص خود دچار مشکل نشود. لذا انتخاب تابع پردازش سیگنال، طیف داده ها و درپی آن پارامترهای آماری و ترکیب آنها بسیار مهم خواهد بود. در نهایت پس از پیاده سازی شبکه عصبیمی توان سکشن خطا دیده، مکان خطا و مقاومت خطا را تخمین زد.

کلیدواژه ها:

تبدیل موجک ، مکانیابی خطا ، EPU ، ANN