سیدمحسن موسوی - شرکت برق منطقه ای فارس شیراز، ایران
میثم پوراحمدی نخلی - شرکت برق منطقه ای فارس شیراز، ایران
فریدون شعبانی نیا - شرکت برق منطقه ای فارس شیراز، ایران

در این مقاله با استفاده از مدل تخمین گر مبتنی بر شبکه های عصبی، روشی جدید برای تخمین متغیرهای حالت سیستم انتقال فارس ارائه می شود . تکنیک های متداول تخمین حالت مبتنی بر روش حداقل مربعات وزندار با مشکلات عدیده ای ازجمله عدم رویت پذیری و حساسیت بالای این روش ها به پارامتر های مدل، روبرو می باشند. مدل پیشتهادی علاوه بر نداشتن مشکلات ذکر شده، در مقایسه با روش های مبتنی بر معادلات پخش بار، از سرعت بالایی در تخمین متغیر های سیستم قدرت برخوردار است. در این مقاله انواع شبکه های عصبی با ساختار های مختلف جهت رسیدن به بهترین مدل تخمینگر عصبی، ارزیابی می شود . پس ازتعیین بهترین مدل، کارایی مدل تخمینگر در برابر سناریو های جدید، ورودی های معیوب و پیشامد های احتمالی شبکهمورد ارزیابی قرار می گیرد. نتایج شبیه سازی بر روی شبکه انتقال فارس دقت بالای مدل تخمینگر پیشنهادی را نشان می دهد.

تخمین حالت، حداقل مربعات وزندار، شبکه های عصبی مصنوعی، شبکه انتقال فارس