محمد فرشاد - استادیار، گروه مهندسی برق، دانشکده علوم پایه و فنی مهندسی، دانشگاه گنبد کاووس، گنبد کاووس، ایران

تعیین دقیق مکان وقوع خطا و تسریع عملیات تعمیراتی در خطوط انتقال جریان مستقیم فشارقوی (HVDC)، به دلیل حجم بالای توان عبوری آنها اهمیت خاصی دارد. این مقاله شیوه ای جدید برای مکان یابی هوشمند خطاهای اتصال کوتاه در خطوط انتقال جریان مستقیم فشارقوی دوقطبی با استفاده از تکنیک های شناسایی الگو و الگوریتم های یادگیری ماشین ارائه می دهد. در شیوه پیشنهادی، با استفاده از ترکیب تحلیل پرونی (PA) و تجزیه مقدار تکین (SVD)، برخی ویژگی های مفید از سیگنال های ولتاژ پس از خطای یک پایانه استخراج می شوند. شبکه عصبی رگرسیون تعمیم یافته (GRNN) نیز که قبلا آموزش دیده است، ویژگی های استخراج شده را دریافت می کند و محل وقوع خطای اتصال کوتاه متناظر را تخمین می زند. ارزیابی های انجام شده بر سیستم نمونه دوقطبی نشان می دهند مکان یاب پیشنهادی با وجود تغییرات محل وقوع خطا، مقاومت خطا و جریان پیش از خطا، عملکرد دقیق و مناسبی دارد. متوسط درصد خطای به دست آمده برای مکان یابی انواع خطاهای اتصال کوتاه قطب مثبت به زمین (PG)، قطب مثبت به منفی (PN) و قطب مثبت به منفی به زمین (PNG) در سیستم نمونه به ترتیب برابر ۰.۲۶۴%، ۰.۲۸۷% و ۰.۲۲۵% است.  

تحلیل پرونی, تجزیه مقدار تکین, شبکه عصبی رگرسیون تعمیم یافته, مکان یابی خطا, جریان مستقیم