شناسایی، دسته بندی و مکانیابی خطا در شبکه HVDC با استفاده از سیستم استنتاج فازی-عصبی تطبیقی بهینه و الگوی استخراج ویژگی

بروز خطاهای مختلف در سیستم HVDC سبب خرابی های گسترده در شبکه و تلفات توان الکتریکی در آن می شود که در نهایتهزینه های سنگینی را بر شبکه تحمیل می کند. از این رو طراحی یک مدل هوشمند به منظور شناسایی. دسته بندی و تخمین محل خطا بادقت بالا با هدف رفع سربع خطا و محافظت از نجهیزات شبکه، امری ضروری است. یکی از تکنیک های هوشمند برای تخمین محل خطا،سیستم استنتاج فازی-عصبی تطبیقی (ANFIS) است که در این مقاله مورد استفاده قرار می گیرد. به منظور بهبود عملکرد این روش، ازیک الگوریتم فراابتکاری با قابلیت جس تجوی سریع نقطه بهینه و فرار از تله بهینگی محلی به نام الگوربتم جستجو فاخته (CS) برایآموزش ANFIS استفاده خواهد شد. تبدیل موجک گسسته (DWT) نیز برای استخراج ویژگی های سیگنال جربان خط استفاده می شود.به منظور تاایید عملکرد مدل تخمین پیشنهادی ANFIS-CS-DWT مطالعه مقایسه ای با سایر الگوریتم های آموزش ANFIS صورتخواهد گرفت. نتایج شبیه سازی نشان می دهد که مدل تخمین پیشنهادی در این مقاله، از نظر سرعت همگرابی و میانگین مربعات خطا(MSE) عملکرد برتری نسبت به سایر مدل ها دارد.

Keywords:

تشخیص , دسته بندی و مکانیابی خطا , سیستم HVDC , سیستم استنتاج فاز ی- عصبی تطبیقی (ANFIS) , الگوی استخراج ویژگی