مرتضی عابدی - دانشگاه شهید بهشتی تهران
محمدرضا آقامحمدی - دانشگاه شهید بهشتی تهران
محمدتقی عاملی - دانشگاه شهید بهشتی تهران

پتانسیل رخداد حوادث پی درپی به عوامل مختلفی مانند حادثه آغازگر، شرایط بهرهبرداری ، ساختار شبکه و موقعیت تجهیز دچار حادثه نظیر خطوط انتقال بستگی دارد . باتوجه به تعدد خطوط انتقال، مهم ترین دغدغه در راستای جلوگیری از رخداد حوادثپی درپی ناشی از خروج خط ، تعیین پتانسیل رخداد حوادث پی درپی ناشی از خروج خط می باشد. از اینرو ارائه روشی که بهرهبردار سیستم قدرت بوسیله آن بتواند پتانسیل رخداد حوادث پی درپی ناشی از خروج خطوط را در یک سیستم قدرت تعیین کند، حائز اهمیت می باشد. از آنجاییکه بهرهبردار سیستم قدرت تنها به متغیرهای بهرهبرداری سیستم قدرت دسترسی دارد و باتوجه به تعداد زیاد متغیرهای بهرهبرداری ، استفاده از روش مبتنی بر انتخاب متغیرهای بهرهبرداری برجسته جهت تعیین پتانسیل رخداد حوادث پی درپی ناشی از خروج خط در اولویت قرار می گیرد. جهت مرتفع کردن این مسئله ، در این مقاله جهت شناسایی متغیرهای بهرهبرداری برجسته از الگوریتم ژنتیک استفاده شده است همچنین ارزیابی پتانسیل رخداد حوادث پی درپی با استفاده از متغیرهای برجسته انتخاب شده بوسیله ماشین های یادگیری مختلف انجام شده و نتایج آنها با یکدیگر مقایسه می شود. روش پیشنهادی روی تعدادی از خطوط سیستم قدرت IEEE ۳۹bus پیاده سازی شده و نتایج مطلوبی نیز بدست آمده است .

ارزیابی پتانسیل رخداد حوادث پی درپی ، شناسایی متغیرهای بهرهبرداری برجسته ، الگوریتم ژنتیک ، ماشین های یادگیری