تخمین برخط مکان خطا در شبکه های توزیع مبتنی بر تئوری هوشمند ماشین بردار پشتیبان با استفاده از سیگنال های سراسری برخط

در این مقاله، روشی برخط جدید به منظور آشکارسازی مکان خطا در شبکه توزیع با حضور منابع تولید پراکنده براساس تئوری ماشین‫های بردار پشتیبان ارائه می‫شود. برای این منظور،  با استفاده از مدل­سازی خط متوسط، ولتاژ و جریان توسط واحدهای اندازه­گیری فازوری جمع­آوری و ثبت می­شوند و به­صورت شاخص­های مختلف پیشنهادی برای آموزش SVM مورد استفاده قرار می­گیرند. در ادامه، طرح SVM پیشنهادی در محیط زمان واقعی پیاده­سازی و باتوجه به سناریوی خطای، مکان­ خطا به­صورت برخط تخمین زده می­شود. طرح پیشنهادی، روشی برخط و غیرمبتنی بر ماتریس امپدانس شبکه بوده به­نحوی­که در هر پنجره زمانی، با اندازه­گیری سیگنال­های فازوری و در ادامه محاسبه شاخص­های پیشنهادی، مکان­های خطا تخمین زده می­شوند. به­ منظور آموزش و تسن الگوریتم پیشنهادی، از یک شبکه آزمایشی استاندارد ۳۳ باسه IEEE حاوی منابع تولید پراکنده مورد استفاده قرار می‫گیرد و نمونه­های آموزشی در پنجره­های زمان پس از رفع خطا به­صورت جفت داده ورودی-خروجی نمونه برداری و به منظور آموزش ماشین‫بردار پشتیبان استفاده می­شوند. شاخص­های پیشنهادی برمبنای مقادیر برخط ولتاژ، جریان و فرکانس بوده و توسط شاخص­های متنوع، عملکرد الگوریتم مورد تست قرار می­گیرد. نتایج بدست آمده توانایی روش معرفی شده را در آشکارسازی مکان خطا بلافاصله پس از وقوع خطا نشان می‫دهد.

Keywords:

Distribution Network , Prediction , Classification , Support Vector Machine , Phasor Measurement Unit. , مکان یابی خطا , آشکارسازی , داده کاوی , ماشین های بردار پشتیبان.