ارزیابی امنیت احتمالاتی سیستمهای قدرت به کمک شبکه عصبی خودسازمان دهنده

با توجه به عدم قطعیت هائی که در داده های سیستمهای قدرت نظیر بارها وجود دارد و با توجه به احتمالی بودن اغتشاشاتی نظیر قطع خطوط، ارزیابی احتمالاتی امنیت استاتیکی سیستمهای قدرت ضروری بنظر می رسد . ارزیابی احتمالاتی به خصوص در سیستمهای قدرت تجدید ساختار شده، اهمیت بیشتری پیدا می کند . در این مقاله وقوع اغتشاشات قطع خطوط و مقادیر بارها احتمالاتی در نظر گرفته می شوند . حالتهای امنیت سیستم به دو حالت نرمال و غیر نرمال تقسیم می گردد . احتمال حالت نرمال سیستم قدرت، بعنوان شاخص سطح امنیت سیستم تعریف می شود . برای محاسبه این شاخص، در حالت Offline یک شبکه خود سازمان دهنده کوهنن در فضای ورودی ها آموزش داده می شود و حالتهای نرمال و غیر نرمال سیستم قدرت را در فضای ورودی ها طبقه بندی می کند . سپس در حالت Online ، از شبکه عصبی آموزش یافته برای محاسبه شاخص امنیت به روش شبیه سازی مونت کارلو استفاده می شود . در این روش نوع توزیع احتمالات بارها محدودیتی ندارد و پیچیدگی سیستم قدرت هم مشکلی ایجاد نمی کند . ضمنا تعداد دفعات مورد نیاز برای تحلیل سیستم قدرت بسیار کم می باشد . نتایج محاسبات بر روی یک سیستم قدرت نمونه نشان می دهد که روش پیشنهادی از دقت کاملا قابل قبولی برخوردار بوده و برای کاربرد در زمان واقعی ( Online) مناسب می باشد