محمدجواد میرزائی - دانشجوی دکتری دانشکده مهندسی برق، دانشگاه علم و صنعت ایران
احد کاظمی - دانشیار دانشکده مهندسی برق، دانشگاه علم و صنعت ایران

در این مقاله، با اتخاذ یک رویکرد مبتنی بر ترکیب الگوریتم های فراابتکاری و روش های یادگیری ماشینی، چهار مدل شامل الگوریتم ژنتیک- ماشین بردار پشتیبان ،(GA-SVM) الگوریتم ژنتیک- رگرسیون بردار پشتیبان ،(GA-SVR) الگوریتم ازدحام ذرات - رگرسیون بردار پشتیبان (PSO-SVR) و (PSO-SVM) به منظور تخمین ولتاژ شکست بحرانی روی مقره های آلوده، ارائه شده است. همچنین، به منظور ارزیابی عملکرد مدل های فوق، دو معیار ارزیابی معرفی گردیده است. علاوه براین، در مدل SVM یک تابع کرنل ترکیبی به منظور افزایش دقت مدل ارائه و در نهایت، روشهای مذکور بر روی مقره های آلوده، پیادهسازی و نتایج حاصل که بیانگر کارایی مدل های ارائه شده است؛ مورد بحث و بررسی قرار گرفته است.

مقره های آلوده؛ ولتاژ شکست بحرانی؛ ماشین بردار پشتیبان؛ تخمین؛ الگوریتم فراابتکاری