-
-
-
دسترسی آزاد مقاله
1 - تشخیص وقوع خطای قطع فاز در خطوط انتقال متصل به ریزشبکه¬های مبتنی بر انرژی-های تجدیدپذیر
حمیدرضا صفا علی اصغر قدیمیاتصال ریزشبکه¬های مبتنی بر انرژی¬های تجدید در خطوط انتقال بیش از پیش افزایش یافته است. حضور این ریزشبکه¬ها در کنار مزایای که دارند اما معضلاتی را از مناظر مختلف بهره برداری، کنترل و حفاظت پیش می¬آورند. اتصال مستقیم این ریزشبکه¬ها به صورت T-off در خطوط انتقال و بدون احدا چکیده کاملاتصال ریزشبکه¬های مبتنی بر انرژی¬های تجدید در خطوط انتقال بیش از پیش افزایش یافته است. حضور این ریزشبکه¬ها در کنار مزایای که دارند اما معضلاتی را از مناظر مختلف بهره برداری، کنترل و حفاظت پیش می¬آورند. اتصال مستقیم این ریزشبکه¬ها به صورت T-off در خطوط انتقال و بدون احداث پست، باعث اختلال شدید در عملکرد الگوریتم¬های حفاظتی خط می¬شود. در این مقاله یک روش تشخیص خطا در خطوط انتقال متصل به ریزشبکه¬های مبتنی بر انرژی¬های تجدید پذیر جهت تشخیص زود هنگام خطای قطع فاز مبتنی بر اطلاعات یک سمت خط (ترمینال ابتدای خط) و با استفاده از روش آموزش یادگیری شبکه¬های عصبی مصنوعی ارائه شده است. شبکه عصبی در نظر گرفته شده در این مقاله ترکیبی از نوع کانولوشنی و بازگشتی با دروازه‌های فراموشی (CNN_LSTM) می¬باشد. مدل ترکیبی شامل یک لایه Conv1D با ۶۴ فیلتر و سایز کرنل ۳، یک لایه MaxPooling1D، دو لایه LSTM با ۳۲ واحد، یک لایه Dropout و یک لایه Dense با یک واحد و فعال‌سازی سیگموئید است. دیتاهای لازم جهت آموزش شبکه عصبی مورد نظر از شبیه سازی شبکه اصلی و پیاده سازی سناریوهای مختلف خطا در سیمولینک نرم افزار متلب استخراج شده¬اند و در نهایت مدل شبکه عصبی مورد نظر در محیط نرم افزار پایتون برنامه نویسی و مدلسازی شده است. طبق نتایج شبیه سازی، دقت نهایی مدل استخراج شده در تشخیص خطای قطع فاز در این توپولوژی پیشنهادی حدود 73/99٪ ارزیابی شده است. نتایج موفقیت آمیز ارائه شده در قسمت نتایج تست و ارزیابی، موید عملکرد مطلوب الگوریتم پیشنهادی در این مقاله می¬باشد. پرونده مقاله
فهرست مقالات علی اصغر قدیمی
-
حقوق این وب‌سایت متعلق به سامانه مدیریت نشریات دانشگاه آزاد اسلامی است.
حق نشر © 1403-1400