بيست و ششمين كنفرانس بين المللي برق – ارائه روش جديدي براي تشخيص عيب در سيستمهاي قدرت با استفاده از آموزش شبكه عصبي مصنوعي بر اساس حلقه دوتايي مبتني بر ISFLA و IDSFLA
دانلود مقاله : ارائه روش جديدي براي تشخيص عيب در سيستمهاي قدرت با استفاده از آموزش شبكه عصبي مصنوعي بر اساس حلقه دوتايي مبتني بر ISFLA و IDSFLA
امروزه بسياري از عمليات سيستمهاي قدرت به وسيله سيستمهاي پيشرفته كامپيوتري كنترل ميشوند. اما با اين حال يك سري وظايف وجود دارند كه قابل اتوماتيك كردن نيستند و هنوز هم توسط اپراتورهاي انساني انجام ميشوند. يكي از وظايفي كه جزء اين گروه محسوب ميشود عمليات تشخيص و ارزيابي موقعيت خطا در شبكه هاي قدرت است . خطاهاي الكتريكي و اثرات آنها مهمترين و جدي ترين مشكل در شبكههاي انتقال نيرو بوده و باعث ايجاد اختلالات گوناگون و تغيير وضعيت سيستم ميشوند. به دنبال وقوع يك خطا در سيستم قدرت، اپراتور بايستي فوراً منطقه تحت تأثير را به حالت اوليه بازگرداند و يا اينكه حداقل مسير قابل قبولي براي عبور قدرتي كه پيش از وقوع حادثه از تجهيزات معيوب جاري بود بر پا نمايد . در اين مقاله، يك روش جديد تشخيص عيب در سيستم هاي قدرت بر اساس آموزش شبكه عصبي مصنوعي مبتني بر دو حلقه IDSFLA و ISFLA پيشنهاد شده است. شبكه عصبي مصنوعي از نوع پيشخور سه لايه انتخاب شده است كه در آن حلقه دوتايي IDSFLA و ISFLA در بهينه سازي توپولوژي و وزنهاي شبكه عصبي بكار رفته است . حلقه IDSFLA براي بهينه سازي ساختار شبكه عصبي و حلقه ISFLA براي بهينه سازي وزن ها بكار رفته است . بدين صورت شبكه عصبي مصنوعي بهينه براي تشخيص عيب به دست ميآيد. در اين مقاله فرمول بندي شبكه عصبي مصنوعي و مطابق آن فلوچارت كامپيوتري مربوط به دو الگوريتم IDSFLA و ISFLA به منظور تعيين ساختار و آموزش بهينه شبكه عصبي ارائه شده است. نتايج شبيه سازي كامپيوتري در تست سيستم قدرت نمونه نشان ميدهد كه روش پيشنهادي تشخيص عيب در مقايسه با ساختار معمولي شبكه عصبي با آموزش پس انتشار خطا، بسيار مطلوب ميباشد.
ابوالفضل جليلوند
دانشگاه زنجان، دانشكده
مهندسي، گروه مهندسي
برق، زنجان، ايران
