تشخیص و کلاسه بندی خطا در شبکه های هوشمند با استفاده از فازورهای ولتاژ و جریان
این مقاله، یک متدولوژی جهت تشخیص و کلاسهبندی خطاهای رخداده بر روی خطوط انتقال شبکههای قدرت هوشمند ارائه میکند. در روش پیشنهادی، فازورهای ولتاژ و جریان توسط واحد اندازهگیری فازور (PMU) نصبشده در باس ژنراتور، تخمین زده میشود و سپس زوایای ولتاژ و جریان معادل به دست میآید. این زوایا از طریق تبدی...
Main Authors: | , |
---|---|
Format: | Article |
Language: | fas |
Published: |
Ayandegan Institute of Higher Education, Tonekabon,
2018-05-01
|
Series: | تصمیم گیری و تحقیق در عملیات |
Subjects: | |
Online Access: | http://www.journal-dmor.ir/article_58265_7f1aebd18a1ee154e62e0a630a990aeb.pdf |
_version_ | 1797905158360793088 |
---|---|
author | محمد صابری بهزاد تقی پور |
author_facet | محمد صابری بهزاد تقی پور |
author_sort | محمد صابری |
collection | DOAJ |
description | این مقاله، یک متدولوژی جهت تشخیص و کلاسهبندی خطاهای رخداده بر روی خطوط انتقال شبکههای قدرت هوشمند ارائه میکند. در روش پیشنهادی، فازورهای ولتاژ و جریان توسط واحد اندازهگیری فازور (PMU) نصبشده در باس ژنراتور، تخمین زده میشود و سپس زوایای ولتاژ و جریان معادل به دست میآید. این زوایا از طریق تبدیل فوریه سریع) FFT (آنالیز میشوند و برای تشخیص و کلاسهبندی خطای خط انتقال بکار میروند. تشخیص خطای خط انتقال با استفاده از روش سیستم استنتاج فازی-عصبی صورت میگیرد و کلاسهبندی خطای تشخیص دادهشده با استفاده از ماشین بردار پشتیبانی (SVM) انجام میشود. اعتبار سنجی روش پیشنهادی بر روی سیستم 14 باسه IEEE در محیط نرمافزار متلب مورد آزمایش قرارگرفته است. |
first_indexed | 2024-04-10T10:00:37Z |
format | Article |
id | doaj.art-f22226e38c7c472094e1a042bf2ddb44 |
institution | Directory Open Access Journal |
issn | 2538-5097 2676-6159 |
language | fas |
last_indexed | 2024-04-10T10:00:37Z |
publishDate | 2018-05-01 |
publisher | Ayandegan Institute of Higher Education, Tonekabon, |
record_format | Article |
series | تصمیم گیری و تحقیق در عملیات |
spelling | doaj.art-f22226e38c7c472094e1a042bf2ddb442023-02-16T08:49:16ZfasAyandegan Institute of Higher Education, Tonekabon,تصمیم گیری و تحقیق در عملیات2538-50972676-61592018-05-0131829810.22105/dmor.2018.5826558265تشخیص و کلاسه بندی خطا در شبکه های هوشمند با استفاده از فازورهای ولتاژ و جریانمحمد صابری0بهزاد تقی پور1گروه مهندسی برق، موسسه اموزش عالی آیندگان، تنکابن، ایرانگروه مهندسی برق، دانشگاه آزاد اسلامی واحد سیاهکل، سیاهکل، ایران.این مقاله، یک متدولوژی جهت تشخیص و کلاسهبندی خطاهای رخداده بر روی خطوط انتقال شبکههای قدرت هوشمند ارائه میکند. در روش پیشنهادی، فازورهای ولتاژ و جریان توسط واحد اندازهگیری فازور (PMU) نصبشده در باس ژنراتور، تخمین زده میشود و سپس زوایای ولتاژ و جریان معادل به دست میآید. این زوایا از طریق تبدیل فوریه سریع) FFT (آنالیز میشوند و برای تشخیص و کلاسهبندی خطای خط انتقال بکار میروند. تشخیص خطای خط انتقال با استفاده از روش سیستم استنتاج فازی-عصبی صورت میگیرد و کلاسهبندی خطای تشخیص دادهشده با استفاده از ماشین بردار پشتیبانی (SVM) انجام میشود. اعتبار سنجی روش پیشنهادی بر روی سیستم 14 باسه IEEE در محیط نرمافزار متلب مورد آزمایش قرارگرفته است.http://www.journal-dmor.ir/article_58265_7f1aebd18a1ee154e62e0a630a990aeb.pdfتشخیص و کلاسه بندی خطاشبکه هوشمندواحد اندازه گیری فازورآنالیز تبدیل فوریهسیستم استنتاج قازی-عصبیماشین بردار پشتیبان |
spellingShingle | محمد صابری بهزاد تقی پور تشخیص و کلاسه بندی خطا در شبکه های هوشمند با استفاده از فازورهای ولتاژ و جریان تصمیم گیری و تحقیق در عملیات تشخیص و کلاسه بندی خطا شبکه هوشمند واحد اندازه گیری فازور آنالیز تبدیل فوریه سیستم استنتاج قازی-عصبی ماشین بردار پشتیبان |
title | تشخیص و کلاسه بندی خطا در شبکه های هوشمند با استفاده از فازورهای ولتاژ و جریان |
title_full | تشخیص و کلاسه بندی خطا در شبکه های هوشمند با استفاده از فازورهای ولتاژ و جریان |
title_fullStr | تشخیص و کلاسه بندی خطا در شبکه های هوشمند با استفاده از فازورهای ولتاژ و جریان |
title_full_unstemmed | تشخیص و کلاسه بندی خطا در شبکه های هوشمند با استفاده از فازورهای ولتاژ و جریان |
title_short | تشخیص و کلاسه بندی خطا در شبکه های هوشمند با استفاده از فازورهای ولتاژ و جریان |
title_sort | تشخیص و کلاسه بندی خطا در شبکه های هوشمند با استفاده از فازورهای ولتاژ و جریان |
topic | تشخیص و کلاسه بندی خطا شبکه هوشمند واحد اندازه گیری فازور آنالیز تبدیل فوریه سیستم استنتاج قازی-عصبی ماشین بردار پشتیبان |
url | http://www.journal-dmor.ir/article_58265_7f1aebd18a1ee154e62e0a630a990aeb.pdf |
work_keys_str_mv | AT mḥmdṣạbry tsẖkẖyṣwḵlạshbndykẖṭạdrsẖbḵhhạyhwsẖmndbạạstfạdhạzfạzwrhạywltạzẖwjryạn AT bhzạdtqypwr tsẖkẖyṣwḵlạshbndykẖṭạdrsẖbḵhhạyhwsẖmndbạạstfạdhạzfạzwrhạywltạzẖwjryạn |