پيش بيني و خوشه بندي نوع خطا در شبكه هاي توزيع نيروي برق با استفاده از داده كاوي

Prediction and clustering of error types in power distribution networks using data mining

چكيده — در اين مقاله از الگوريتم خوشه بندي K-Medoids و از سه معيار انرژي توزيع نشده ، زمان خاموشي و تعداد تماس مشتركين برق در سطح شهر تهران ، براي پيش بيني شناسايي نوع خطا در شبكه هاي توزيع برق استفاده گرديده است. از لينك نرم افزار EXCEL وMatlab و همچنين كد نويسي در نرم افزار متلب و الگوريتم ارائه شده ، براي تحليل و آناليزداده ها استفاده شده است. در اين مقاله از داده هاي خطا در شبكه فشار متوسط برق تهران بزرگ در سال هاي 95 و 96 بعنوان جامعه آماري استفاده شده ، و اعتبارسنجي گرديده است . در پايان دقت نتايج خوشه بندي پيشنهادي با استفاده از داده هاي جديد خطا شبكه برق تهران بزرگ، ارزيابي گرديده ، كه نشان مي دهد كه خوشه بندي مدل پيشنهادي ارائه شده ، جهت شناسايي و پيش بيني نوع خطا از دقت بالايي برخوردار است.

Abstract-In this paper, the K-Medoids clustering algorithm and three non-distributed energy metrics, Off time and number of electricity subscribers in the city of Tehran, To predict the type of error in power distribution networks. From the EXCEL and Matlab software, as well as coding in MATLAB software and algorithm, Used for data analysis. In this paper, the error data in the medium-high power grid TEHRAN in 2016 and 2017 has been used as a statistical population.And validated.In the end, the accuracy of the proposed clustering results using the new error data of the large Tehran network, Evaluated, which shows The clustering of the proposed model is highly accurate for identifying and predicting the type of error