تشخيص جزيره‌هاي الكتريكي در شبكه‌هاي توزيع داراي توليدات پراكنده با استفاده از تبديل موجك گسسته و شبكه عصبي مصنوعي

در اين مقاله براي تشخيص جزيره‌هاي الكتريكي، يك الگوريتم جديد مبتني بر تحليل سيگنال‌هاي حالت گذرا با استفاده از تبديل موجك گسسته (DWT) و شبكه عصبي مصنوعي (ANN) ارائه مي‌گردد. شبكه عصبي براي دسته‌بندي حوادث به حالت‌هاي "جزيره" يا "غير جزيره" آموزش داده مي‌شود. ويژگي‌هاي مورد نياز دسته‌بندي، از طريق تبديل موجك گسسته سيگنال‌هاي گذراي ولتاژ و جريان DGها استخراج مي‌شوند. براي شبيه‌سازي الگوريتم از نرم‌افزارهاي DIGSILENT، MATLAB و WEKA استفاده شده است. روش پيشنهادي روي يك سيستم توزيع ولتاژ متوسط CIGRE با دو نوع DG مختلف آزمايش مي‌شود. اين مقاله، الگوريتم رله نهايي را با تحليل انجام‌گرفته از ميان 162 طرح انتخاب مي‌كند تا رله انتخابي از نظر شاخص‌هاي مختلف از جمله دقت، سرعت، سادگي و هزينه، بهترين كارايي را داشته باشد. با تحليل و بررسي‌هاي صورت‌گرفته در رله انتخابي DGها، از سيگنال ولتاژ، موجك مادر 4db و سطح هفتم تبديل موجك استفاده مي‌شود. نتايج شبيه‌سازي نشان مي‌دهد كه اين روش مي‌تواند جزيره‌هاي الكتريكي را در مقايسه با روش‌هاي موجود در زمان كوتاه‌تر و با دقت بالاتري تشخيص دهد.