عنوان مقاله :
تشخيص وقوع خطا و مكان آن در ريز شبكه‌هاي DC با استفاده از شبكه‌هاي عصبي بازگشتي و دسته بند مبتني بر درخت تصميم‌گيري
عنوان به زبان ديگر :
Fault Detection and Location In DC Microgrids by Recurrent Neural Networks and Decision Tree Classifier
پديد آورندگان :
اكبري شريف، اميرحسين دانشگاه شهيد بهشتي - دانشكده مهندسي برق، تهران، ايران , كاظمي كارگر، حسين دانشگاه شهيد بهشتي - دانشكده مهندسي برق، تهران، ايران , اسماعيل بيگي، سامان دانشگاه شهيد بهشتي - دانشكده مهندسي برق، تهران، ايران
كليدواژه :
ريزشبكههاي DC , حفاظت , تشخيص وقوع خطا , تعيين مكان خطا , شبكۀ عصبي بازگشتي , يادگيري ماشين , دسته‌بند مبتني بر درخت تصميم‌گيري
چكيده فارسي :
در سال‌هاي اخير ريزشبكه‌ها نقش مهمي را در شبكه‌هاي توزيع ايفا كرده‌اند. ريزشبكههاي DCبه‌دليل مزاياي خود به يكي از موضوعات محبوب محققان تبديل شده‌اند. يكي از چالش‌هاي اساسي در مسير توسعۀ ريزشبكههاي DC مسائل مربوط به حفاظت آن‌هاست. در نتيجه در اين مقاله يك روش حفاظتي براي تشخيص وقوع خطا و مكان آن در ريزشبكههاي DC ارائه شده است. با توجه به پيشرفت‌هاي صورت‌گرفته در زمينۀ هوش مصنوعي و عملكرد خوب روش‌هاي حفاظتي هوشمند در ريزشبكههاي AC، در اين مقاله از شبكه‌هاي عصبي بازگشتي براي تعييين مكان خطا استفاده شده است. در اين مقاله از سنجش جريان فيدرهاي بار و ولتاژ شينۀ اصلي براي تشخيص وقوع خطا و تعيين مكان آن استفاده مي‌شود. همچنين عملكرد روش حفاظتي ارائه‌شده در هر دو حالت متصل به شبكه و جزيره‌اي بررسي شده و نتايج حاصل، عملكرد مناسب روش حفاظتي ارائه‌شده را تأييد مي‌كنند. در اين مقاله از نرم‌افزار MATLAB براي آموزش و تست الگوريتم هاي يادگيري ماشين و شبكۀ بازگشتي و از نرم‌افزار DIgSILENT براي شبيه‌سازي ريزشبكۀ DC مورد مطالعه استفاده مي‌شود.
چكيده لاتين :
Microgrids have played an important role in distribution networks during recent years. DC microgrids are very popular among researchers because of their benefits. However, protection is one of the significant challenges in the way of these
microgrids progress. As a result, in this paper, a fault detection and location scheme for DC microgrids is proposed. Due to advances in Artificial Intelligence (AI) and the suitable performance of smart protection methods in AC microgrids,
Recurrent Neural Networks (RNNs) are used in the proposed method to locate faults in DC microgrids. In this method,
fault detection and location are done by measuring feeders current and main bus voltage. Furthermore, the performance
of the proposed method is assessed in grid-connected and the islanded operation modes of the microgrid. The result has
confirmed the efficiency of the proposed scheme . In this paper, MATLAB and DIgSILENT are used to design RNNs and DC microgrid simulation respectively.
عنوان نشريه :
مهندسي و مديريت انرژي
