تخمين حد ديناميكي پايداري ولتاژ در سيستم‌هاي قدرت با استفاده از يادگيري ماشين

امروزه ناپايداري‌هاي مكرر ولتاژ در سيستم‌هاي قدرت مدرن، يك نگراني براي بهره‌برداران سيستم‌هاي قدرت محسوب مي‌شود. پايداري ولتاژ سيستم‌هاي قدرت را مي‌توان با استفاده از تحليل‌هاي استاتيكي و ديناميكي مطالعه كرد و براساس آن به مرزهاي پايداري ولتاژ شامل مرزهاي استاتيكي مانند بيشينه بارپذيري سيستم قدرت و مرزهاي ديناميكي مانند نقاط دوشاخگي دست يافت. با اين حال، امروزه با افزايش مصرف انرژي الكتريكي در سيستم‌هاي قدرت، بحث پيش‌بيني به‌هنگام پايداري ولتاژ، اهميت چشمگيري پيدا كرده است. در اين مقاله، با استفاده از شبكه عصبي چندلايه پرسپترون و تركيب تحليل‌هاي شبيه‌سازي حوزه زمان، تحليل دوشاخگي و تحليل مدال، حد ديناميكي پايداري ولتاژ براساس مرز انشعاب هاپف پيش‌بيني شده است. در اين راستا به‌منظور افزايش دقت و سرعت آموزش و نيز آزمون شبكه عصبي در پيش‌بيني حد ديناميكي پايداري ولتاژ از يك روش انتخاب مؤلفه تحت عنوان تئوري اطلاعات متقابل استفاده شده است. الگوريتم ارائه‌شده بر سيستم آزمون 14 با سه استاندارد بررسي گرديد و تأثير انواع مدل‌هاي استاتيكي بارهاي سيستم قدرت شامل بارهاي توان ثابت، جريان ثابت و امپدانس ثابت بر قابليت الگوريتم پيشنهادي بررسي شد.