مدلي مقياس ‌پذير مبتني بر يادگيري گروهي براي جايابي بهينۀ كليد بريكر و سكسيونر در سيستم‌ هاي توزيع توان الكتريكي با هدف بهبود قابليت اطمينان

تعيين بهينۀ تعداد و مكان تجهيزات كليد زني (مانند بريكرها و سكسيونرها) در سيستم‌هاي توزيع توان الكتريكي امري ضروري براي كاهش قطعي‌هاي برق و هزينه‌هاي مربوط است؛ با اين حال، الگوريتم‌هاي بهينه‌سازي رياضي موجود مانند روش‌هاي كلاسيك و فراابتكاري قادر به حل مناسب مسئلۀ جايابي بهينۀ تجهيزات كليدزني براي سيستم‌هاي بزرگ نيستند. در اين مقاله، مدلي مقياس‌پذير مبتني بر روش‌هاي يادگيري ماشين پيشنهاد مي‌شود كه با توجه به شرايط سيستم‌هاي توزيع توان الكتريكي، مكان و تعداد بهينۀ تجهيزات كليدزني را مشخص مي‌كند. در اين راستا، استفاده از روش‌هاي يادگيري گروهي و هوش مصنوعي تفسيرپذير براي ساخت يك مدل داده‏محور دقيق پيشنهاد مي‌شود؛ در نتيجه، بهره‌برداران سيستم قدرت قادر خواهند بود تا بدون استفاده از الگوريتم‌هاي بهينه‌سازي رياضي، مكان و تعداد بهينۀ بريكرها، سكسيونرهاي قابل كنترل از راه دور و سكسيونرهاي دستي را در سيستم‌هاي بزرگ با استفاده از روش پيشنهادي مشخص كنند. براي اعتبارسنجي دقت و مقياس‌پذيري، مدل پيشنهادي به همراه‌ يك مدل كلاسيك روي يك سيستم‌ توزيع واقعي در استان فارس اجرا مي‌شود. نتايج مطالعات عددي نشان مي‌دهد مدل داده‏محور پيشنهادي با دريافت اطلاعات كمي از سيستم تحت بررسي قادر به يافتن پاسخي نزديك به بهينۀ عمومي در زماني بسيار كوتاه است.