در این مقاله برای تشخیص جزیرههای الکتریکی، یک الگوریتم جدید مبتنی بر تحلیل سیگنالهای حالت گذرا با استفاده از تبدیل موجک گسسته (DWT) و شبکه عصبی مصنوعی (ANN) ارائه میگردد. شبکه عصبی برای دستهبندی حوادث به حالتهای "جزیره" یا "غیر جزیره" آموزش داده میشود. ویژگیهای م چکیده کامل
در این مقاله برای تشخیص جزیرههای الکتریکی، یک الگوریتم جدید مبتنی بر تحلیل سیگنالهای حالت گذرا با استفاده از تبدیل موجک گسسته (DWT) و شبکه عصبی مصنوعی (ANN) ارائه میگردد. شبکه عصبی برای دستهبندی حوادث به حالتهای "جزیره" یا "غیر جزیره" آموزش داده میشود. ویژگیهای مورد نیاز دستهبندی، از طریق تبدیل موجک گسسته سیگنالهای گذرای ولتاژ و جریان DGها استخراج میشوند. برای شبیهسازی الگوریتم از نرمافزارهای DIGSILENT، MATLAB و WEKA استفاده شده است. روش پیشنهادی روی یک سیستم توزیع ولتاژ متوسط CIGRE با دو نوع DG مختلف آزمایش میشود. این مقاله، الگوریتم رله نهایی را با تحلیل انجامگرفته از میان 162 طرح انتخاب میکند تا رله انتخابی از نظر شاخصهای مختلف از جمله دقت، سرعت، سادگی و هزینه، بهترین کارایی را داشته باشد. با تحلیل و بررسیهای صورتگرفته در رله انتخابی DGها، از سیگنال ولتاژ، موجک مادر 4db و سطح هفتم تبدیل موجک استفاده میشود. نتایج شبیهسازی نشان میدهد که این روش میتواند جزیرههای الکتریکی را در مقایسه با روشهای موجود در زمان کوتاهتر و با دقت بالاتری تشخیص دهد.
پرونده مقاله