روشي نو در تشخيص خطاي گذرا از خطاي مانا به كمك شبكه هاي عصبي و با استفاده از تبديل Wavelet  Fulltext 

[ حسن رستگار ] - دانشكده مهندسي برق دانشگاه صنعتي اميركبير ( قطب علمي قدرت )
[ مهدي طالشيان ] - دانشكده مهندسي برق دانشگاه صنعتي اميركبير ( قطب علمي قدرت )

خلاصه مقاله:

در اين مقاله يك شبكه عصبي مصنوعي با استفاده از تبديل Wavelet براي طراحي سيستمهاي بازبست اتوماتيك هوشمند مورد استفاده قرار گرفته است و روشي نو براي تشخيص خطاي گذرا از خطاي مانا ارائه شده است . براي طراحي اين سيستم هوشمند، با شبيه سازي خطاي مانا و خطاي گذرا در شبكه قدرت سيگنالهاي خطا بازسازي شده اند . سپس با اعمال تبديل Wavelet روي سيگنالهاي بدست آمده، طيفهاي فركانسي متفاوت آنها استخراج مي گردد . آنگاه نتايج بدست آمده به شبكه عصبي اعمال مي شوند . قوانين يادگيري معمولي با روش پس انتشار خطا براي آموزش شبكه انتخاب شده است . شبكه آموزش داده شده، سپس با تعدادي ورودي تست كه به روش مشابهي با اطلاعات آموزش توليد شده اند، آزمايش شده است و مشاهده مي گردد كه اين سيستم به طور دقيقي بين خطاي دائمي و گذرا تمايز قائل مي شود و آنها را از هم تشخيص مي دهد . تبديل Wavelet اين امكان را فراهم مي سازد كه در زمان بسيار كوتاهتري داده هاي مورد نياز جهت تشخيص خطا ايجاد گردد . اين مطالعه نشان مي دهد كه روش ارائه شده مي تواند به عنوان يك راه حل موثر در طراحي سيستمهاي بازبست اتوماتيك پيشرفته و هوشمند به كار گرفته شود .

شبكه عصبي، تبديل adaptive autoreclosure, Wavelet ، خطاي گذرا و دائمي