تشخیص وقوع خطا و مکان آن در ریز شبکه های DC با استفاده از شبکه های عصبی بازگشتی و دسته بند مبتنی بر درخت تصمیم گیری

در سال های اخیر ریزشبکه ها نقش مهمی را در شبکه های توزیع ایفا کرده اند. ریزشبکه های  DCبه دلیل مزایای خود به یکی از موضوعات محبوب محققان تبدیل شده اند. یکی از چالش های اساسی در مسیر توسعه ریزشبکه های DC مسائل مربوط به حفاظت آن هاست. در نتیجه در این مقاله یک روش حفاظتی برای تشخیص وقوع خطا و مکان آن در ریزشبکه های DC ارائه شده است. با توجه به پیشرفت های صورت گرفته در زمینه هوش مصنوعی و عملکرد خوب روش های حفاظتی هوشمند در ریزشبکه های AC، در این مقاله از شبکه های عصبی بازگشتی برای تعییین مکان خطا استفاده شده است. در این مقاله از سنجش جریان فیدرهای بار و ولتاژ شینه اصلی برای تشخیص وقوع خطا و تعیین مکان آن استفاده می شود. همچنین عملکرد روش حفاظتی ارائه شده در هر دو حالت متصل به شبکه و جزیره ای بررسی شده و نتایج حاصل، عملکرد مناسب روش حفاظتی ارائه شده را تایید می کنند. در این مقاله از نرم افزار MATLAB برای آموزش و تست الگوریتم های یادگیری ماشین و شبکه بازگشتی و از نرم افزار DIgSILENT برای شبیه سازی ریزشبکه DC مورد مطالعه استفاده می شود.

کلیدواژه ها:

DC Microgrids ، Protection ، Fault Detection ، Fault Location ، RNN ، Machine Learning ، Decision Tree Classifier. ، ریز شبکه های DC ، حفاظت ، تشخیص وقوع خطا ، تعیین مکان خطا ، شبکه عصبی بازگشتی ، یادگیری ماشین ، دسته بند مبتنی بر درخت تصمیم گیری