طبقه بندی عیوب در خطوط انتقال برق بوسیله ماشین بردار پشتیبان بهینه شده با الگوریتم فرا ابتکاری ترکیبی جدید

خطوط برق انتقال یکی از اجزای جدایی ناپذیر در سیستم توزیع و انتقال برق هستند. توان بالای عبوری و پیامدهای مالی ناشی از بروز عیب در این خطوط باعث توجه ویژه پژوهشگران به حفاظت در این حوزه شده است. ضعف های موجود در روش های حفاظت سنتی و وابستگی شدید آن ها به شرایط بهره برداری سیستم اهمیت تشخیص عیب با روش های هوشمند را دو چندان می کند. در این مقاله از روش مبتنی بر یادگیری ماشین، ماشین بردار پشتیبان بهره گرفته شده است تا عیوب را در یک خط انتقال تشخیص دهیم. از ویژگی های این پژوهش می توان ارائه یک الگوریتم بهینه سازی ترکیبی جدید و به کار بردن روش SMOTE برای متعادل سازی داده ها بهره گرفته شده است زیرا در حوزه تشخیص عیب اغلب داده ها نامتعادل هستند به این صورت که داده های مربوط به حالت سالم یا کارکرد عادی اغلب بیشتر در دسترس هستند تا داده های مربوط به حالت های عیب. این رویکرد باعث طبقه بندی عیوب با دقت بالاتر و نتایج قابل استنادتر می گردد

کلیدواژه ها:

ماشین بردار پشتیبان (SVM) ، خطوط انتقال برق ، بهینه سازی ، SMOTE ، طبقه بندی عیوب