حسن رستگار - دانشکده مهندسی برق دانشگاه صنعتی امیرکبیر ( قطب علمی قدرت )
مهدی طالشیان - دانشکده مهندسی برق دانشگاه صنعتی امیرکبیر ( قطب علمی قدرت )

در این مقاله یک شبکه عصبی مصنوعی با استفاده از تبدیل Wavelet برای طراحی سیستمهای بازبست اتوماتیک هوشمند مورد استفاده قرار گرفته است و روشی نو برای تشخیص خطای گذرا از خطای مانا ارائه شده است . برای طراحی این سیستم هوشمند، با شبیه سازی خطای مانا و خطای گذرا در شبکه قدرت سیگنالهای خطا بازسازی شده اند . سپس با اعمال تبدیل Wavelet روی سیگنالهای بدست آمده، طیفهای فرکانسی متفاوت آنها استخراج می گردد . آنگاه نتایج بدست آمده به شبکه عصبی اعمال می شوند . قوانین یادگیری معمولی با روش پس انتشار خطا برای آموزش شبکه انتخاب شده است . شبکه آموزش داده شده، سپس با تعدادی ورودی تست که به روش مشابهی با اطلاعات آموزش تولید شده اند، آزمایش شده است و مشاهده می گردد که این سیستم به طور دقیقی بین خطای دائمی و گذرا تمایز قائل می شود و آنها را از هم تشخیص می دهد . تبدیل Wavelet این امکان را فراهم می سازد که در زمان بسیار کوتاهتری داده های مورد نیاز جهت تشخیص خطا ایجاد گردد . این مطالعه نشان می دهد که روش ارائه شده می تواند به عنوان یک راه حل موثر در طراحی سیستمهای بازبست اتوماتیک پیشرفته و هوشمند به کار گرفته شود .

شبکه عصبی، تبدیل adaptive autoreclosure, Wavelet ، خطای گذرا و دائمی