ارزیابی قابلیت اطمینان با استفاده از شبکه عصبی MLP و شبیه سازی مونت کارلو

ارزیابی قابلیت اطمینان یکی از مهمترین بخشهای برنامه ریزی و بهره برداری از سیستم قدرت می باشد. یکی از روشهای ارزیابی قابلیت اطمینان استفاده از شبکه های عصبی می باشد که بر اساس یادگیری پس انتشار خطا کاربرد زیادی در طبقه بندی دارند.این مقاله روش جدیدی برای ارزیابی قابلیت اطمینان با استفاده از شبکه های عصبی MLP و الگوریتم مونت کارلو ارائه می کند که باعث کاهش زمان محاسبات اندازه گیری شاخص قابلیت اطمینان LOLP در الگوریتم مونت کارلو می گردد. در انتها کارایی این روش بر روی سیستم تست IEEE RTS برای نشان داده می شود.

کلیدواژه ها:

الگوریتم مونت کارلو ، شبکه عصبی ، قابلیت اطمینان