این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مهندسی و مدیریت انرژی، جلد ۱۱، شماره ۴، صفحات ۴۰-۴۷
عنوان فارسی تشخیص وقوع خطا و مکان آن در ریز شبکه‌های DC با استفاده از شبکه‌های عصبی بازگشتی و دسته‌بند مبتنی بر درخت تصمیم‌گیری
چکیده فارسی مقاله در سال‌های اخیر ریزشبکه‌ها نقش مهمی را در شبکه‌های توزیع ایفا کرده‌اند. ریزشبکه‌های  DCبه‌دلیل مزایای خود به یکی از موضوعات محبوب محققان تبدیل شده‌اند. یکی از چالش‌های اساسی در مسیر توسعۀ ریزشبکه‌های DC مسائل مربوط به حفاظت آن‌هاست. در نتیجه در این مقاله یک روش حفاظتی برای تشخیص وقوع خطا و مکان آن در ریزشبکه‌های DC ارائه شده است. با توجه به پیشرفت‌های صورت‌گرفته در زمینۀ هوش مصنوعی و عملکرد خوب روش‌های حفاظتی هوشمند در ریزشبکه‌های AC، در این مقاله از شبکه‌های عصبی بازگشتی برای تعییین مکان خطا استفاده شده است. در این مقاله از سنجش جریان فیدرهای بار و ولتاژ شینۀ اصلی برای تشخیص وقوع خطا و تعیین مکان آن استفاده می‌شود. همچنین عملکرد روش حفاظتی ارائه‌شده در هر دو حالت متصل به شبکه و جزیره‌ای بررسی شده و نتایج حاصل، عملکرد مناسب روش حفاظتی ارائه‌شده را تأیید می‌کنند. در این مقاله از نرم‌افزار MATLAB برای آموزش و تست الگوریتم های یادگیری ماشین و شبکۀ بازگشتی و از نرم‌افزار DIgSILENT برای شبیه‌سازی ریزشبکۀ DC مورد مطالعه استفاده می‌شود.
کلیدواژه‌های فارسی مقاله ریز‌شبکه‌های DC، حفاظت، تشخیص وقوع خطا، تعیین مکان خطا، شبکۀ عصبی بازگشتی، یادگیری ماشین، دسته‌بند مبتنی بر درخت تصمیم‌گیری
عنوان انگلیسی Fault Detection and Location In DC Microgrids by Recurrent Neural Networks and Decision Tree Classifier
چکیده انگلیسی مقاله Microgrids have played an important role in distribution networks during recent years. DC microgrids are very popular among researchers because of their benefits. However, protection is one of the significant challenges in the way of these microgrids progress. As a result, in this paper, a fault detection and location scheme for DC microgrids is proposed. Due to advances in Artificial Intelligence (AI) and the suitable performance of smart protection methods in AC microgrids, Recurrent Neural Networks (RNNs) are used in the proposed method to locate faults in DC microgrids. In this method, fault detection and location are done by measuring feeders current and main bus voltage. Furthermore, the performance of the proposed method is assessed in grid-connected and the islanded operation modes of the microgrid. The result has confirmed the efficiency of the proposed scheme . In this paper, MATLAB and DIgSILENT are used to design RNNs and DC microgrid simulation respectively.
کلیدواژه‌های انگلیسی مقاله DC Microgrids, Protection, Fault Detection, Fault Location, RNN, Machine Learning, Decision Tree Classifier.
نویسندگان مقاله امیرحسین اکبری شریف | Amirhossein Akbari Sharif
Shahid Beheshti University, Department of Electrical Enigneering
دانشکده مهندسی برق، دانشگاه شهید بهشتی

حسین کاظمی کارگر | Hossein Kazemi karegar
Shahid Beheshti University, Department of Electrical Enigneering
دانشکده مهندسی برق، دانشگاه شهید بهشتی

سامان اسماعیل بیگی | Saman Esmaeilbeigi
Shahid Beheshti University, Department of Electrical Enigneering
دانشکده مهندسی برق، دانشگاه شهید بهشتی

نشانی اینترنتی http://energy.kashanu.ac.ir/browse.php?a_code=A-10-2836-1&slc_lang=en&sid=1
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده en
موضوعات مقاله منتشر شده مهندسی برق
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات