مقایسه دو روش شبکه پتری و شبکه عصبی مصنوعی برای تخمین بخش خطادیده در سیستمهای قدرت

عنوان انگلیسی:

مقایسه دو روش شبکه پتری و شبکه عصبی مصنوعی برای تخمین بخش خطادیده در سیستمهای قدرت

توضیحات:

در این مقاله به منظور مدلسازی و تشخیص خطـا و محـل
آن در سیستمهای قدرت از شـبکههـای پتـری اسـتفاده شـده
است. در این روش استدلالی، چگونگی اسـتفاده از اطلاعـات
وضعیت سیستم حفاظتی برای تخمین بخش خطا دیده سیستم
قدرت، توسط شبکههای پتری فرمول بندی شـده اسـت. ایـن
فرایند استدلالی میتواند بر اساس شبکههای پتـری، بـه طـور
گرافیکی نمایش داده شود و توسـط عملیـات ماتریسـی اجـرا
شـوند. اکتسـاب اطلاعـات توسـط RTU 1هـای سیسـتمهـای
SCADA، شامل سیگنال تریـپ رلـههـا و سـیگنال وضـعیت
مدارشکنها بعنوان ورودی مدلهای تشخیص خطا میباشـند.
همچنین در این مقاله روش پیشنهادی با روش شـبکه عصـبی
مصنوعی مقایسه شده است. با استفاده از شبکههای پتری زمان
پـردازش اطلاعـات کـاهش یافتـه و همچنـین دقـت فرآینـد
۱٫ Remote Terminal Units
تشخیص افزایش مییابد. روش اعمال شده، علیرغم سـادگی،
امکان مونیتورینگ سلسله مراتبی سیستم قدرت را فراهم می-
سازد





تعداد کلیک:

۴۵۴



فرم عضویت در خبرنامه کدسرا
 

شما می توانید به منظور اطلاع یافتن از آخرین کدهای منتشر شده در کدسرا، با وارد کردن ایمیل خود در کادر زیر به عضویت خبرنامه کدسرا در آیید.



لینک خارجی

این مطلب، که توسط موتور جستجوی کدسرا پیشنهاد شده است، بر روی یک وبسایت دیگر قابل دسترسی است.

برای مشاهده آن، بر روی لینک زیر، کلیک کنید.



مشاهده لینک