تمايز دادن جريان هجومي از خطاي داخلي در ترانسفورماتورها با استفاده از شبكه عصبي بهينه مبتني بر فيلتر كالمن

ترانسفورماتورهاي به كار رفته در واحدهاي توليد پراكنده معمولاً در نزديكي ژنراتورها قرار دارند كه سبب پديد آمدن جريان هجومي قابل توجهي در طي فرآيند انرژي دار شدن آن ها مي گردد. در اين مقاله يك روش موثر براي تمايز بين جريان هاي هجومي از جريان هاي خطاي داخلي ترانسفورماتورهاي ولتاژ متوسط مربوط به واحدهاي توليد پراكنده ارائه شده است. مبناي اين روش شبكه عصبي مبتني بر تابع پايه شعاعي بهينه (ORBFNN) است كه در آن از فيلتر كالمن براي استخراج شاخص و بهينه سازي فرآيند يادگيري استفاده شده است. الگوريتم پيشنهادي با استفاده از شبيه سازي يك ترانسفورماتور در يك شبكه ي توليد پراكنده ي نمونه در نرم افزار PSCAD/EMTDC مورد ارزيابي قرار گرفته است. نتايج نشان مي دهند كه روش پيشنهادي داري دقت بالا، سرعت مناسب، و حجم محاسباتي پايين است.