تعيين نوع و مكان دقيق خطا در شبكه هاي توزيع داراي منابع توليد پراكنده با استفاده از شبكه هاي عصبي MLP

یكی از مسائلی كه در سال های اخیر ذهن مهندسین حفاظت را به خود مشغول كرده، طراحی روش هایی برای تعیین نوع ومكان دقیق خطا در شبكه های قدرت است . تشخیص مكان خطا در شبكه های انتقال، به دلیل ناچیز بودن امپدانس خطا،كار چندان پیچیده ای نیست و غالبا توسط رله های دیستانس انجام می گیرد. اما در شبكه های توزیع به دلیل بزرگ بودنامپدانس خطا و تغییرات وسیع آن و نیز سادگی ادوات حفاظتی این شبكه ها، تشخیص مكان دقیق خطا بسیار سختاست. از طرفی با نفوذ روزافزون منابع تولید پراكنده در شبكه های توزیع، نیاز به طراح ی سیستم های جدید حفاظتیبرای این گونه شبكه ها نیز افزایش می یابد . یكی از مسائلی كه می تواند باعث بالا بردن كیفیت عملكرد رله های جدیدحفاظتی شبكه توزیع شود، قدرت این رله ها در تشخیص محل دقیق خطا است . در این مقاله یك روش جدید برایتشخیص محل دقیق خطا در شبكه های توزیع دارای منابع تولید پراكنده و با استفاده از شبكه های عصبی MLP ارائه شده است. در روش ارائه شده پس از تشخیص نوع خطا به واسطه نرمالیزه كردن جریان خطای تزریقی از پست تغذیه كننده شبكه، شبكه عصبی آموزش دیده مربوط به آن نوع خطا فعال شده و برای تعیین فاصله محل خطا از منابع تغذیه موجود در شبكه مورد استفاده قرار می گیرد. روش مذكور بر روی یك شبكه توزیع نمونه كه با استفاده از نرم افزار DIgSILENT Power Factory 13.2 مدلسازی شده است، پیاده سازی شده و كارایی آن مورد بررسی قرار گرفته است . نتایج حاصل از مطالعات انجام شده بیانگر قدرت و دقت بالای روش پیشنهادی است و قابلیت استفاده از این روش را برای استفاده در طرح های حفاظتی هوشمند در شبكه های توزیع مدرن تأیید می كند.