نادر هاتفی ترشیزی - دانشکده مهندسی برق و کامپیوتر- دانشگاه بیرجند
حمید رضا نجفی - دانشکده مهندسی برق و کامپیوتر- دانشگاه بیرجند
عباس صابری نوقابی - دانشکده مهندسی برق و کامپیوتر- دانشگاه بیرجند

به‌منظور عملکرد مناسب سیستم کنترل و حفاظت ریزشبکه، لازم است تغییر وضعیت اتصال ریزشبکه با شبکه سراسری در کم‌ترین زمان ممکن شناسایی شود. در این مقاله، یک روش بهینه‌سازی به‌منظور تعیین پارامترهای ورودی روش کلاسه‌بندی به کمک اطلاعات محلی پیشنهاد شده است. هدف مسئله بهینه‌سازی، حداقل‌کردن زمان تشخیص و افزایش دقت تشخیص است. همچنین در روش کلاسه‌بندی سه حالت وقوع جزیره، اتصال مجدد به شبکه و سایر رخدادها در نظر گرفته شده است. تابع هدف این مسئله به‌صورت مجموع وزن‌دار ضریب زمان و خطای تشخیص رله تعریف شده است. با توجه به این‌که ورودی‌های مسئله تشخیص می‌توانند پارامترهای مختلف شبکه مانند فرکانس، ولتاژ، جریان، توان و یا مؤلفه‌های توالی آن‌ها و یا نرخ تغییرات آن‌ها باشند، متغیرهای مسئله بهینه‌سازی، تعداد و نوع پارامترهای ورودی مسئله کلاسه‌بندی در نظر گرفته شده است. از الگوریتم ژنتیک برای حل این مسئله بهینه‌سازی و از روش ماشین بردار پشتیبان برای کلاسه‌بندی استفاده شده است. به‌منظور بررسی صحت روش پیشنهادی، حالات مختلفی از شرایط بهره‌برداری ریزشبکه در نظر گرفته شده و در هر حالت، رخدادهای متفاوتی مدل‌سازی شده‌اند. مقایسه نتایج حاصله با نتایج سایر مقالات برتری روش پیشنهادی را نشان می‌دهد.

اتصال مجدد, اطلاعات محلی, ماشین بردار پشتیبان, تشخیص جزیره‌ای, ریزشبکه, الگوریتم ژنتیک