مسعود دشت دار - دانشجوی دکتری، گروه مهندسی برق - واحد بوشهر - دانشگاه آزاد اسلامی - بوشهر - ایران
مصطفی اسمعیل بیگ - استادیار، گروه مهندسی برق - واحد بوشهر - دانشگاه آزاد اسلامی - بوشهر - ایران
مجتبی نجفی - استادیار، گروه مهندسی برق - واحد بوشهر - دانشگاه آزاد اسلامی - بوشهر - ایران

در این مقاله به‌منظور مکان‌یابی خطا در شبکة انتقال از تبدیل موجک گسسته برای استخراج ویژگی‌های خطا‌، برای آموزش شبکة عصبی مصنوعی استفاده شده است. درواقع اساس کار، مبتنی برآنالیز جریان به‌دست‌آمده از اطلاعات ثبت‌شده بعد از خطا در ابتدا و انتهای خط بوده و با رله دریافت شده و برای کاهش داده‌ها از فرایند تبدیل جریان سه فاز به جریان توالی صفر استفاده شده است. در ادامه، به کمک تبدیل موجک، با تجزیة دو سطحی جریان توالی صفر، مؤلفه‌های افقی این جریان استخراج می‌شود. درنهایت، با محاسبة انرژی ذخیره‌شده در این مؤلفه‌ها و نیز استخراج مقیاس‌های ماکزیمم این مؤلفه‌‌ها ویژگی‌های مشخصی از خطا نمایان می‌شوند که به‌منظور آموزش شبکة عصبی مناسب خواهند بود. نتایج شبیه‌سازی نشان می‌دهند این ویژگی‌ها به‌شدت به مقاومت خطا، نوع خطا، زاویة وقوع خطا و مکان خطا وابسته‌اند؛ بنابراین، داده‌های آموزشی باید به‌گونه‌ای انتخاب شوند که این تغییرات را به‌خوبی نمایان کنند تا شبکة عصبی در تشخیص خود دچار مشکل نشود. روش پیشنهادی روی شبکة تست پیاده‌سازی شد که نتایج آن نشان‌دهندة عملکرد مناسب روش پیشنهادی با دقت کلی 6/98% و حداکثر خطای تخمین 1666/0% بوده است.

تبدیل موجک, مکان‌یابی خطا, ANN, WEE