تعیین نوع و مکان دقیق خطا در شبکه های توزیع دارای منابع تولید پراکنده با استفاده از شبک ههای عصبی MLP

یکی از مسائلی که در سال های اخیر ذهن مهندسین حفاظت را به خود مشغول کرده، طراحی روش هایی برای تعیین نوع ومکان دقیق خطا در شبکه های قدرت است . تشخیص مکان خطا در شبکه های انتقال، به دلیل ناچیز بودن امپدانس خطا،کار چندان پیچیده ای نیست و غالبا توسط رله های دیستانس انجام می گیرد. اما در شبکه های توزیع به دلیل بزرگ بودنامپدانس خطا و تغییرات وسیع آن و نیز سادگی ادوات حفاظتی این شبکه ها، تشخیص مکان دقیق خطا بسیار سختاست. از طرفی با نفوذ روزافزون منابع تولید پراکنده در شبکه های توزیع، نیاز به طراح ی سیستم های جدید حفاظتیبرای این گونه شبکه ها نیز افزایش می یابد . یکی از مسائلی که می تواند باعث بالا بردن کیفیت عملکرد رله های جدیدحفاظتی شبکه توزیع شود، قدرت این رله ها در تشخیص محل دقیق خطا است . در این مقاله یک روش جدید برایتشخیص محل دقیق خطا در شبکه های توزیع دارای منابع تولید پراکنده و با استفاده از شبکه های عصبی MLP ارائه شده است. در روش ارائه شده پس از تشخیص نوع خطا به واسطه نرمالیزه کردن جریان خطای تزریقی از پست تغذیه کننده شبکه، شبکه عصبی آموزش دیده مربوط به آن نوع خطا فعال شده و برای تعیین فاصله محل خطا از منابع تغذیه موجود در شبکه مورد استفاده قرار می گیرد. روش مذکور بر روی یک شبکه توزیع نمونه که با استفاده از نرم افزار DIgSILENT Power Factory 13.2 مدلسازی شده است، پیاده سازی شده و کارایی 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 شبکه های توزیع مدرن تأیید می کند.