تخمین حد دینامیکی پایداری ولتاژ در سیستم های قدرت با استفاده از یادگیری ماشین

امروزه ناپایداری های مکرر ولتاژ در سیستم های قدرت مدرن، یک نگرانی برای بهره برداران سیستم های قدرت محسوب می شود. پایداری ولتاژ سیستم های قدرت را می توان با استفاده از تحلیل های استاتیکی و دینامیکی مطالعه کرد و براساس آن به مرزهای پایداری ولتاژ شامل مرزهای استاتیکی مانند بیشینه بارپذیری سیستم قدرت و مرزهای دینامیکی مانند نقاط دوشاخگی دست یافت. با این حال، امروزه با افزایش مصرف انرژی الکتریکی در سیستم های قدرت، بحث پیش بینی به هنگام پایداری ولتاژ، اهمیت چشمگیری پیدا کرده است. در این مقاله، با استفاده از شبکه عصبی چندلایه پرسپترون و ترکیب تحلیل های شبیه سازی حوزه زمان، تحلیل دوشاخگی و تحلیل مدال، حد دینامیکی پایداری ولتاژ براساس مرز انشعاب هاپف پیش بینی شده است. در این راستا به منظور افزایش دقت و سرعت آموزش و نیز آزمون شبکه عصبی در پیش بینی حد دینامیکی پایداری ولتاژ از یک روش انتخاب مولفه تحت عنوان تئوری اطلاعات متقابل استفاده شده است. الگوریتم ارائه شده بر سیستم آزمون ۱۴ با سه استاندارد بررسی گردید و تاثیر انواع مدل های استاتیکی بارهای سیستم قدرت شامل بارهای توان ثابت، جریان ثابت و امپدانس ثابت بر قابلیت الگوریتم پیشنهادی بررسی شد.