سیامک گنج خانی - دانشکده فنی و مهندسی-دانشگاه آزاد اسلامی واحد ابهر- ابهر- ایران
مهدی فیروزی ابهری - دانشکده فنی و مهندسی-دانشگاه آزاد اسلامی واحد ابهر- ابهر- ایران
علی جماعت - دانشکده فنی و مهندسی-دانشگاه آزاد اسلامی واحد ابهر- ابهر- ایران

محدود کننده جریان خطا (FCL )وسیله ای حیاتی برای کاهش جریان اتصال کوتاه در سیستم قدرت است، تا قطع کننده مربوطه بتواند جریا خطا و خط مورد نظر با اطمینان قطع نماید. غیر فعال شدن محدود ساز جریان خطا نصب شده در خط انتقال توسط حمله سایبری، منجر به اقدام ناموفق مدارشکن در رفع خطا خواهد می گردد. عدم موفقیت در قطع جریان خطا در خط معیوب می تواند باعث گسترش خطا به سایر قسمتهای سیستم قدرت و ناپایداری سیستم قدرت گردد. بنابراین برای جلوگیری از وقوع چنین رخدادی در سیستم قدرت، سیستم حفاظت از مدار شکن مربوطه فعال می شود تا تمام خطوط انتقال متصل را قطع کند، که منجر به خاموشی بسیاری از قسمت های سیستم قدرت می گردد. در این مقاله، به منظور مقابله با عملکرد ناموفق مدارشکن ناشی از حمله سایبری به عملکرد محدود ساز منصوب در خط انتقال معیوب، یک استراتژی واکنش فعال فوق سریع بر اساس چارچوب شبکه عصبی عمیق پیشنهاد شده است تا کمترین تعداد خطوط انتقال متصل را قطع کند. برای این منظور در ابتدا، یک شبکه حافظه کوتاه مدت (LSTM ) برای استخراج ویژگی ها از توالی زمانی جریان اتصال کوتاه طراحی شده است. سپس، یک روش مبتنی بر یادگیری تقویت عمیق (RL ) برای تعیین استراتژی بهینه پیشنهاد شده است. در این روش برای رفع خطا ترکیبی از خطوط انتقال متصل به خط معیوب را انتخاب و قطع می کند، به طوری که جریان اتصال کوتاه از ظرفیت مدار شکن کوچکتر گردد تا مدار شکن خط معیوب بتواند خط معیوب را قطع نماید. پس از رفع خطا خطوط انتقال متصل قطع شده مجددا بسته خواهند شد تا یکپارچگی سیستم قدرت بازیابی شود. در نرم افزار PSCAD/EMTDC محیطی برای شبیه سازی دینامیک سیستم قدرت سه ماشینه و نه باسه به منظور به دست آوردن داده های ضروری برای آموزش شبکه عصبی عمیق پیشنهادی ایجاد شده است. نتایج عددی نشان می دهد که استراتژی پیشنهادی می تواند با کمترین تاثیر بر پایداری سیستم قدرت، خطا را برطرف کند.

محدود کننده جریان خطا، حمله سایبری، سیستم قدرت ،جریان اتصال کوتاه