نام پژوهشگر: علی رفیع نیا

تعیین مکان خطاهای امپدانس بالا در شبکه های شعاعی با انشعابات مختلف در شبکه توزیع 20 کیلوولت زیرزمینی
پایان نامه وزارت علوم، تحقیقات و فناوری - دانشگاه کردستان 1390
  علی رفیع نیا   جمال مشتاق

در این پایان نامه نتایج یک روش جدید برای دسته بندی و مکان یابی خطا در نرم افزار emtp ارائه شده است. اطلاعات شبیه سازی شده با استفاده از یک تکنیک پردازش سیگنال پیشرفته مبتنی بر تحلیل موجک برای استخراج اطلاعات مفید از سیگنال ها، تحلیل شده تا به وسیله سیستم منطق فازی و شبکه عصبی هوشمند، نوع و مکان خطای امپدانس بالای زمین شده در یک شبکه واقعی توزیع شعاعی زیرزمینی تعیین گردد. این پایان نامه نشان دهنده کارایی بالای این روش پیشرفته پس از وقوع خطای امپدانس بالا می باشد. همچنین نتایج به دست آمده نشان می دهد که این تکنیک مکان یابی خطا دارای یک دقت قابل قبول تحت شرایط مختلف خطا و سیستم می باشد. هدف این پایان نامه به دست آوردن روشی مبتنی بر ترکیب تبدیل موجک با شبکه عصبی و منطق فازی برای دسته بندی و مکان یابی خطا (یافتن فاصله خطا تا منبع و همچنین شاخه خطا) در شبکه توزیع 20 کیلوولت شعاعی می باشد. این شبکه دارای 5 انشعاب بوده که پس از وقوع خطا در هر انشعاب، علاوه بر دسته بندی و یافتن فاصله خطا تا منبع، بایست شاخه خطادار نیز مشخص گردد. شبکه توزیع نمونه با استفاده از شرایط واقعی در نرم افزار atp/emtp شبیه سازی شده و با استفاده از یک مبدل کارآمد، اطلاعات به دست آمده از نرم افزار atp/emtp به نرم افزار matlab منتقل شده و سپس با استفاده از تبدیل موجک و با استخدام الگوهای مناسب، به استخراج مشخصه هایی مفید برای دسته بندی و مکان یابی خطا پرداخته شده است. در ادامه این مشخصه ها به عنوان ورودی به شبکه عصبی و منطق فازی داده شده و با استفاده از این روش ها خروجی مطلوب برای دسته بندی و مکان یابی خطا به دست آمده است. در فصل اول مروری کلی بر روش های دسته بندی و مکان یابی خطا در سیستم قدرت صورت گرفته است. در فصل دوم سیستم موردبررسی، نرم افزارهای به کاررفته و همچنین انواع خطاهای اعمال شده برروی سیستم نمونه معرفی شده اند. در فصل سوم به معرفی پردازش سیگنال و تبدیل موجک پرداخته و مولفه های به دست آمده از تبدیل موجک (یک مولفه تقریب و هشت مولفه جزئیات) برای استخراج مشخصه های به کاررفته به منظور دسته بندی و مکان یابی خطا مورد استفاده قرار گرفته است. در فصل چهارم از شبکه عصبی به عنوان یک ابزار و روش مناسب برای دسته بندی و مکان یابی خطا با استفاده از مشخصه های به دست آمده از فصل سوم استفاده شده است. در فصل پنجم ابتدا به معرفی منطق فازی پرداخته سپس مشخصه های استخراجی از تبدیل موجک به عنوان ورودی به سیستم منطق فازی داده شده و با استفاده از استنتاج فازی، نوع و مکان خطا به دست آمده است.