پیوندهای مفید
آمار
| تعداد نشریات | 22 |
| تعداد شمارهها | 712 |
| تعداد مقالات | 10,258 |
| تعداد مشاهده مقاله | 72,013,257 |
| تعداد دریافت فایل اصل مقاله | 63,762,296 |
مروری بر روشهای مکانیابی خطا مبتنی بر هوش مصنوعی در شبکههای توزیع انرژی الکتریکی | ||
| مدل سازی در مهندسی | ||
| مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 13 مهر 1404 | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22075/jme.2025.34536.2688 | ||
| نویسندگان | ||
| محمد آریان فر1؛ مصطفی جزائری* 2 | ||
| 1دانشکده برق و کامپیوتر دانشگاه سمنان - گروه برق قدرت | ||
| 2گروه قدرت- دانشکده مهندسی برق و کامپیوتر- دانشگاه سمنان | ||
| تاریخ دریافت: 02 تیر 1403، تاریخ بازنگری: 04 خرداد 1404، تاریخ پذیرش: 17 شهریور 1404 | ||
| چکیده | ||
| خطاها و خرابیها در شبکههای وسیع توزیع انرژی الکتریکی میتواند به دلایل مختلفی رخ دهد و در صورتی که در کوتاهترین زمان ممکن شناسائی و برطرف نشود اثرات مخربی بر روی کیفیت توان و نیز تداوم سرویسدهی مطلوب سیستم خواهد داشت. لذا بمنظور بهبود قابلیت اطمینان و ارتقای کفایت شبکه همواره مکانیابی دقیق و سریع خطا یکی از دغدغههای مهم تحقیقات در حوزه حفاظت از سیستم بوده است. استفاده از تکنیکهای هوش مصنوعی در زمینه مکانیابی خطا از دیدگاه محققان در سالیان اخیر به عنوان یک روش کاربردی و موثر معرفی شده است. در روشهای مبتنی بر هوش مصنوعی میتوان تخمینگر را بصورت آفلاین آموزش داد تا توانائی تخمین آنلاین و سریع محل عیب یا ناحیه خطا را بدست آورد. این روشها به مقدار قابل توجهی نیازمند دادههای آموزشی هستند که میتواند بر اساس پیشینه تاریخی و یا تولید در یک فرآیند شبیهسازی باشد. تحقیقات نشان میدهد که روشهای مبتنی بر هوش مصنوعی نسبت به رقبای جدی از جمله روشهای مبتنی بر امپدانس، حساسیت کمتری نسبت به نویز در دادههای ورودی دارند و به طور قابل توجهی دقیقتر هستند. این مقاله در حقیقت مروری جامع و مفهومی از روشهای مبتنی بر هوش مصنوعی با هدف مکانیابی خطا در شبکههای توزیع انرژی الکتریکی فراهم میکند. برای این منظور، مزایا و معایب روشهای ارائه شده در مقالات از عمدتا سال 2014 دسته بندی، مقایسه و نتیجهگیری میشوند. | ||
| کلیدواژهها | ||
| هوش مصنوعی؛ AI؛ مکانیابی خطا؛ یادگیری ماشین؛ سیستمهای توزیع | ||
| عنوان مقاله [English] | ||
| A Review on Artificial Intelligence-Based Fault Location Methods in Electric Power Distribution Systems | ||
| نویسندگان [English] | ||
| mohamad aryanfar1؛ Mostafa Jazaeri2 | ||
| 1Department of Power Electricity | ||
| 2Faculty of electrical and computer engineering - Semnan University | ||
| چکیده [English] | ||
| Faults and failures in wide electrical power distribution systems can occur for various reasons and have destructive effects on the power quality and also suitable system service continuity if the failure is not identified and resolved in the shortest possible time. Hence, in order to improve the reliability and enhance the network adequacy, fast and accurate fault location is an important concern in the system protection area. The use of Artificial Intelligence (AI) techniques in the field of fault location has been introduced as a practical and useful method from view point of researchers in recent years. In AI-based methods, the estimator can be trained by offline methods to be able to provide fast online estimation of the fault location or fault segment. These methods require a significant amount of training data, which can be based on historical records or generated in a simulation process. Research shows that AI-based methods are less sensitive to noise in the input data and significantly more accurate than serious competitors including impedance-based methods. This paper in fact provides a comprehensive and conceptual review on artificial intelligence-based methods with the aim of fault location in the electrical energy distribution networks. For this purpose, the advantages and disadvantages of the proposed methods presented in the published papers mainly since 2014 are categorized, compared and concluded. | ||
| کلیدواژهها [English] | ||
| Artificial intelligence, AI, Fault location, Machine Learning, Distribution Networks | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 400 |
||