طراحی تخمین گر حالت و آشکارساز داده غلط سیستمهای قدرت با استفاده از شبکه عصبی پرسپترون
نویسندگان
1
doi
10.22075/jme.2017.1592چکیده
تخمین حالت یک ابزار اساسی در سیستم مدیریت انرژی برای نظارت، کنترل و بررسی امنیت استاتیک سیستمهای قدرت است. روش متداول حل مسئله تخمین حالت، استفاده از حداقل مربعات وزندار است که معایبی همچون بد رفتار بودن ماتریس بهره و کند بودن فرایند شناسایی اطلاعات غلط دارد. طراحی تخمینگر با استفاده از شبکه عصبی مصنوعی میتواند بر مشکلات عددی فائق آمده و با سرعت بیشتری نسبت به روش حداقل مربعات وزندار، عمل تخمین را انجام دهد. با این حال، وجود خطا در سیگنالهای اندازهگیری میتواند همچنان باعث انحراف مقادیر تخمین از مقادیر واقعی شود. لذا به منظور کاهش اثر نامطلوب دادههای غلط در این فرایند، در این مقاله روشی جدید با تکیه بر تواناییهای شبکه عصبی پیشنهاد شده است که مشخصه عملکردی تخمینگر حالت را بهبود میبخشد. کارایی روش پیشنهادی، روی دو سیستم قدرت نمونه 9 و 14 شینه مورد بررسی قرار گرفته است. نتایج به دست آمده از شبیهسازی، مؤید عملکرد رضایتبخش تخمینگر پیشنهادی است.
