پروژه های آماده مهندسی برق

این پروژه یک مقاله آماده با موضوع، تشخیص و مکان‌یابی هوشمند خطاهای امپدانس بالا در شبکه‌های توزیع فعال مبتنی بر یادگیری عمیق و داده‌های زیرساخت اندازه‌گیری پیشرفته در ۲۱ صفحه ورد می باشد. در ادامه چکیده ای از این مقاله را خواهیم داشت: چکیده: با نفوذ روزافزون منابع تولید پراکنده (DER) و گذار پیوسته و گریزناپذیر از شبکه‌های توزیع سنتی به شبکه‌های توزیع فعال (Active Distribution Networks)، ساختار و دینامیک سیستم‌های قدرت دستخوش تغییرات بنیادین شده است.در این رهگذار، چالش‌های حفاظتی نوینی بروز یافته‌اند که از مهم‌ترین و پیچیده‌ترین آن‌ها می‌توان به تشخیص و مکان‌یابی دقیق خطاهای امپدانس بالا (HIF) اشاره کرد.این خطاها، که غالباً در پی برخورد هادی‌های فاز با سطوح عایقی نظیر شاخه درختان، آسفالت یا زمین‌های خشک رخ می‌دهند، به دلیل تولید جریان‌های نشتی بسیار ناچیز و رفتار به شدت غیرخطی ناشی از پدیده قوس الکتریکی، توسط سیستم‌های حفاظت اضافه‌جریان مرسوم و رله‌های سنتی قابل تشخیص نیستند.پیامد این عدم تشخیص، خطرات جبران‌ناپذیری نظیر آتش‌سوزی‌های گسترده و تلفات جانی ناشی از برق‌گرفتگی است.در این گزارش پژوهشی و تحلیلی جامع، یک چارچوب نوین و مقاوم هیبریدی مبتنی بر ترکیب شبکه‌های عصبی کانولوشنال یک‌بعدی (۱D-CNN) و ماشین بردار پشتیبان (SVM) توسعه یافته است.این ساختار از داده‌های باکیفیت و با نرخ نمونه‌برداری بالای زیرساخت اندازه‌گیری پیشرفته (AMI) بهره می‌گیرد.در روش پیشنهادی، ابتدا از تبدیل موجک پیوسته (CWT) با تابع پایه مناسب جهت پیش‌پردازش سیگنال‌های ولتاژ و جریان و استخراج طیف زمان-فرکانسی استفاده می‌شود.ویژگی‌های پنهان با فرکانس بالا به‌طور خودکار توسط لایه‌های شبکه عصبی عمیق استخراج شده و به یک طبقه‌بند بردار پشتیبان تحویل داده می‌شوند.نتایج شبیه‌سازی گسترده روی شبکه توزیع استاندارد ۳۳ باسه IEEE با در نظر گرفتن مدل‌های دقیق دینامیکی قوس الکتریکی از جمله مدل‌های امانوئل و کیزیلکای، نشان می‌دهد که چارچوب پیشنهادی قادر است وقوع خطا را با دقتی فراتر از ۸۵/۹۸ درصد در زمانی کمتر از ۱۰ میلی‌ثانیه تشخیص دهد و خطای مکان‌یابی را به کمتر از ۲ درصد طول فیدر محدود سازد.این رویکرد پایداری بی‌نظیری در برابر نویزهای محیطی (تا سطح ۲۰ دسی‌بل SNR) و تغییرات پیوسته توپولوژی سیستم از خود نشان می‌دهد. واژگان کلیدی: خطای امپدانس بالا (HIF)، شبکه توزیع فعال، یادگیری عمیق، شبکه عصبی کانولوشنال یک‌بعدی (۱D-CNN)، ماشین بردار پشتیبان (SVM)، تبدیل موجک پیوسته (CWT)، زیرساخت اندازه‌گیری پیشرفته (AMI)، مدل قوس الکتریکی کیزیلکای.