تصنيف العطل في نظام نقل الطاقة الكهربائية باستخدام خوارزميات تعلم الآلة
باعتبار خطوط التوتر العالي مكون هام في نظام القدرة الكهربائية، فإنه من الضروري تصنيف العطل عليها بدقة، وبالتالي تحسين جودة الطاقة الكهربائية، وزيادة استقرار النظام. تم في هذا البحث الاعتماد على خوارزميات تعلم الآلة من أجل تصنيف عطل خطوط نقل الطاقة الكهربائية نظرا لموثوقيتها ودقة نتائجها، حيث...
Saved in:
| Main Authors: | , , |
|---|---|
| Format: | Book |
| Published: |
Tishreen University,
2024-08-01T00:00:00Z.
|
| Subjects: | |
| Online Access: | Connect to this object online. |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Summary: | باعتبار خطوط التوتر العالي مكون هام في نظام القدرة الكهربائية، فإنه من الضروري تصنيف العطل عليها بدقة، وبالتالي تحسين جودة الطاقة الكهربائية، وزيادة استقرار النظام. تم في هذا البحث الاعتماد على خوارزميات تعلم الآلة من أجل تصنيف عطل خطوط نقل الطاقة الكهربائية نظرا لموثوقيتها ودقة نتائجها، حيث تم مقارنة أداء خوارزميتين لتعلم الآلة وهي: شجرة القرارDecision Tree (DT) وآلة متجه الدعم Support Vector Machine (SVM) في تمييز حالة العطل من حالة العمل الطبيعية وتحديد نوع العطل على خط توتر عالي 400 kV. تمت نمذجة الخط ومحاكاة الأعطال في بيئة SIMULINK في برنامج MATLAB، وذلك لتوليد بيانات نوع العطل عند قيم مختلفة لمقاومة العطل. تم ترشيح البيانات ومعالجتها في بيئة Python ليتم استخدامها في تدريب هذه الخوارزميات. بينت النتائج تفوق أداء خوارزمية DT على خوارزمية SVM في تصنيف العطل وذلك عند شروط النظام المختلفة. |
|---|---|
| Item Description: | 2079-3081 2663-4279 |