ترجمه مقاله نمونه داده کاوی بمنظور محافظت خط ارسال بر اساس ادوات فکتس – FACTS
_______________________________________
چکیده ترجمه مقاله مدل داده کاوی برای حفاظت خط انتقال مبتنی بر ادوات فکتس – FACTS :
این مقاله یک مدل دادهکاوی برای شناسائی ناحیه خطای یک خط انتقال مبتنی بر سیستمهای انتقال ac انعطافپذیر (FACTS) ارائه میکند که شامل جبرانساز سری کنترلشده با تریستور (TCSC) و کنترلر یکپارچه عبور توان (UPFC) است، و از مجموعه درختان تصمیم استفاده میکند.
با تصادفی بودن مجموعه درختان تصمیم در مدل جنگلهای تصادفی، تصمیم موثر برای شناسائی ناحیه خطا حاصل میشود. نمونههای جریان و ولتاژ نیم سیکل پس از لحظه وقوع خطا به عنوان بردار ورودی در برابر خروجی هدف “1” برای خطای پس از TCSC/UPFC و “1-” برای خطای قبل از TCSC/UPFC ، برای شناسائی ناحیه خطا به کار میرود.
این الگوریتم روی دادههای خطای شبیهسازی شده با تغییرات وسیع در پارامترهای عملکردی شبکه قدرت منجمله شرایط نویزی تست شده است و معیار قابلیت اطمینان 99% با پاسخ زمانی سریع بدست آمده است (سه چهارم سیکل پس از لحظه خطا). نتایج روش ارائه شده به کمک مدل جنگلهای تصادفی نشان دهنده تخیص قابل اعتماد ناحیه خطا در خطوط انتقال مبنی بر FACTS است.
تقاضای رو به رشد انتقال حجیم توان در شبکههای قدرت نوین منجر به افزایش تمرکز روی قیود انتقال شده است. تجهیزات سیستمهای انتقال ac انعطافپذیر (FACTS) [1] یک راهکار مناسب برای روشهای استحکام مرسوم است. در بین آنها، جبرانساز سری کنترلشده با تریستور (TCSC) [2] و کنترلر یکپارچه عبور توان (UPFC) [3] ادوات FACTS مهمی هستند که به طور گسترده برای بهبود بهرهبرداری سیستمهای انتقال موجود به کار میروند.
حضور TCSC در حلقه خطا نه تنها مولفههای حالت دائم بلکه مولفههای گذرا را نیز تحت تاثیر قرار میدهد. راکتانس کنترلپذیر، واریستورهای اکسیدفلزی (MOV) محافظت از خازنها، و عملکرد فاصله هوایی باعث میشود تصمیمگیری حفاظتی پیچیدهتر شده و لذا طرحهای حفاظتی مرسوم مبتنی بر تنظیمات ثابت دارای محدودیت میشوند. از طرف دیگر، UPFC افقهای نوینی را از منظر کنترل سیستم قدرت آشکار میکند. با اینکه استفاده از UPFC قابلیت انتقال توان و پایداری سیستم قدرت را افزایش میدهد، اما در حفاظت خط انتقال برخی مشکلات جدید نمایان میشود [4]-[6]، که اغلب روی میزان دسترسی رله دیستانس اثر میگذارند.
عنوان انگلیسی مقاله: A Data-Mining Model for Protection of FACTS-Based Transmission Line
عنوان فارسی مقاله: یک مدل داده کاوی برای حفاظت خط انتقال مبتنی بر ادوات فکتس
نمونه متن انگلیسی ترجمه مقاله مدل داده کاوی برای حفاظت خط انتقال مبتنی بر ادوات فکتس – FACTS
The results obtained using RF has been compared with SVM for similar applications [9], [10]. The same time-domain data set is used to train and test the SVM, without preprocessing through the wavelet transform. In this st udy, the Gaussian kernel is used for the SVM implementation and the values of SVM parame- ters, such as width of Gaussian function, bound on Lagrangian multipliers, and the conditioning parameter are the same (after cross validation) as considered in [10]. Table II depicts the con- fusion matrix generated using RF and SVM for fault-zone iden- ti fi cation. “ 1” corresponds to the fault before TCSC/UPFC and “1” for faults after TCSC/UPFC (placed at 50% of the line). The confusion matrix provides the results of the predicted class versus the actual class for the test data sets (30%). The ac- curacy for TCSC line with RF is 99.50% compared to 93.99 using SVM. Similar observations are made for UPFC, where the fault-zone identi fi cation accuracies are 99.19% and 92.89, with RF and SVM, respectively.
ترجمه مقاله نمونه داده کاوی بمنظور محافظت خط ارسال بر اساس ادوات فکتس – FACTS
1 نظر