تشخیص جزیره های الکتریکی در شبکه های توزیع دارای تولیدات پراکنده با استفاده از تبدیل موجک گسسته و شبکه عصبی مصنوعی

در این مقاله برای تشخیص جزیره های الکتریکی، یک الگوریتم جدید مبتنی بر تحلیل سیگنال های حالت گذرا با استفاده از تبدیل موجک گسسته (DWT) و شبکه عصبی مصنوعی (ANN) ارائه می گردد. شبکه عصبی برای دسته بندی حوادث به حالت های «جزیره» یا «غیر جزیره» آموزش داده می شود. ویژگی های مورد نیاز دسته بندی، از طریق تبدیل موجک گسسته سیگنال های گذرای ولتاژ و جریان DGها استخراج می شوند. برای شبیه سازی الگوریتم از نرم افزارهای DIGSILENT، MATLAB و WEKA استفاده شده است. روش پیشنهادی روی یک سیستم توزیع ولتاژ متوسط CIGRE با دو نوع DG مختلف آزمایش می شود. این مقاله، الگوریتم رله نهایی را با تحلیل انجام گرفته از میان 162 طرح انتخاب می کند تا رله انتخابی از نظر شاخص های مختلف از جمله دقت، سرعت، سادگی و هزینه، بهترین کارایی را داشته باشد. با تحلیل و بررسی های صورت گرفته در رله انتخابی DGها، از سیگنال ولتاژ، موجک مادر 4db و سطح هفتم تبدیل موجک استفاده می شود. نتایج شبیه سازی نشان می دهد که این روش می تواند جزیره های الکتریکی را در مقایسه با روش های موجود در زمان کوتاه تر و با دقت بالاتری تشخیص دهد.