مدلسازی و پیش بینی بهینه نرخ خرابی تجهیزات شبکه توزیع برق

به منظور کسب درک عمیق در زمینه برنامه ریزی تعمیر و نگهداری، بررسی نقاط ضعف شبکه توزیع و کشف رخدادهای غیرعادی، باید خاموشی های رخ داده در شبکه را ردگیری کرد. از سویی دیگر مهمترین وظیفه شرکت های توزیع برق، تامین برق مطمئن و پایدار است که بایستی با حداقل خاموشی و با ولتاژ استاندارد همراه باشد. این پژوهش قصد دارد با بهره گیری از رویکردهای سری زمانی فصلی و شبکه عصبی مصنوعی، مدل هایی را به منظور پیش بینی نرخ خرابی یکی از تجهیزات به کار رفته در دو منطقه از مناطق تحت پوشش شرکت توزیع نیروی برق تهران بزرگ ارائه دهد. این داده ها بصورت هفتگی در بازه  فروردین 1391 الی اسفند 1394 از نرم افزار ثبت حوادث ENOX استخراج شده است. بدین منظور پس از پیش پردازش داده ها، مدل نهایی مناسب به کمک نرم افزارهای Minitab و MATLAB ارائه شد. همچنین، میزان متوسط دمای هوا، میزان متوسط بارش باران و میزان متوسط سرعت باد بعنوان متغیرهای ورودی به شبکه عصبی انتخاب شدند.  برای ارزیابی میزان خطای مدل های پیشنهادی، از میانگین مربعات خطا استفاده شده است. نتایج نشان می دهند مدل های سری زمانی نسبت به شبکه عصبی پرسپترون چند لایه ای عملکرد بهتری در پیش بینی نرخ خرابی تجهیز مورد نظر داشتند و می توان برای پیش بینی دوره های آتی از آنها استفاده کرد.