داده کاوی و تجزیه و تحلیل عیب یابی مبتنی بر SVM در سیستم قدرت مدرن با استفاده از پارامترهای سری زمان و فرکانس محاسبه شده از پنجره متحرک کامل چرخه
این مقاله یک تحلیل تشخیصی کامل از خطاها در خط انتقال یک سیستم قدرت مدرن معمولی با استفاده از ماشین بردار پشتیبانی (SVM) با پارامترهای سری زمانی و پارامترهای سری فرکانس به عنوان ویژگی ها پیشنهاد می کند. داده های آموزش و آزمایش روش پیشنهادی با شبیه سازی انواع خطاها با تمام تغییرات ممکن در یک خط انتقال (TL) در سیستم گذرگاه IEEE-9 با استفاده از نرم افزار PSCAD/EMTDC جمع آوری می شود. در حالی که یک نوع خطا شبیه سازی می شود، مقاومت های خطا و زوایای شروع خطا نیز برای محاسبه رفتارهای مختلف خطا متفاوت است. جریان ها و ولتاژهای لحظه ای سه فاز در دو طرف TL در 32 نمونه در هر سیکل ثبت می شوند. یک پنجره متحرک سی و دو نمونه برای محاسبه پارامترهای سری زمانی و سری فرکانس اعمال شده به عنوان ویژگی های SVM استفاده می شود. اعتبارسنجی متقابل ده برابری برای ارزیابی عملکرد الگوریتم پیشنهادی با معیارهای ارزیابی مانند دقت، دقت، یادآوری و امتیاز F1 استفاده می شود. تولید ویژگی ها، آموزش و آزمایش روش پیشنهادی و مقایسه عملکرد با استفاده از نرم افزار PYTHON انجام می شود. روش پیشنهادی حتی در آلوده ترین محیط نویز 30 دسی بل به دقت متوسط 99.996% دست یافته است. در مقایسه با عملکرد سایر الگوریتم های یادگیری ماشینی محبوب، روش پیشنهادی به دقت بیشتری دست یافته است. عملکرد روش پیشنهادی نیز با سطوح مختلف نویز مورد آزمایش قرار می گیرد که خطاهای اندازه گیری 30 دسی بل، 35 دسی بل و 40 دسی بل را محاسبه می کند.
داده کاوی ، طبقه بندی خطا ، FFT ، یادگیری ماشین ، SVM ، خط انتقال
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.