عنوان	بکارگیری مدل یادگیری مبتنی بر رویکردهای هوش مصنوعی برای پایش شبکه برق
نوع پژوهش	طرح پژوهشی خاتمه‌یافته
کلیدواژه‌ها	ارزیابی پایداری گذرا، داده‌کاوی، ماشین بردار پشتیبان
چکیده	از اهدافِ کلان پیاده سازی شبکه های هوشمند برق، می توان به افزایشِ رویت پذیری و مدیریت شبکه، مدیریت جبران تغییرات ولتاژ و سایر پارامترها اشاره کرد. اپراتورهای سیستم به عنوان یکی از بازیگران اصلی در شبکه برق با بکارگیری زیرساخت های تحلیلی، امکان رصد مداوم سیستم قدرت را در بسیاری از حوزه ها از جمله پایش وضعیت پایداری گذرا فراهم می آورند. با این حال، افزایش میزان مصرف انرژی الکتریکی در کنار قیودی دیگر همانند استهلاک تجهیزات شبکه برق موجب از دست دادن کفایت شبکه برق در تامین انرژی الکتریکی مورد نیاز مصرف کنندگان می شود. بازیابی کفایت نیازمند توسعه شبکه برق با افزودن نیروگاه ها، خطوط انتقال و پست های جدید به شبکه برق موجود می باشد. بنابراین توسعه شبکه موجب تغییر در ساختار و مشخصات شبکه برق خواهد شد. از سویی دیگر خروج ناگهانی یا برنامه ریزی شده برخی از تجهیزات شبکه برق به سبب عملکرد تجهیزات حفاظتی یا انجام عملیات های تعمیر و نگهداری نیز موجب تغییر ساختار شبکه می شود. چنین تغییراتی در مشخصات شبکه باعث ایجاد خطا در پیش بینی ابزارهای ارزیابی وضعیت پایداری گذرا که بر پایه مشخصات شبکه پیشین آموزش دیده اند، خواهد شد. بر این اساس، اهمیتِ ایجاد یک ابزارِ ارزیابی پایداری گذرای کارآمد برای پیش بینی وضعیت پایداری گذرا، بیش از پیش آشکار می شود. در این پژوهش برای بررسی ابعاد مختلف این موضوع، در اولین گام، از داده های موجود برای آموزشِ مدل یادگیری استفاده می شود. در گام دوم استخراج ویژگی ها مورد بررسی قرار گرفته است تا مدل بدست آمده برای ارزیابی پایداری گذرا قابل بکارگیری باشد. در گام سوم، پیاده سازی چارچوبی ترکیبی برای انتخاب زیر مجموعه ویژگی های موثر در جهت کاهش پیچیدگی زمانی ارزیابی پایداری گذرا مورد بررسی قرار گرفته است. در گام آخر، طبقه بندِ مبتنی بر ماشین بردار پشتیبان مختص طبقه بندی داده های سری زمانی سیستم قدرت مورد استفاده قرار گرفته است. نتایج آزمایش دقت بالای چارچوب پیشنهادی برای ارزیابی بلادرنگ پایداری گذرا را تایید می کند.
پژوهشگران	سید علیرضا بشیری موسوی (مجری)