دانشگاه آزاد اسلامی سبزوار - جستجو در پایان‌نامه‌ها

پایان‌نامه‌ی کارشناسی ارشد: سید محمد سهیل سهیلی، ۱۳۹۶

پیش بینی خاموشی و خطا در سیستمهای توزیع برق با استفاده از svm و anfis و مقایسه نتایج

خاموشی سراری و قطع و وصل شدن مداوم خطوط انتقال برق به موتورها ،ترانسفورماتورها رله ها ، وسایل خانگی و صنعتی خسارت جبران ناپذیری را وارد می‌کند. هدف اصلی انرژی الکتریکی و آنچه که مورد نیاز مصرف کنندگان می باشد کیفیت مطلوب ایمنی کافی به همراه هزینه‌ی کم می باشد هدر رفتن انرژی در شبکه‌های توزیع نسبت به سایر قسمت‌ها بیشتر می‌باشد. بنابر این لازم است روش‌های پیشگیرانه‌ای جهت بهبود در امر بهره‌برداری انرژی برق مورد برسی قرار گیرد لذا دربرنامه ریزی آینده یک سیستم قدرت،پیش بینی خاموشی‌های برق ازاهمیت ویژه ای برخوردار بوده و باید میزان خطای آن تا حد امکان کاهش یابد. در این پژوهش هدف اصلی تشخیص رخداد خاموشی با استفاده از الگوریتم <اس وی ام> و k-means می‌باشد. در این مقاله به بررسی عوامل تاثیر گذار بر خاموشی‌هایی که در شبکه به وقوع می پیوندد پرداخته و نقش هر کدام بررسی و تعیین می‌گردد. سپس با توجه به آمار سال‌های گذشته و با استفاده از شبکه عصبی به پیش بینی خاموشی در سال آتی پرداخته و درصد خطای آن با خاموشی رخ داده بررسی می شود. باتوجه به اینکه در سیستم های تولید انتقال برای بهتر شدن اندیس انرژی توزیع نشده سرمایه گذاری زیادی انجام شده ولی تفات انرژی در شبکه های توزیع نسبت به سایر قسمت ها بیشتر میباشدبه همین دلیل لازم است بررسی همه جانبه ای در رابطه با مولفه های مختلف موثر مربوط به انرژی توزیع نشده و خاموشی ها در سطح شبکه های توزیع صورت بگیرد.

کلیدواژه‌ها: پیش بینی خاموشی،سیستم های توزیع برق،اس وی ام،k-means

M.A. Thesis:

Prediction Fault and Outage Forecasting In Electrical Distribution Systems using svm & anfis and compare them

Burglar ignition and continuous interruptions of power lines to motors, transformers, relays, home appliances and industrial equipment will cause irreparable damage. The main purpose of electrical energy and what is needed by consumers is the optimal quality of safety, with a low cost, more energy waste in distribution networks than other parts. Therefore, it is necessary to consider preventive methods for improving the power utilization of electricity. Therefore, in the future planning of a power system, the prediction of power outages is of particular importance and its error rate should be reduced as much as possible. In this research, the main purpose is to detect the blackout phenomenon using the "SVM" algorithm and k-means. This paper examines the factors affecting the blackouts that occur in the network, and the role of each one is examined and determined. Then, according to the statistics of past years, using the neural network, the prediction of blackout in the following year is considered and the percentage of error with silence has been investigated. Due to the fact that there is a lot of investment in the transmission systems in order to improve the non-distributed energy index, but the energy distribution in the distribution networks is higher than other parts, for this reason it is necessary to carry out an in-depth examination of the various relevant effective components No energy is distributed and offsets occur at the level of distribution networks.

Keywords: SVM,K-means,Offset forecast, power distribution systems