فایل ورد کامل یک مدل داده‌کاوی برای حفاظت خط انتقال مبتنی بر حقایق

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

این مقاله، ترجمه شده یک مقاله مرجع و معتبر انگلیسی می باشد که به صورت بسیار عالی توسط متخصصین این رشته ترجمه شده است و به صورت فایل ورد (microsoft word) ارائه می گردد

متن داخلی مقاله بسیار عالی، پر محتوا و قابل درک می باشد و شما از استفاده ی آن بسیار لذت خواهید برد. ما عالی بودن این مقاله را تضمین می کنیم

فایل ورد این مقاله بسیار خوب تایپ شده و قابل کپی و ویرایش می باشد و تنظیمات آن نیز به صورت عالی انجام شده است؛ به همراه فایل ورد این مقاله یک فایل پاور پوینت نیز به شما ارئه خواهد شد که دارای یک قالب بسیار زیبا و تنظیمات نمایشی متعدد می باشد

توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل می باشد و در فایل اصلی فایل ورد کامل یک مدل داده‌کاوی برای حفاظت خط انتقال مبتنی بر حقایق،به هیچ وجه بهم ریختگی وجود ندارد

تعداد صفحات این فایل: ۲۵ صفحه

این مقاله یک مدل داده‌کاوی برای شناسائی ناحیه خطای یک خط انتقال مبتنی بر سیستم‌های انتقال ac انعطاف‌پذیر (FACTS) ارائه می‌کند که شامل جبرانساز سری کنترل‌شده با تریستور (TCSC) و کنترلر یکپارچه عبور توان (UPFC) است، و از مجموعه درختان تصمیم استفاده می‌کند. با تصادفی بودن مجموعه درختان تصمیم در مدل جنگل‌های تصادفی، تصمیم موثر برای شناسائی ناحیه خطا حاصل می‌شود. نمونه‌های جریان و ولتاژ نیم سیکل پس از لحظه وقوع خطا به عنوان بردار ورودی در برابر خروجی هدف “۱” برای خطای پس از TCSC/UPFC و “۱-” برای خطای قبل از TCSC/UPFC ، برای شناسائی ناحیه خطا به کار می‌رود. این الگوریتم روی داده‌‌های خطای شبیه‌سازی شده با تغییرات وسیع در پارامترهای عملکردی شبکه قدرت منجمله شرایط نویزی تست شده است و معیار قابلیت اطمینان ۹۹% با پاسخ زمانی سریع بدست آمده است (سه چهارم سیکل پس از لحظه خطا). نتایج روش ارائه شده به کمک مدل جنگل‌های تصادفی نشان دهنده تخیص قابل اعتماد ناحیه خطا در خطوط انتقال مبنی بر FACTS است.

کلمات کلیدی: رله دیستانس | تشخیص ناحیه خطا | جنگل‌های تصادفی (RF ها) | ماشین بردار پایه (SVM) | جبرانسازی سری کنترل‌شده با تریستور (TCSC) | کنترلر یکپارچه عبور توان (UPFC).

عنوان انگلیسی:

A Data-Mining Model for Protection of FACTS-Based Transmission Line

~~en~~ writers :

S. R. Samantaray, Senior Member, IEEE

This paper presents a data-mining model for
fault-zone identification of a flexible ac transmission systems
(FACTS)-based transmission line including a thyristor-controlled
series compensator (TCSC) and unified power-flow controller
(UPFC), using ensemble decision trees. Given the randomness in
the ensemble of decision trees stacked inside the random forests
model, it provides effective decision on fault-zone identification.
Half-cycle postfault current and voltage samples from the fault
inception are used as an input vector against target output “۱”
for the fault after TCSC/UPFC and “ ۱” for the fault before
TCSC/UPFC for fault-zone identification. The algorithm is tested
on simulated fault data with wide variations in operating parameters of the power system network, including noisy environment
providing a reliability measure of 99% with faster response time
(۳/۴th cycle from fault inception). The results of the presented
approach using the RF model indicate reliable identification of the
fault zone in FACTS-based transmission lines.

Index Terms: Distance relaying | fault-zone identification | random forests (RFs) | support vector machine (SVM) | thyristor-controlled series compensator (TCSC) | unified power-flow controller (UPFC).

$$en!!