روشی جدید برای تخمین تلفات فیدرهای فشار ضعیف بر پایه شبکه‌های عمیق عصبی در فضای کمبود اطلاعات

تلفات انرژی الکتریکی به عنوان بخش جدای ناپذیر سیستم های توزیع همواره به عنوان معیاری برای سنجش نحوه ی مدیریت شبکه از سوی فعالان صنعت برق شناخته می شود به طوری که تلفات بالای ،شبکه نشان دهنده ی ضعف مدیریتی و فنی در شرکت توزیع مربوطه می باشد سنجش میزان دقیق تلفات از طریق اندازه گیری گسترده ی زمان واقعی و یا مدل سازی شبکه و محاسبات پخش بار امکان پذیر است با این وجود به علت عدم کفایت تعداد اندازه گیرهای زمان واقعی در شبکه های توزیع (به خصوص شبکه های ولتاژ) ضعیف و نیز ضعف اطلاعاتی اعم از استاتیک و دینامیک انجام این مهم با دقت بالا با مشکلات عملیاتی و محاسباتی روبه رو می باشد. این در حالی است که تعیین میزان تلفات توان و انرژی برای برنامه ریزی و بهره برداری در شرکت های توزیع و همچنین و نهاد تنظیم گر صنعت برق دارای اهمیت کلیدی است در جهت رفع این ،نقیصه در این مقاله با استفاده از تحلیل های آماری و بهره گیری از کارایی بالای شبکه های عمیق عصبی برای مدل سازی پدیده های ،غیرخطی روش جدیدی برای تخمین تلفات فیدرهای فشار ضعیف در فضای ضعف سیستم اطلاعاتی در شبکه های توزیع ارائه شده و قابلیت آن با انجام شبیه سازی های مختلف به اثبات رسیده است.

a new method for estimating the losses of low voltage feeders based on deep neural networks in the space of information deficit

electricity losses as an integral part of power delivery systems have always been recognized by electricity industry actors as a measure of how the network managed. in a way, the high losses of the network show the weak managers and the inefficiency of the programs implemented in this network. the exact amount of losses is measured by load flow; but distribution networks, especially low voltage networks, have many information deficiencies due to the expansion and lack of development of information systems; this has left no measure of losses available in this section. therefore, the electricity network regulator and distribution companies do not have a good view to assessing the management status of the network, the efficiency of the implemented projects, future planning, and budget allocation. in this paper, by using statistical analysis and high responsiveness of deep neural networks to nonlinear problems, a new method for estimating losses in the weak space of information systems is presented.