پیش بینی و تحلیل نرخ خطای ناشی از رشد درختان در خطوط هوایی توزیع الکتریکی با استفاده از شبکه عصبی و تحلیل عاملی

چکیده: در مطالعه قابلیت اطمینان سیستم های قدرت، نرخ خطا پارامتری مهم است. نرخ خطا در مطالعات شبکه های توزیع معمولاً به طور تقریبی ثابت در نظر گرفته می شود ولی به طور دقیق تر و در عمل، پارامتری متغیر است که به عوامل داخلی و خارجی زیادی بستگی دارد. برای پیش بینی نرخ خطای متغیر، از وقایع قبلی و داده های آماری آنها استفاده می شود. در این مقاله، نرخ خطای متغیر در شبکه های توزیع فشار متوسط هوایی در اثر برخورد درختان مورد بررسی قرار گرفته است. از آنجا که جمع آوری و تعیین داده های آماری همواره با خطاهایی همراه است، برای کاوش در داده ها و حذف داده های پرت از روش تحلیل عاملی استفاده شده است. سپس برای پیش بینی نرخ خطا از یک شبکه عصبی چند لایه پرسپترون استفاده شده است. شبکه عصبی مذکور پس از آموزش، برای تحلیل ورودی ها نیز مورد استفاده قرار می گیرد. مطالعات عددی بر روی یک شبکه توزیع نمونه با 32 فیدر نشان می دهد که روش های تحلیل عاملی و شبکه عصبی در تحلیل حساسیت، نتایج یکدیگر را تایید می کنند. ضمناً روش مذکور می-تواند هم برای مدلسازی ساده تر و کاهش پیچیدگی ها و هم برای حذف داده های پرت و افزایش اطمینان در پیش بینی نرخ خطا مورد استفاده قرار گیرد.