بکارگیری یادگیری عمیق در ارزیابی به هنگام پایداری ولتاژ کوتاه مدت با استفاده از داده های اندازه گیری فازوری

توسعه کاربرد روش‌های یادگیری ماشین و هوش مصنوعی در سیستم قدرت به‌عنوان یک چالش پیش روی صنعت برق محسوب می‌شود. با توجه به ظرفیت دستگاه‌های اندازه گیری فازوری در شبکه برق و اینکه روش‌های یادگیری عمیق داده محور هستند، پیش بینی وضعیت پایداری ولتاژ به صورت به هنگام امکان پذیر است. چون داده‌های سری زمانی می‌توانند وابستگی‌های زمانی و مشخصات دینامیکی سیستم را نمایش دهند، در این مقاله از سری زمانی دامنه ولتاژ و زاویه فاز استفاده شده است. جهت آموزش پایگاه داده یک شبکه عصبی بازگشتی دروازه ای بکارگرفته شده است که در مقایسه با روش های دیگر یادگیری عمیق نتایج بهتری دارد. شبیه سازی‌ها بر روی شبکه ieee 39bus و بخشی از شبکه ایران نشان می‌دهد روش شبکه عصبی بازگشتی دروازه ای دقت خوبی در پیش بینی وضعیت پایداری ولتاژ بعد از وقوع خطا دارد. همچنین پیشنهادی نسبت به تغییرات ساختار شبکه قدرت و تغییر نقاط بهره برداری مقاوم است.