ارائه یک الگوریتم مبتنی بر یادگیری عمیق برای آشکارسازی خروج از همگامی در ژنراتورهای سنکرون

ژنراتور سنکرون، به عنوان هسته شبکه قدرت وظیفه مهم تولید توان را ایفا می‌کند. این تجهیزات در معرض اختلالات مختلفی مانند خطاها و تغییرات بار قرار دارند. اگر توازن بین توان مکانیکی ورودی به ژنراتور و توان الکتریکی خروجی از بین برود، ژنراتور ممکن است سرعت خود را افزایش یا کاهش دهد. در نتیجه، توان الکتریکی بین ژنراتور و سیستم قدرت در نوسان خواهد بود، تا زمانی که ژنراتور به یک نقطه کار متعادل جدید برسد. اگر ژنراتور توانایی خود را برای همگام کار‌کردن با شبکه از دست بدهد، ناپایدار در نظر گرفته می‌شود. این شرایط معمولا به عنوان وضعیت خروج از همگامی[1] در نظر گرفته می‌شود. اگر چنین پدیده‌ای در سیستم قدرت رخ دهد، ضروری است تا نواحی ناهمگام قبل از آسیب به ژنراتورهای سنکرون یا قبل از وقوع یک قطع و خاموشی پی‌درپی در نواحی بزرگتر، ایزوله شوند. بنابراین، یک طرح حفاظتی با قابلیت اعتماد بالا برای تشخیص به موقع وضعیت خروج از همگامی در ژنراتورهای سنکرون ضروری است. از این نظر با پرداختن به رویکردهای ریاضی و الگوریتم‌های هوشمند، روش‌های زیادی ارائه شده است که همگی دارای نقاط قوت و ضعف هستند. روش این مقاله نیز پرداختن به چالش تشخیص خطای خروج از همگامی با استفاده از قابلیت‌های‌ یادگیری‌عمیق است.