ارزیابی پتانسیل رخداد حوادث پی درپی در سیستم قدرت توسط الگوریتم ژنتیک چندهدفه و ماشین یادگیری به ازای خروج خط

پتانسیل رخداد حوادث پی درپی به عوامل مختلفی مانند حادثه آغازگر، شرایط بهره برداری، ساختار شبکه و موقعیت تجهیز دچار حادثه نظیر خطوط انتقال بستگی دارد. باتوجه به تعدد خطوط انتقال، مهم ترین دغدغه در راستای جلوگیری از رخداد حوادث پی درپی ناشی از خروج خط، تعیین پتانسیل رخداد حوادث پی درپی ناشی از خروج خط می باشد. از اینرو ارائه روشی که بهره بردار سیستم قدرت بوسیله آن بتواند پتانسیل رخداد حوادث پی درپی ناشی از خروج خطوط را در یک سیستم قدرت تعیین کند، حائز اهمیت می باشد. از آنجاییکه بهره بردار سیستم قدرت تنها به متغیرهای بهره برداری سیستم قدرت دسترسی دارد و باتوجه به تعداد زیاد متغیرهای بهره برداری، استفاده از روش مبتنی بر انتخاب متغیرهای بهره برداری برجسته جهت تعیین پتانسیل رخداد حوادث پی درپی ناشی از خروج خط در اولویت قرار می گیرد. جهت مرتفع کردن این مسئله، در این مقاله جهت شناسایی متغیرهای بهره برداری برجسته از الگوریتم ژنتیک استفاده شده است همچنین ارزیابی پتانسیل رخداد حوادث پی درپی با استفاده از متغیرهای برجسته انتخاب شده بوسیله ماشین های یادگیری مختلف انجام شده و نتایج آن ها با یکدیگر مقایسه می شود. روش پیشنهادی روی تعدادی از خطوط سیستم قدرت ieee 39bus پیاده سازی شده و نتایج مطلوبی نیز بدست آمده است.