تمایز دادن جریان هجومی از خطای داخلی در ترانسفورماتورها با استفاده از شبکه عصبی بهینه مبتنی بر فیلتر کالمن

ترانسفورماتورهای به کار رفته در واحدهای تولید پراکنده معمولاً در نزدیکی ژنراتورها قرار دارند که سبب پدید آمدن جریان هجومی قابل توجهی در طی فرآیند انرژی دار شدن آن ها می گردد. در این مقاله یک روش موثر برای تمایز بین جریان های هجومی از جریان های خطای داخلی ترانسفورماتورهای ولتاژ متوسط مربوط به واحدهای تولید پراکنده ارائه شده است. مبنای این روش شبکه عصبی مبتنی بر تابع پایه شعاعی بهینه (orbfnn) است که در آن از فیلتر کالمن برای استخراج شاخص و بهینه سازی فرآیند یادگیری استفاده شده است. الگوریتم پیشنهادی با استفاده از شبیه سازی یک ترانسفورماتور در یک شبکه ی تولید پراکنده ی نمونه در نرم افزار pscad/emtdc مورد ارزیابی قرار گرفته است. نتایج نشان می دهند که روش پیشنهادی داری دقت بالا، سرعت مناسب، و حجم محاسباتی پایین است.