15291

كاربرد و بررسي روش هاي يادگيري ماشين در حفاظت سيستم هاي قدرت

1404

دكتر عارف اسكندري

حفاظت از سيستم‌هاي قدرت يكي از اركان حياتي در تضمين پايداري، ايمني و قابليت اطمينان شبكه‌هاي الكتريكي به شمار مي‌رود. با گسترش منابع توليد پراكنده، نفوذ انرژي‌هاي تجديدپذير، و افزايش پيچيدگي ساختار شبكه، روش‌هاي حفاظتي سنتي كه عمدتاً مبتني بر مدل‌هاي تحليلي و آستانه‌گذاري هستند، با محدوديت‌هاي جدي مواجه شده‌اند. اين روش‌ها در شرايط نويزي، داده‌هاي ناقص، سناريوهاي غيرمعمول بهره‌برداري و رفتارهاي ديناميكي جديد، كارايي و دقت لازم را ندارند. در اين ميان، يادگيري ماشين با قابليت تحليل داده‌هاي حجيم و استخراج الگوهاي پنهان و غيرخطي، به عنوان يك راهكار نوين و كارآمد براي توسعه حفاظت هوشمند معرفي شده است. در اين گزارش، كاربردهاي يادگيري ماشين در سه بخش مهم سيستم قدرت شامل خطوط انتقال، نيروگاه‌هاي خورشيدي و ترانسفورماتورها مورد بررسي قرار گرفته است. در خطوط انتقال، مدل‌هاي هوشمند امكان تشخيص سريع و دقيق انواع خطا از جمله خطاهاي با امپدانس بالا، خطاهاي بين‌فازي و تركيبي را فراهم كرده‌اند. در حوزه سيستم‌هاي خورشيدي، يادگيري ماشين در تشخيص خرابي‌هايي مانند آلودگي، سايه‌اندازي، فرسودگي تدريجي و آسيب‌هاي فيزيكي ماژول‌ها بسيار مؤثر بوده و موجب افزايش بازده و ايمني اين سامانه‌ها شده است. همچنين در بحث ترانسفورماتورها، مدل‌هاي يادگيري ماشين توانسته‌اند با استفاده از داده‌هاي گاز، دما و ساير پارامترهاي عملكردي، روند فرسايش تجهيزات را پيش‌بيني كرده و عمر باقي‌مانده آن‌ها را با دقت بالا تخمين بزنند. در مجموع، نتايج به‌دست‌آمده از بررسي مقالات مختلف نشان مي‌دهد كه يادگيري ماشين مي‌تواند نقشي كليدي در طراحي نسل جديد سيستم‌هاي حفاظتي ايفا كرده و راهكاري مؤثر براي پاسخ به چالش‌هاي نوظهور شبكه‌هاي قدرت ارائه دهد.

5/28/2025 12:00:00 AM

88159

1404/08/13