رحمن دشتی

به دلیل حضور انشعابها و مشترکین زیاد در شبکه توزیع بروز هر گونه خطا منجر به وارد شدن صدمات و تلفاتی از جمله خارج شدن شبکه از حالت پایدار، آسیب دیدن تجهیزات موجود در شبکههای برق، قطع برق و در نهایت منجر به پایین آمدن سرویس دهی وخسارت های مالی به شرکت های برق خواهد شد. به همین دلیل پیدا کردن خطا در شبکه توزیع در اسرع وقت و باز گرداندن سیستم به حالت اولیه از اهمیت بالایی برخوردار است. در این پایان نامه الگوریتم یادگیری عمیق برای تعیین بخش خطا و تخمین مکان خطا بر روی سیگنال های ولتاژ استفاده شده است. سیگنال های ولتاژ بعد از رخ دادن خطا جمع آوری می شوند، پس ازآن بر روی سیگنالهای خطا تبدیل مدال اعمال می شود، بعد از تبدیل مدال بر روی سیگنال های مورد نظر اسپکتروگرام فرکانس زمانی اعمال خواهد شد تا تصویر های مورد نظر برای ورودی شبکه کپسولی ساخته شود. سپس شبکه کپسولی وارد عمل می شود و از طریق جایگاه پیکسل های تصویر سیگنال که از اعمال اسپکتروگرام بدست آمده اند بخش خطا شناسایی می شود و بعد از تشخیص بخش خطا به تخمین مکان خطا از طریق شبکه کپسولی پرداخته می شود. این روش تنها از یک الگوریتم واحد برای تعیین بخش خطا و تخمین مکان خطا بدون توجه به نوع خطا استفاده می کند. مدل شبکه استفاده شده در این پایان نامه شبکه استاندارد 34گره IEEEاست که در محیط سیمولینک متلب شبیه سازی شده است. نتایج بدست آمده در این پایان نامه حاکی از دقت بالای آن در مکان یابی خطا در شبکه توزیع می باشد.