مکان یابی خطا در شبکه انتقال مبتنی بر آنالیز جریان توالی صفر با استفاده از تبدیل موجک گسسته و شبکه عصبی مصنوعی

در این مقاله به منظور مکان یابی خطا در شبکه انتقال از تبدیل موجک گسسته برای استخراج ویژگی های خطا ، برای آموزش شبکه عصبی مصنوعی استفاده شده است. درواقع اساس کار، مبتنی برآنالیز جریان به دست آمده از اطلاعات ثبت شده بعد از خطا در ابتدا و انتهای خط بوده و با رله دریافت شده و برای کاهش داده ها از فرایند تبدیل جریان سه فاز به جریان توالی صفر استفاده شده است. در ادامه، به کمک تبدیل موجک، با تجزیه دو سطحی جریان توالی صفر، مولفه های افقی این جریان استخراج می شود. درنهایت، با محاسبه انرژی ذخیره شده در این مولفه ها و نیز استخراج مقیاس های ماکزیمم این مولفه ها ویژگی های مشخصی از خطا نمایان می شوند که به منظور آموزش شبکه عصبی مناسب خواهند بود. نتایج شبیه سازی نشان می دهند این ویژگی ها به شدت به مقاومت خطا، نوع خطا، زاویه وقوع خطا و مکان خطا وابسته اند؛ بنابراین، داده های آموزشی باید به گونه ای انتخاب شوند که این تغییرات را به خوبی نمایان کنند تا شبکه عصبی در تشخیص خود دچار مشکل نشود. روش پیشنهادی روی شبکه تست پیاده سازی شد که نتایج آن نشان دهنده عملکرد مناسب روش پیشنهادی با دقت کلی 98/6% و حداکثر خطای تخمین 0/1666% بوده است.