یک سیستم ایمنی مصنوعی با یادگیری مداوم برای تشخیص اختلالات ولتاژ در سیستم های توزیع برق

Elsevier
سال انتشار :
2016
تعداد صفحات مقاله انگلیسی :
12
نشریه :
الزویر
تعداد رفرنس ها :
31
نوع مقاله :
مقاله ISI
کراس مارک :
Crossmark
keywords :
Diagnosis Voltage disturbances Artificial immune systems Negative selection algorithm Clonal selection algorithm Continuous-learning Electrical distribution systems
کلمات کلیدی :
تشخیص، اختلالات ولتاژ، سیستم ایمنی مصنوعی، الگوریتم انتخاب منفی، الگوریتم انتخاب کلونال، یادگیری پیوسته، سیستم های توزیع برق
عنوان فارسی :

یک سیستم ایمنی مصنوعی با یادگیری مداوم برای تشخیص اختلالات ولتاژ در سیستم های توزیع برق

عنوان انگلیسی :

An artificial immune system with continuous-learning for voltage disturbance diagnosis in electrical distribution systems

ژورنال :
Expert Systems with Applications
لینک مقاله :
http://www.sciencedirect.com/science/article/pii/S0957417416301026
آدرس DOI :
https://doi.org/10.1016/j.eswa.2016.03.010
وضعیت ترجمه :
انجام نشده.

سال انتشار : 2016

تعداد صفحات مقاله انگلیسی : 11

نشریه : الزویر

تعداد رفرنس ها : 31

نوع مقاله : مقاله ISI

کلمات کلیدی انگلیسی : Diagnosis Voltage disturbances Artificial immune systems Negative selection algorithm Clonal selection algorithm Continuous-learning Electrical distribution systems

کلمات کلیدی : تشخیص، اختلالات ولتاژ، سیستم ایمنی مصنوعی، الگوریتم انتخاب منفی، الگوریتم انتخاب کلونال، یادگیری پیوسته، سیستم های توزیع برق

عنوان فارسی : یک سیستم ایمنی مصنوعی با یادگیری مداوم برای تشخیص اختلالات ولتاژ در سیستم های توزیع برق

عنوان انگلیسی : An artificial immune system with continuous-learning for voltage disturbance diagnosis in electrical distribution systems

لینک مقاله : http://www.sciencedirect.com/science/article/pii/S0957417416301026



چکیده انگلیسی
This paper presents a new artificial immune algorithm with continuous-learning, which is inspired by the biological immune system, to realize the voltage diagnosis in electrical distribution systems. This conception allows one to compose a diagnosis system that can continuously learn without reinitialization when new disturbances occur due to the evolution of the electrical system. Two artificial immune algorithms, which are the negative selection algorithm and the clonal selection algorithm, are used for the pattern recognition process and the learning process, respectively. The principal application of this new method aids the operation during failures, supervises the protection system, and can evolve with the power systems to continuously acquire new knowledge. This new methodology has a direct impact in the area of diagnosis in electrical systems, as well as, in the pattern recognition problem, because the main contribution and novelty of this method is the continuous learning capability, which enables the system to learn unknown patterns without having to restart the knowledge. This is the major advantage of this methodology. To evaluate the efficiency and performance of this new method, failure simulations were performed in a real distribution system with 134 buses using the EMTP software. The results show robustness and efficiency.

چکیده فارسی
این مقاله یک الگوریتم جدید ایمنی مصنوعی با یادگیری مستمر ارائه می دهد که از سیستم ایمنی بیولوژیک الهام گرفته شده است تا تشخیص ولتاژ در سیستم های توزیع برق را درک کند. این مفهوم اجازه می دهد تا یک سیستم تشخیصی ایجاد کند که می تواند به طور مداوم بدون تغییر مجدد در یادگیری زمانی که اختلالات جدید به دلیل تکامل سیستم الکتریکی رخ می دهد. دو الگوریتم مصنوعی مصنوعی که الگوریتم انتخاب منفی و الگوریتم انتخاب کلونال است، به ترتیب برای فرآیند شناسایی الگو و روند یادگیری استفاده می شود. کاربرد اصلی این روش جدید در حین خرابی عمل می کند، سیستم نظارت را نظارت می کند و می تواند با سیستم های قدرت به طور مداوم دانش جدیدی به دست آورد. این روش جدید تاثیر مستقیمی در زمینه تشخیص در سیستم های الکتریکی و همچنین در مسئله تشخیص الگو دارد، زیرا مشارکت و نوآوری اصلی این روش، توانایی یادگیری مداوم است که به سیستم اجازه می دهد الگوهای بی شمار بدون نیاز به تجدید دانش. این مزیت عمده این روش است. برای ارزیابی کارایی و کارایی این روش جدید، شبیه سازی شکست در یک سیستم توزیع واقعی با 134 اتوبوس با استفاده از نرم افزار EMTP انجام شد. نتایج نشان می دهد که استحکام و کارایی.

موضوعات مقاله