|
Title
|
ارزیابی امنیت استاتیکی سیستم های قدرت با ضریب نفوذ بالای مزارع بادی با استفاده از شبکه عصبی کانولوشن
|
|
Type of Research
|
Thesis
|
|
Keywords
|
ارزیابی امنیت استاتیکی، یادگیری عمیق، مزارع بادی، شبکه های عصبی کانولوشن
|
|
Abstract
|
نفوذ روزافزون انرژی های تجدیدپذیر در سیستم های قدرت، عدم قطعیت را در طول عملکرد شبکه تشدید کرده است. افزایش عدم قطعیت در شبکه با افزایش بار همراه است که موجب به خطرافتادن امنیت سیستم می شود. ارزیابی امنیت برای سیستم های قدرت بسیار ضروری است؛ بنابراین، برای آگاهی و پیشگیری از وقوع احتمالی این خطاها، به کارگیری روش های جدید برای ارزیابی امنیت سیستم های قدرت بسیار ضروری به نظر می رسد. از طرفی دیگر، اتخاذ روش های کارآمد برای افزایش امنیت سیستم، نیازمند درک عمیقی از اقدامات اصلاحی و آگاهی از چگونگی تأثیر این اقدامات بر برنامه ریزی، بهره برداری و بازیابی سیستم های قدرت است. حفظ امنیت سیستم های قدرت یکی از چالش های مهم و پیشرو برای صنعت برق به شمار می رود. در این پژوهش، CNN به عنوان ابزاری کارآمد برای پیاده سازی ارزیابی امنیت استاتیکی در نظر گرفته می شود که وضعیت امنیت سیستم را از طریق جمع آوری داده های منطقی بانفوذ بالا ی مزارع بادی بررسی می کند. استفاده از CNN پیشنهادی در موارد تست استاندارد IEEE، صحت و کارایی آن را برای ارزیابی امنیت سیستم تأیید می کند.
|
|
Researchers
|
(Student)، Amin Safari (Primary Advisor)، Javad Salehi (Advisor)
|