در این مقاله روشی هوشمند برای شناسایی، جداسازی و مکان یابی خطاهای رخ داده در سیستم اتوماسیون و کنترل ایستگاه های قدرت معرفی می شود. از یک سیستم یادگیری ماشینی، و یک شبکه عصبی چند لایه بازگشتی به عنوان آنالیزکننده الگوهای سیگنال های آلارم و رخدادهای یک ایستگاه قدرت استفاده و کارایی زمانی و دقت تشخیص خطا در آنها مقایسه می شود. ورودی های این دو سیستم هوشمند، آلارم های ناشی از عملکرد رله های حفاظتی و کلیدهای سیستم قدرت می باشند و خروجی های آنها، اجزای خطادار سیستم را مشخص می کنند. این شبکه ها، با کمک مجموعه داده های تاریخچه ای مرکز دیسپاچینگ و در تعامل با مهندسان سیستم، آموزش می بیند. تشخیص خطا، حتی در وضعیت نقص سیستم حفاظتی، غلط بودن اطلاعات آلارم ها و رخدادها، یا نویزی بودن مسیر مخابراتی، به-درستی انجام می شود و نتایج قابل قبولی در مقایسه با شبکه عصبی پرسپترون معمولی ارائه می دهد. کارایی و دقت روش پیشنهادی بر روی قسمتی از یک سیستم قدرت واقعی در شبکه فوق توزیع، به تایید رسیده است. نتایج نشان می دهد دقت شناسایی خطا و سرعت عملکرد سیستم مبتنی بر یادگیری ماشینی بیشتر است.

کلمات کلیدی