A novel fault diagnosis method for circuit breakers based on optimized affinity propagation clustering

Pariya Dehghani¹ Simin Zarei² Seyede Leila Mortazavi Far³ Ali Ghermezian⁴

1) Undergraduate student of Medical Engineering, Zand Higher Education Institute, Shiraz
2) Undergraduate student of Medical Engineering, Zand Higher Education Institute, Shiraz
3) Faculty of Computer Science, Zand Higher Education Institute, Shiraz
4) PhD student in Cognitive Neuroscience, Shahid Beheshti University of Tehran

IOI Code : XCCC-EFHEF
محل انتشار : دهمین کنفرانس بین المللی فناوری های نوآورانه در زمینه علوم، مهندسی و تکنولوژی(tetsconf.com)
Abstract :
    نظارت بر شرایط به صورت آنلاین و تشخیص خطا در قطع کننده های مداری (CB ها) یکی از روش های مهم برای بهبود پایداری و پایایی سیستم های قدرت می باشد. اما، روش های تشخیص خطایی که در حال حاضر مورد استفاده است، هنوز نقص های مهمی دارند از جمله ناتوانی در شناسایی خطاهای ناشناخته برای نمونه های تمرینی. ازین رو، این مقاله یک روش تکاملی برای تشخیص خطای آنلاین سریع و صحیح CB ها ارائه می کند. بر اساس جمع آوری نمونه هایی از ویژگی جریان های سیم پیچ قطع/ توقف (CC)، یک الگوریتم خوشه بندی انتشار میل بهینه سازی شده (AP) برای استخراج الگوهای خوشه بندی نمونه، در این مقاله ارائه شده است. به علاوه، شناسایی وضعیت عملیاتی و تشخیص خطا در CB ها با محاسبه ضریب شباهت بین نمونه های جدید و نمونه های الگو به صورت آنلاین، انجام می شود. تشخیص خطای نامشخص نیز با استفاده از یک مقدار آستانه و مقایسه آن با نتایج ضریب های شباهت، به دست می آید. نتایج شبیه سازی ها نشان داده که روش پیشنهادی میتواند به صورت دقیق، خطاهای CB مختلف را شناسایی کرده و میتواند خطاهای CB نامشخص را حتی زمانی که نمونه های تمرین کوچک هستند، شناسایی کند و همین موضوع باعث می شود که مبنای مناسبی برای مکان یابی خطای CB و نگهداری مبتنی بر شرایط، ایجاد می کند.

Keywords : قطع کننده مدار قطع/بستن جریان اصلی خوشه بندی تشخیص خطا