fa پیش بینی و تحلیل نرخ خطای ناشی از رشد درختان در خطوط هوایی توزیع الکتریکی با استفاده از شبکه عصبی و تحلیل عاملی تخصصي Special پژوهشي Research <p style="DIRECTION: rtl" align="justify">در مطالعه قابلیت اطمینان سیستم های قدرت، نرخ خطا پارامتری مهم است. نرخ خطا در مطالعات شبکه های توزیع معمولاً به طور تقریبی ثابت در نظر گرفته می شود ولی به طور دقیق تر و در عمل، پارامتری متغیر است که به عوامل داخلی و خارجی زیادی بستگی دارد. برای پیش بینی نرخ خطای متغیر، از وقایع قبلی و داده های آماری آنها استفاده می شود. در این مقاله، نرخ خطای متغیر در شبکه های توزیع فشار متوسط هوایی در اثر برخورد درختان مورد بررسی قرار گرفته است. از آنجا که جمع آوری و تعیین داده های آماری همواره با خطاهایی همراه است، برای کاوش در داده ها و حذف داده های پرت از روش تحلیل عاملی استفاده شده است. سپس برای پیش بینی نرخ خطا از یک شبکه عصبی چند لایه پرسپترون استفاده شده است. شبکه عصبی مذکور پس از آموزش، برای تحلیل ورودی‌ها نیز مورد استفاده قرار می گیرد. مطالعات عددی بر روی یک شبکه توزیع نمونه با 32 فیدر نشان می دهد که روش های تحلیل عاملی و شبکه عصبی در تحلیل حساسیت، نتایج یکدیگر را تأیید می کنند. ضمناً روش مذکور می تواند هم برای مدلسازی ساده تر و کاهش پیچیدگی ها و هم برای حذف داده های پرت و افزایش اطمینان در پیش بینی نرخ خطا مورد استفاده قرار گیرد. </p> <p style="DIRECTION: ltr" align="justify">Failure rate is an important parameter in the reliability study of power systems. Failure rate of distribution feeders is usually considered as a constant parameter in power distribution systems study however in fact, it is a variable parameter which is dependent on various internal and external factors. The historical and statistic data is used to predict the variable failure rate. In this paper, the vegetation-related variable failure rate of overhead distribution feeders is considered for analysis and prediction. Whereas the collected statistic data usually contains practical errors and noises, here the Factor Analysis is used for data mining and removing the outliers. Then, a multi-layer artificial neural network is used to predict the failure rate. Moreover, the neural network is used to analyze the input data. Case studies of a typical 32-feeder distribution network show that the factor analysis and neural network methods emphasize their results. The proposed method can be implemented to reduce complexity, remove the outliers and increase reliability of the prediction. </p> شبکه توزیع، قابلیت اطمینان، کیفیت توان، تحلیل عاملی، کاوش داده ها Distribution Network, Reliability, Power Quality, Factor Analysis, Data Mining 19 28 http://ieijqp.ir/browse.php?a_code=A-10-23-1&slc_lang=fa&sid=1 Mahdi Sedghi مهدی صدقی meh.sedghi@gmail.com 1003194753284600176 1003194753284600176 Yes K. N. Toosi University of Technology دانشگاه صنعتی خواجه نصیرالدین طوسی Masoud Aliakbar-Golkar مسعود علی اکبر گلکار golkar@eetd.kntu.ac.ir 1003194753284600177 1003194753284600177 No K. N. Toosi University of Technology دانشگاه صنعتی خواجه نصیرالدین طوسی Mahmoud-Reza Haghifam محمود رضا حقی فام haghifam@modares.ac.ir 1003194753284600178 1003194753284600178 No Tarbiat Modares University دانشگاه تربیت مدرس