کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
5000940 1460861 2017 8 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Power distribution system fault cause analysis by using association rule mining
ترجمه فارسی عنوان
تجزیه و تحلیل خطا در سیستم توزیع برق با استفاده از معادله قواعد ارتباطی
ترجمه چکیده
در سال های اخیر با افزایش الزامات خدمات توزیع برق به منظور اطمینان از قابلیت اطمینان سیستم و بهبود رضایت مشتریان و رگولاتورها، خدمات آبرسانی به دنبال یافتن راه حل های عملی است که آنها را قادر می سازد تا گسل های خاصی را محدود کنند و یا بهتر بتوانند پاسخ های خود را به قطع برق اجتناب ناپذیری مدیریت کنند. برای رسیدن به این هدف، شناخت عمیق از گسل های مختلف با درک علل اصلی آن و شناسایی متغیرهای کلیدی مرتبط با آن، بسیار مهم است. در حال حاضر، مدل های آماری و همچنین تکنیک های پیشرفته تجزیه و تحلیل داده ها ابزارهای رایج برای کسب چنین فهم هستند. اگر چه تجزیه و تحلیل آماری پایه اطلاعات عمومی علل اولیه گسل ها را فراهم می کند؛ با این وجود، آن را از توصیف شرایط ظریف که منجر به گسل می شود نیست. از سوی دیگر، استفاده از الگوریتم های پیچیده می تواند بینش عمیق تر به علل اصلی ایجاد کند؛ با این حال، آن را محاسباتی سنگین و ممکن است نیاز به مقدار زیادی از زمان در حال اجرا است. به منظور غلبه بر این مشکلات، این مقاله یک رویکرد جدید برای تجزیه و تحلیل علت گسل با استفاده از معادله قواعد ارتباطی ارائه می دهد. اهداف اولیه این است که گسل ها را با توجه به علل اساسی آنها مشخص کنند و متغیرهای مهم را که به شدت بر فرکانس گسل تاثیر می گذارند شناسایی کنند. این مقاله یک روش گام به گام ارائه می دهد که با تهیه داده ها، مسائل عملی مرتبط با مجموعه داده های خطا و اجرای معادله قانون ارتباط می پردازد. این روش به وسیله یک مطالعه جامع مورد استفاده قرار می گیرد تا نشان دهد که چگونه رویکرد پیشنهادی می تواند برای ساختن ساختمان های علی مورد استفاده قرار گیرد و الگوهای مکرر برای پوشش گیاهی، حیوانات، نارسایی تجهیزات، تصادف عمومی و گسل های مربوط به رعد و برق را شناسایی کند.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی انرژی مهندسی انرژی و فناوری های برق
چکیده انگلیسی
In recent years, with the increasing requirements on power distribution utilities to ensure system reliability and to improve customers and regulators satisfaction, utilities seek to find practical solutions that enable them to restrict specific faults or to better manage their responses to unavoidable power outages. For achieving either, it is crucial to acquire a profound understanding of different faults by exploring their underlying causes and identifying key variables related to those causes. Currently, statistical models as well as advanced data analytics techniques are common tools to gain such understanding. Although basic statistical analysis provides a general knowledge of the primary causes of faults; nevertheless, it falls short of describing nuanced conditions that lead to a fault. On the other hand, applying sophisticated algorithms can produce deeper insight into the main causes; however, it would be computationally burdensome and might require a tremendous amount of running time. In order to overcome these problems, this paper proposes a novel approach for fault cause analysis by using association rule mining. The primary goals are to characterize faults according to their underlying causes and to identify important variables that strongly impact fault frequency. This paper proposes a step-by-step procedure, which deals with data preparation, practical issues associated with fault data sets, and implementation of association rule mining. The procedure is followed by a comprehensive case study to demonstrate how the proposed approach can be used to mine for causal structures and identify frequent patterns for vegetation, animal, equipment failure, public accident, and lightning-related faults.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Electric Power Systems Research - Volume 152, November 2017, Pages 140-147
نویسندگان
, ,