دانلود مقاله ISI انگلیسی شماره 149302
ترجمه فارسی عنوان مقاله

مدل ارزیابی زمان واقعی خطای خطوط برق بر اساس عوامل مختلف هواشناسی

عنوان انگلیسی
Real-time Evaluation Model of Power Line Fault Probability based on Multiple Meteorological factors
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی
149302 2017 5 صفحه PDF
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Procedia Computer Science, Volume 107, 2017, Pages 231-235

ترجمه کلمات کلیدی
عملکرد فازی، تجزیه و تحلیل هواشناسی، احتمال خط خط خط،
کلمات کلیدی انگلیسی
Fuzzy function; meteorological analysis; power line fault probability ;;
ترجمه چکیده
در این مقاله، خطای خط خط خط را با توجه به عوامل مختلف هواشناسی مورد مطالعه قرار می دهیم. محاسبه احتمال خطای خط زمان واقعی خطوط انتقال از بخش مهمی از خطای خطای خطی و محاسبه قابلیت اطمینان در زمان واقعی سیستم قدرت است. اولا، تابع عضو فازی را از عوامل مختلف بررسی می کنیم. برای تعیین ضریب وزن هر لایه، همراه با روش ارزیابی فازی، تئوری عدم اطمینان استفاده شده است. دوم ما داده های واقعی را برای شبیه سازی مدل جمع آوری می کنیم. مدل کمی از هر مقدار مانیتورینگ ایجاد شده است. در نهایت، ما مدل ما در داده های آب و هوایی واقعی و داده های احتمالی خرابی خط خطا را تایید کردیم. نتایج تجربی نشان می دهد که روش پیشنهادی در جلوگیری از چنین حادثه موثر و امیدوار کننده است.
پیش نمایش مقاله
پیش نمایش مقاله  مدل ارزیابی زمان واقعی خطای خطوط برق بر اساس عوامل مختلف هواشناسی

چکیده انگلیسی

In this paper we study the power line fault probability considering various meteorological factors. The calculation of the real-time fault probability of transmission lines is an important part of on-line risk assessment and real-time reliability calculation of power system. First, we study the fuzzy member function of various factors. Uncertainty theory is adopted to determine the weight coefficient of each layer, combined with fuzzy evaluation method. Second we collect actual data to simulate the model. The quantitative model of each monitoring quantity is established. Finally, We verified our model in actual weather data and power line malfunction probability data. The experimental results show that the proposed method is effective and promising in prevent such incident.