در این مقاله روشی نوین برای تشخیص خطای امپدانس بالا در شبکه های توزیع برمبنای شبکه عصبی ارائه شده است. این خطا دارای محتوای هارمونیکی خاصی میباشد که با هارمونیکهای ناشی از کلید زنی خطوط و بارهای خطی، غیر خطی، خازنی و... متفاوت است. برای تشخیص این خطا بوسیله شبکه عصبی در ابتدا با استفاده از شبیه سازی، هارمونیکهای ناشی از این خطا و پدیده های کلیدزنی به ازای شرایط مختلف بدست می آید. در صورت بروز خطای مذکور، شبکه عصبی قادراست تا میان این خطا و سایر پدید هها تمیز قائل گردد. مزیت استفاده از روش مذکور در هوشمند بودن شبکه عصبی میباشد زیرا این شبکه قادر است تا حالت هایی که با آنها آموزش ندیده را با دقت بسیار بالا به عنوان پدیده خطا یا کلیدزنی طبقه بندی نماید. اگر چه شبکه عصبی قبلا برای تشخیص خطای امپدانس بالا به کار گرفته شده است ولی ساختار پیشنهادی در این مقاله از برتری ویژه ای نسبت به روشهای دیگر برخوردار می باشد به گونه ای که با حداقل تعداد لایه ها بهترین جواب را در تشخیص الگوهای غیر خطی ارائه می نماید. روش پیشنهادی بر ترکیب لایه های خطی و سیگموندی استوار بوده و همین امر سبب افزایش دقت روش مذکور گردیده است.
در این مقاله روشی نوین برای تشخیص خطای امپدانس بالا در شبکه های توزیع برمبنای شبکه عصبی ارائه شده است. این خطا دارای محتوای هارمونیکی خاصی میباشد که با هارمونیکهای ناشی از کلید زنی خطوط و بارهای خطی، غیر خطی، خازنی و... متفاوت است. برای تشخیص این خطا بوسیله شبکه عصبی در ابتدا با استفاده از شبیه سازی، هارمونیکهای ناشی از این خطا و پدیده های کلیدزنی به ازای شرایط مختلف بدست می آید. در صورت بروز خطای مذکور، شبکه عصبی قادراست تا میان این خطا و سایر پدید هها تمیز قائل گردد. مزیت استفاده از روش مذکور در هوشمند بودن شبکه عصبی میباشد زیرا این شبکه قادر است تا حالت هایی که با آنها آموزش ندیده را با دقت بسیار بالا به عنوان پدیده خطا یا کلیدزنی طبقه بندی نماید. اگر چه شبکه عصبی قبلا برای تشخیص خطای امپدانس بالا به کار گرفته شده است ولی ساختار پیشنهادی در این مقاله از برتری ویژه ای نسبت به روشهای دیگر برخوردار می باشد به گونه ای که با حداقل تعداد لایه ها بهترین جواب را در تشخیص الگوهای غیر خطی ارائه می نماید. روش پیشنهادی بر ترکیب لایه های خطی و سیگموندی استوار بوده و همین امر سبب افزایش دقت روش مذکور گردیده است.