Zeitschrift für Elektrotechnik und Elektronik

Verteiltes Energieerzeugungssystem: Verlusterkennung von Netzereignissen durch Musteridentifikation

Faisal A Al Olayan * und Baldevbhai Patel

In diesem Dokument werden die verschiedenen Arten von Mustererkennungsmethoden erörtert, die üblicherweise zur Erkennung von Netzverlusten bei dezentralen Stromerzeugungsquellen (DG) für erneuerbare Energien verwendet werden. Das Forschungsdokument ist in vier Teile gegliedert: Einleitung, Hintergrund, Literaturübersicht und Schlussfolgerung. Die Einleitung bietet einen Gesamtüberblick über das Thema und nennt Gründe, warum Mustererkennungsmethoden für die Erkennung von Inselbildung wichtig sind. Der zweite Abschnitt des Dokuments beleuchtet detaillierte Analysen dezentraler Stromerzeugungssysteme und die Risiken, die entstehen können, wenn Inselbildung nicht erkannt wird. Die Literaturübersicht analysiert drei wichtige künstliche neuronale Netze zur Mustererkennung, einen Entscheidungsbaumklassifizierer und ein adaptives neurologisches Fuzzy-Inferenzsystem. Diese drei Systeme verwenden maschinelles Lernen, um die Systeme durch Algorithmen zu trainieren, damit sie Inselbildungssysteme und Nicht-Inselbildungssysteme erkennen. Der vierte Abschnitt ist eine allgemeine Zusammenfassung des gesamten Dokuments.