Ин таҳқиқот системаи омӯзиши амиқеро таҳия мекунад, ки метавонад носозиҳои системаи тақсимоти сефазаи барқро аз сигналҳои шиддат ва ҷараёне, ки дар муҳити MATLAB/Simulink тавлид шудаанд, ба таври худкор шиносад ва сипас идоракунии калидро фаъол созад. Система дар маҷмӯъ 12 ҳолати корӣ/носозиро, аз ҷумла кори муқаррарӣ ва AG, BG, CG, AB, BC, CA, ABG, BCG, CAG, ABC ва ABCG аз ҳам ҷудо мекунад. Ба ҷойи истифодаи танҳо шаш сигнали асосии сефазаи шиддат–ҷараён, онҳо бо фарқҳои фазавӣ, ҷузъҳои симметрӣ, лифофаҳои RMS ва маълумоти суръати тағйир ғанӣ карда шуда, ба 30 канали хусусият табдил дода мешаванд. Ин хусусиятҳо ба CNN-и амиқи боқимондаи бисёрмиқёсӣ дар шакли равзанаҳои 64-намунагӣ, яъне 64 ms дар суръати намунагирии 1 kHz дода мешаванд.

Меъмории пешниҳодшуда шохаҳои конволютсионии 1D-ро, ки дар се миқёси гуногуни вақт кор мекунанд, таваҷҷуҳи каналии Squeeze-and-Excitation ва блокҳои боқимондаи дилатсияшударо муттаҳид мекунад. Дар манбаъ гузориш шудааст, ки ҳамаи 1.963 равзанаи санҷишӣ дар таснифоти 12-синфаи навъи носозӣ дуруст шинохта шуда, дақиқии санҷишии %100,00 ба даст омадааст. Дар шаш категорияи васеътари физикии носозӣ бошад, аз 1.963 равзана се адад нодуруст тасниф шуда, дақиқӣ %99,85 гузориш шудааст. Дар ҳамон додаҳо CNN-и асосӣ %61,31 ва LSTM-и асосӣ %56,70 дақиқӣ додаанд, дар ҳоле ки шабакаи пешниҳодшуда ба %100,00 расидааст. Бо вуҷуди ин, тамоми додаҳои омӯзиш ва санҷиш аз симулятсияҳои MATLAB/Simulink ҳосил шудаанд; бо ченкуниҳои воқеии шабакаи тақсимот тасдиқи саҳроӣ анҷом дода нашудааст. Аз ин рӯ, натиҷаҳо набояд ба маънои ба даст омадани ҳамон сатҳи кор дар шабакаҳои воқеии барқ шарҳ дода шаванд.

Масъалаи асосие, ки таҳқиқот ҳал кардан мехоҳад, чист?

Релеҳои муҳофизатии анъанавӣ метавонанд ҳангоми кӯтоҳпайвастшавӣ ё ҷараёни аз ҳад зиёд калидро боз кунанд; аммо равиши муҳофизатие, ки танҳо ба остонаҳои бузургӣ такя мекунад, на ҳамеша бо тафсил нишон медиҳад, ки кадом фазаҳо дар носозӣ иштирок доранд. Дар шабакаҳои ҳушманд афзоиши тавлиди тақсимшудаи офтобӣ, системаҳои батареягӣ, тавлиди бодӣ ва борҳои тағйирёбанда низ шароити кориро динамикитар мегардонад.

Таҳқиқот ба ин масъала бо равиши дуқабата муносибат мекунад. Қабати аввал навъи носозиро аз шаклҳои мавҷии шиддат ва ҷараён бо омӯзиши амиқ муайян мекунад. Қабати дуюм натиҷаи таснифгарро ба мантиқи идоракунии калид пайваст карда, ҳадаф дорад хати носозро ба таври худкор ҷудо кунад ва агар носозии муваққатӣ бартараф шавад, онро дубора барқдор намояд.

Ибораи “predictive” дар унвони таҳқиқот бояд бо эҳтиёт шарҳ дода шавад. Усули пешниҳодшуда модели пешгӯие нест, ки носозиро пеш аз рух додани он пешбинӣ кунад. CNN носозиро аз рӯи равзанаҳои 64 ms тасниф мекунад, ки намунаҳои шиддат–ҷараёни пас аз оғоз шудани носозиро дар бар мегиранд. Аз ин рӯ, амали асосӣ дар ин ҷо ташхис ва таснифоти босуръати баъди рух додани носозӣ мебошад.

Системаи тақсимоти MATLAB/Simulink чӣ гуна сохта шудааст?

Модели Simulink аз як қатор ҷузъҳои асосӣ иборат аст, ки мувофиқи пайдарпаии ҷараёни физикии нерӯи барқ дар хати тақсимот ҷойгир шудаанд. Дар Шакли 1-и манбаъ ин сохтор бо манбаи сефаза, трансформатор, хати pi-section, блоки барномарезишавандаи Three-Phase Fault, бори RLC ва нуқтаҳои ченкунӣ нишон дода шудааст.

Скрипти MATLAB модели Simulink-ро ба таври худкор мекушояд, параметрҳои Three-Phase Fault-ро барои синфи дахлдори носозӣ тағйир медиҳад, симулятсияро иҷро мекунад ва шаш канали шиддат–ҷараёнро мегирад. Қиматҳо ба пояи 120 V / 50 A нормализатсия мешаванд, миқдори ками садои тасодуфӣ илова мегардад ва натиҷа ба файли CSV сабт мешавад.

Кадом носозиҳо тасниф мешаванд?

Дар таҳқиқот бо назардошти ҳолати муқаррарӣ дар маҷмӯъ 12 синф мавҷуд аст:

• No Fault: Носозӣ нест
• AG, BG, CG: Носозиҳои як фаза–замин
• AB, BC, CA: Носозиҳои фаза–фаза
• ABG, BCG, CAG: Носозиҳои ду фаза–замин
• ABC: Носозии сефаза
• ABCG: Носозии се фаза–замин

Ҳамин синфҳо дар сатҳи баландтари маънои физикӣ низ дар шаш категория арзёбӣ шудаанд: No Fault, Single Line-to-Ground (SLG), Line-to-Line (LL), Double Line-to-Ground (DLG), Three-Phase ва Three-Phase-to-Ground.

Чаро танҳо шиддат ва ҷараёни хом истифода нашудааст?

Муаллифон ба ҷойи он ки интизор шаванд CNN робитаҳои асосии физикиеро, ки дар муҳандисии барқ аллакай маълуманд, аз сифр омӯзад, хусусиятҳои аз назарияи системаи қувва ҳосилшударо мустақиман ба модел медиҳанд. Шаш канали ибтидоии Va, Vb, Vc, Ia, Ib ва Ic бо табдилҳои гуногун дар маҷмӯъ ба 30 канали вурудӣ васеъ карда мешаванд.

Фарқҳои байнифазавӣ, масалан бузургиҳои монанди Va−Vb ё Vb−Vc, асимметрияи фазавиро намоён мекунанд. Ҳангоми кӯтоҳпайвастшавии фаза–фаза рафтори ин каналҳо вобаста ба ҷуфти фазаҳои дар носозӣ иштироккунанда тағйир меёбад.

Ҷузъҳои симметрӣ системаи сефазаро ба ҷузъҳои мусбат, манфӣ ва сифрӣ ҷудо мекунанд. Махсусан ҷузъи сифрӣ дар бораи носозиҳои пайваст ба замин ва ҷузъи манфӣ дар бораи номувозинатӣ маълумоти физикӣ медиҳад.

Лифофаҳои RMS бо равзанаи ҳаракаткунандаи 16-намунагӣ ҳисоб карда мешаванд. Ҳамин тавр, ба ҷойи ларзиши асосии AC, тағйири амплитудаи шиддат ё ҷараён дар тӯли вақт намоёнтар мегардад.

Каналҳои градиент тағйироти байни намунаҳои пайдарпайро чен карда, гузаришҳои ногаҳонӣ дар лаҳзаи оғоз ва бартараф шудани носозиро таъкид мекунанд.

Дар ин ҷо манбаъ як номувофиқии истилоҳӣ ва математикӣ дорад. Гарчанде матн ибораи «ба шаш канали хом панҷ гурӯҳи иловагии шашканалӣ» истифода мебарад, ҷамъбасти он 36 мешавад. Дар шарҳи муфассал бошад, ба ғайр аз сигналҳои хом танҳо чор гурӯҳ — фарқҳои фазавӣ, ҷузъҳои симметрӣ, RMS ва градиент — таъриф шудаанд. Ин сохтор бо 6 + 24 = 30 канал мувофиқ аст.

Чаро равзанаи 64 ms муҳим аст?

Вуруди шабака 64 намунаи вақт × 30 канали хусусият мебошад. Азбаски суръати намунагирӣ 1 kHz аст, як равзана буридаи сигналии 64 ms-ро ифода мекунад.

Ин равзанаи кӯтоҳ барои гирифтани рӯйдодҳои гузарои тез ба қадри кофӣ хурд нигоҳ дошта мешавад, дар айни замон ба шарофати ядроҳои конволютсионии дар миқёсҳои гуногун коркунанда ҳам оғози тези носозӣ ва ҳам тағйироти сусттари RMS/амплитуда якҷоя таҳлил мешаванд.

CNN-и бисёрмиқёсӣ чӣ гуна сохта шудааст?

Дар қисми аввали модел як сигнали вурудӣ ба се шохаи параллелии 1D CNN фиристода мешавад. Дар ҳар шоха ду қабати Conv1D ва як skip connection мавҷуд аст, аммо паҳнои ядрои истифодашуда фарқ мекунад.

Ҳангоми якҷо кардани натиҷаҳои се шоха 144 канали хусусият ҳосил мешавад.

Таваҷҷуҳи Squeeze-and-Excitation чӣ кор мекунад?

Ба ҷойи фиристодани мустақими 144 канал ба қабати баъдӣ, онҳо аз механизми Squeeze-and-Excitation (SE) гузаронда мешаванд. Бо Global average pooling ҳар канал ба як қимат фишурда мешавад ва намояндагии 144-элементии ҳосилшуда:

144 → 36 → 144

аз шабакаи хурди bottleneck бо ҳамин шакл мегузарад. Пас аз фаъолсозиҳои ReLU ва sigmoid барои ҳар канал коэффисиенти аҳамият ба даст меояд.

Ҳамин тавр, модел маҷбур нест дар ҳар равзанаи носозӣ ба ҳамаи хусусиятҳо вазни баробар диҳад. Масалан, дар рӯйдоди пайваст ба замин аз ҷиҳати назариявӣ мумкин аст вазни хусусиятҳои марбут ба zero-sequence зиёд карда шавад.

Чаро блокҳои residual-и дилатсияшуда истифода мешаванд?

Пас аз қабати SE се блоки residual меоянд. Нисбатҳои дилатсияи онҳо мутаносибан:

1 → 2 → 4

дода шудаанд. Ҳар блок ду қабати дилатсияшудаи Conv1D истифода мебарад; барои ҳар қабат 128 филтр, kernel-и андозаи 3, batch normalization, ReLU ва %10 dropout татбиқ мешавад.

Дар блоки якуми residual барои мувофиқ кардани 144 канал ба 128 як проексияи 1×1 мавҷуд аст. Ба шарофати дилатсия бидуни афзоиши ҳамандозаи шумораи параметрҳо ба контексти васеътари вақт дастрасӣ ҳосил мешавад.

Сарлавҳаи таснифот ҳамзамон ду натиҷа медиҳад

Пас аз блокҳои residual, max pooling ва як қабати иловагии Conv1D бо 64 филтр татбиқ мешавад. Global average pooling ва global max pooling параллел кор мекунанд ва натиҷаҳои онҳо дар намояндагии 128-андоза муттаҳид мешаванд.

Пас аз он ду қабати dense бо 256 ва 128 нейрон меоянд. Нисбатҳои dropout мутаносибан %30 ва %20 мебошанд. Дар охири шабака ду баромади ҷудогонаи softmax мавҷуд аст:

• 12 нейрон: Навъи дақиқи носозӣ
• 6 нейрон: Категорияи физикии носозӣ

Андозаи умумии модел дар манбаъ 528.182 параметр дода шудааст.

Идоракунии «худбарқароршаванда» дар амал чӣ гуна кор мекунад?

Назоратгари манбаъ ба мантиқи finite-state бо панҷ ҳолат такя мекунад. Дар кори муқаррарӣ ҳар равзанаи нави 64-намунагӣ ба CNN фиристода мешавад. Агар пешгӯии баландтарин ба носозӣ ишора кунад ва сатҳи эътимод аз %75 зиёд бошад, система ба ҳолати Faulty мегузарад.

Пас аз муайян шудани feeder-и носоз ба калид фармони кушодан фиристода мешавад. Дар таҳқиқот вақти маъмулии кушодани калид 30–50 ms қабул шудааст. Ҳангоми кушода шудани калид система дар ҳолати Isolated қарор мегирад.

Сипас dead time-и 5 сония татбиқ мешавад. Баъд ба ҳолати Reclosing гузашта, калид дубора баста мешавад. Агар дар равзанаи нави мониторинг носозӣ дида нашавад, система ба ҳолати Normal бармегардад.

Агар носозӣ боз ошкор шавад, амали кушодан–бастан ҳадди аксар се маротиба такрор мешавад. Пас аз се кӯшиши номуваффақи бозбастан система қулф шуда, дахолати инсон талаб карда мешавад.

Вақти ҷудокунии носозӣ чӣ гуна ҳисоб шудааст?

Ин вақт барои ҷудокунии носозӣ аст. Бозбастан дар ҳамон фосилаи 120–160 ms сурат намегирад; усули муфассал dead time-и 5 сонияро ба таври возеҳ таъриф мекунад.

Барои Тоҷикистон аз ин таҳқиқот мустақиман чӣ гуфтан мумкин аст?

Модели тақсимот ва тамоми тавлиди додаҳо дар муҳити симулятсия анҷом дода шуда, аз ҷониби муассисаи таҳқиқотӣ дар Ҳиндустон омода шудааст. Аз шабакаҳои воқеии тақсимоти Тоҷикистон додаҳои ченшудаи носозӣ истифода нашудаанд. Аз ин рӯ, дақиқии таснифоти %100 ё ҳисоби ҷудокунии 120–160 ms нишондиҳандаи мустақими кор барои шабакаҳои Тоҷикистон нест.

Агар усул ба шабакаи дигар татбиқ шавад, бо сатҳҳои дахлдори шиддат, импедансҳои хат, системаи заминкунӣ, бор ва шароити тавлиди тақсимшуда бояд додаҳои нав тавлид шаванд ё, беҳтараш, аз рӯи додаҳои воқеии саҳроӣ бозомӯзӣ ва тасдиқи мустақил анҷом дода шавад.

Таҳқиқот чӣ мегӯяд ва чӣ намегӯяд?

Натиҷаҳое, ки манбаъ дастгирӣ мекунад

• Дар системаи тақсимоти сефазаи бар пояи Simulink 12 синфи корӣ/носозӣ тавлид карда шудааст.
• Бо хусусиятҳои бар пояи физика вуруди CNN-и 30-каналӣ сохта шудааст.
• Модели пешниҳодшуда дар ҳамаи 1.963 равзанаи санҷишӣ навъи носозии 12-синфаро дуруст тасниф кардааст.
• Дар таснифоти шашсинфаи табиати носозӣ дақиқии %99,85 гузориш шудааст.
• CNN ва LSTM-и асосӣ дар ҳамон таҷриба аз меъмории пешниҳодшуда хеле қафо мондаанд.
• Вақти inference-и модел дар CPU дар манбаъ 15–25 ms дода шудааст.
• Таснифгар бо мантиқи finite-state-и идоракунии калид муттаҳид шудааст.

Натиҷаҳое, ки манбаъ исбот намекунад

• Модел бо носозиҳои саҳроии аз шабакаи воқеии тақсимот гирифташуда тасдиқ нашудааст.
• Дақиқии санҷишии %100 маънои дақиқии %100 дар шабакаи воқеиро надорад.
• Усул нишон намедиҳад, ки носозиро пеш аз рух додани он пешгӯӣ мекунад.
• Шинохти боэътимоди носозиҳои импеданси баланд нишон дода нашудааст.
• Модел бо санҷиши саҳроии сахтафзорӣ дар ARM, FPGA ё релеи муҳофизатии воқеӣ тасдиқ нашудааст.
• Таҷрибаи физикие пешниҳод нашудааст, ки нишон диҳад калид дар шабакаи воқеӣ аз аввал то охир дар 120–160 ms кор мекунад; ин қимат ҷамъбасти вақтҳои ҷузъҳои раванд аст, ки дар манбаъ дода шудаанд.
• Бозбастан дар давоми 200 ms анҷом намеёбад; алгоритми муфассали идоракунӣ пеш аз бозбастан 5 сония интизор мешавад.

Усул ва натиҷаҳои таҳқиқот

Тартиби тавлиди додаҳо

Азбаски дар манбаъ байни шумораи намунаҳои хом ва шумораи умумии равзанаҳо номувофиқӣ мавҷуд аст, ин ду қимат дар ҷадвали боло ба як рақами қатъӣ муттаҳид карда нашудаанд. Тафсилот дар Ёддошти Манбаъ ва Усул шарҳ дода мешавад.

Танзимоти омӯзиш

Натиҷаҳои санҷиш

Матритсаи иштибоҳи 12×12, ки дар Шакли 3 дода шудааст, комилан диагоналӣ менамояд. Манбаъ инро ҳамчун дуруст тасниф шудани ҳамаи 1.963 равзанаи санҷишӣ шарҳ медиҳад:

Ҳангоми баррасии муфассалтари Шакли 8 дар саҳифаи 6 дида мешавад, ки се хатои таснифоти шашкатегориявӣ аз синфи SLG ба синфи Three-Phase-G рух додаанд. Дар матритса 458 намунаи SLG дуруст тасниф шуда, се намуна ба категорияи нодуруст гузошта шудааст. Категорияҳои дигари нишон додашуда дар диагонали матритса қарор доранд.

Муқоиса бо моделҳои оддӣ

Дар муқоисаи ablation-и манбаъ CNN-и асосӣ %61,31, LSTM-и асосӣ %56,70 дақиқии санҷишӣ гирифтаанд, дар ҳоле ки модели пешниҳодшуда ба %100,00 расидааст. Муаллифон ин фарқро ба истифодаи якҷояи сохтори kernel-и бисёрмиқёсӣ, таваҷҷуҳи каналии SE ва блокҳои residual-и дилатсияшуда нисбат медиҳанд.

Аммо ин муқоиса ҷадвали пурраи факториалии ablation нест, ки таъсири ҳар як ҷузъро алоҳида хориҷ кунад. Манбаъ ду baseline-и оддиро бо меъмории муттаҳидаи пешниҳодшуда муқоиса мекунад. Аз ин рӯ, танҳо аз ин натиҷаҳо ба таври ададӣ муайян кардан мумкин нест, ки блоки SE ё ягон ҷузъи алоҳида мустақилона чӣ қадар афзоиши дақиқӣ медиҳад.

Рафтори омӯзиш

Манбаъ гузориш медиҳад, ки дақиқии validation тақрибан дар epoch-и 22 ба сатҳи %100 расидааст ва каҷҳои loss-и омӯзиш/validation ба ҳам наздик ҳаракат кардаанд. Гуфта мешавад, ки тамоми омӯзиш дар CPU-и Core i7 тақрибан 12,5 дақиқа давом кардааст.

Ин мушоҳида аз ҷониби муаллифон ҳамчун нишонаи набудани азёдкунӣ шарҳ дода шудааст. Бо вуҷуди ин, танҳо наздик будани каҷҳои омӯзиш ва validation умумисозии мустақил ба саҳрои воқеиро исбот намекунад.

Маҳдудияти муҳими методологӣ вобаста ба мустақилияти маҷмӯи санҷишӣ

Манбаъ мегӯяд, ки равзанаҳои 64-намунагӣ бо stride-и 8 намуна сохта шуда, баъдан ба омӯзиш, validation ва test ҷудо карда шудаанд; аммо шарҳ намедиҳад, ки ин ҷудокунии додаҳо аз рӯи файли CSV ё аз рӯи иҷрои мустақили Simulink гурӯҳбандӣ шудааст ё не.

Азбаски равзанаҳои 64-намунагӣ танҳо бо 8 намуна кӯчонда мешаванд, равзанаҳои пайдарпай то дараҷаи зиёд ҳампӯшанд. Агар равзанаҳои ҳампӯши аз як сабти симулятсия ҳосилшуда ба қисмҳои гуногуни додаҳо тақсим шуда бошанд, онҳо метавонанд мушоҳидаҳои комилан мустақил набошанд. Азбаски матн барои тасдиқ ё рад кардани ин эҳтимол тафсилоти кофӣ намедиҳад, муваффақияти %100-и санҷиш махсусан аз ҷиҳати умумисозӣ ба feeder/саҳрои мустақил бояд бо эҳтиёт шарҳ дода шавад.

Ба ҳамин монанд, дар сабтҳои 10-сониягии носозӣ худи носозӣ танҳо дар фосилаи 3–7 сония фаъол аст. Манбаъ ба таври муфассал шарҳ намедиҳад, ки қисмҳои муқаррарии пеш аз оғоз ва баъд аз тоза шудани носозӣ дар тамғагузории равзанаҳо чӣ гуна коркард шудаанд. Аз ин рӯ, мантиқи тамғагузории ин минтақаҳо дар маҷмӯи таснифот аз рӯи манбаъ ба таври қатъӣ тасдиқ карда намешавад.

Қадамҳои минбаъдае, ки муаллифон барои гузариш ба ҷаҳони воқеӣ пешниҳод мекунанд

Дар бахши натиҷаҳо тасдиқ бо ченкуниҳои воқеии feeder ошкоро ҳамчун кори оянда зикр шудааст. Илова бар ин, носозиҳои импеданси баланд, ҷараёнҳои додаҳои PMU, татбиқи камтаъхири бар пояи FPGA, transfer learning байни шабакаҳо ва таъсири ҷараёнҳои заминавии тағйирёбанда ҳангоми сатҳи баланди воридшавии офтоб/бод аз мавзӯъҳое мебошанд, ки бояд дар оянда омӯхта шаванд.

Ёддошти Манбаъ ва Усул

Номи пурраи аслии таҳқиқот: Deep Learning Based Predictive Fault Detection and Self-Healing Control Strategy for Smart Power Grids Using MATLAB Simulation

Муаллифон ва тартиби аслӣ: Khaire Ashwini; Mali Saurabh; Jadhav Siddharth; Malgavi Rohit; Pawar Harish.

Муассиса: Department of Electrical Engineering, K. K. Wagh Institute of Engineering, Education and Research, Nashik, Maharashtra, India.

Муаллифи масъул: Дар PDF аломати ҷудогона ё баёнияи “corresponding author” мавҷуд нест.

Ҳаммуаллифи аввал / саҳми баробар: Дар версияи боршуда баёнияи саҳми баробар мавҷуд нест.

Навъи манбаъ: Таҳқиқоти симулятсияи системаи тақсимоти барқ бар пояи MATLAB/Simulink ва таснифоти носозиҳо бо омӯзиши амиқ.

Вазъи нашр: Таҳқиқоти боршуда preprint-и SSRN мебошад, ки аз арзёбии ҳамтоён нагузаштааст. Натиҷаҳо бояд бо дарназардошти ҳамин марҳилаи нашр арзёбӣ шаванд.

Платформа: SSRN.

Рақами сабти SSRN: 7101863.

DOI: 10.2139/ssrn.7101863.

Санаи нашр дар SSRN: 11 июли 2026.

Версияи ҳамтоарзёбишуда: Дар санҷиши библиографӣ версияи ҷудогона ва тасдиқшудаи ҳамтоарзёбишудаи ҳамин таҳқиқот дар маҷалла муайян нашудааст.

Усул: Додаҳои синтетикии носозии системаи тақсимоти сефаза бар пояи MATLAB/Simulink ва Simscape Electrical; муҳандисии хусусиятҳои бар пояи физика; Multi-Scale Deep Residual 1D CNN; таваҷҷуҳи каналии Squeeze-and-Excitation; қабатҳои residual-и дилатсияшуда; таснифоти дугонаи softmax ва мантиқи finite-state-и идоракунии худбарқароршавандаи калид.

Табиати додаҳо: Сигналҳои омӯзиш ва санҷиш ченкуниҳои воқеии feeder-и тақсимот нестанд, балки додаҳои синтетикие мебошанд, ки аз симулятсияи MATLAB/Simulink тавлид шудаанд.

Номувофиқии дохилии манбаъ 1 — шумораи намунаҳои хом: Дар бахши модели MATLAB/Simulink гуфта мешавад, ки 60 CSV дар маҷмӯъ 108.255 намунаи домени вақт доранд, дар ҳоле ки дар бахши Натиҷаҳо барои ҳамон дода 108.316 намунаи хом гузориш шудааст. Манбаъ ин фарқи 61-намунагиро шарҳ намедиҳад.

Номувофиқии дохилии манбаъ 2 — шумораи равзанаҳо: Дар бахши тафсилоти омӯзиш 13.084 равзана навишта шудааст, дар ҳоле ки дар бахши Натиҷаҳо 13.004 равзана зикр мешавад. Илова бар ин, ҷамъбасти 9.119 омӯзиш + 2.022 validation + 1.963 test баробари 13.104 аст. Ҳамин тавр, манбаъ барои шумораи умумии равзанаҳо се рақами гуногун дорад. Онҳо бесадо ба як қимат табдил дода нашудаанд.

Номувофиқии дохилии манбаъ 3 — 30 канали хусусият: Матн мегӯяд, ки аз шаш канали хом «панҷ гурӯҳи иловагии шашканалӣ» сохта шуда, натиҷа 30 канал аст; ин ба таври математикӣ 36 канал медиҳад. Аммо усули муфассал танҳо чор гурӯҳи иловагӣ — фарқҳои фазавӣ, ҷузъҳои симметрӣ, лифофаҳои RMS ва градиентҳо — ро таъриф мекунад. Ҷамъи шаш канали хом ва чор гурӯҳи шашканалӣ 30 аст. Азбаски шакли вуруди меъморӣ дар мақола ба таври возеҳ 64×30 дода шудааст, иштибоҳи лафзии дохили манбаъ низ ҷудогона қайд шудааст.

Номувофиқии дохилии манбаъ 4 — 200 ms ва бозбастан: Хулоса чунин таассурот медиҳад, ки кушодани калид, интизори хомӯшшавии қавс ва бозбастани худкор дар давоми 200 ms сурат мегирад. Аммо дар бахши муфассали идоракунӣ 120–160 ms танҳо ҳамчун вақти аз оғози носозӣ то ҷудокунии он ҳисоб шудааст ва пеш аз бозбастан dead time-и 5 сония ба таври возеҳ татбиқ мешавад. Аз ин рӯ, қимати «200 ms» ҳамчун вақти бозбастан истифода нашудааст.

Тафсилоти натиҷаи дохилии манбаъ: Дар Шакли 8, дар матритсаи иштибоҳи табиати носозии шашкатегориявӣ, аз 1.963 равзанаи санҷишӣ се адад аз SLG ба категорияи Three-Phase-G нодуруст таъин шудаанд. Ин бо дақиқии тақрибан %99,85-и гузоришшуда дар манбаъ мувофиқ аст. Баръакс, барои 12 навъи носозӣ матритсаи Шакли 3 нишон медиҳад, ки ҳамаи 1.963 намуна дар диагонал қарор доранд.

Маҳдудияти санҷиши мустақил: Манбаъ нишон намедиҳад, ки ҷудокунии training/validation/test-и равзанаҳои ҳампӯши 64-намунагӣ бо stride-и 8 аз рӯи файл ё аз рӯи иҷрои мустақили симулятсия гурӯҳбандӣ шудааст ё не. Аз ин рӯ, аз рӯи манбаъ тасдиқ кардан мумкин нест, ки равзанаҳои хеле монанди ба як силсилаи вақти асосӣ тааллуқдошта ба қисмҳои гуногун афтодаанд ё не.

Маҳдудияти тамғагузорӣ: Дар симулятсияҳои носозӣ, дар дохили сабти 10-сониягӣ носозӣ дар фосилаи 3–7 сония фаъол аст. Манбаъ сиёсати тамғагузории равзанаҳои аз қисмҳои пеш ва пас аз носозӣ ҳосилшударо ба таври муфассал шарҳ намедиҳад.

Тасдиқи саҳроӣ: Муаллифон тасдиқ бо ченкуниҳои воқеии feeder-ро ҳамчун кори оянда муайян мекунанд. Аз ин рӯ, натиҷаҳои мавҷуда иҷрои модели додаҳои синтетикиро дар муҳити MATLAB/Simulink нишон медиҳанд.

Маҳдудияти мундариҷаи илмӣ: Меъмории шабака, тавлиди додаҳо, параметрҳои омӯзиш, натиҷаҳо ва мантиқи идоракунӣ дар ин мақолаи Verianla танҳо аз таҳқиқоти боршуда гирифта шудаанд. Манбаъҳои беруна танҳо барои тасдиқи библиографии унвон, рӯйхати муаллифон, санаи сабти SSRN, DOI ва вазъи нашр истифода шудаанд.