fa کاربرد شبکه عصبی برای تخمین مقاومت مخصوص خاک در سیستم زمین شبکۀ توزیع برق قدرت Power پژوهشي Research <span dir="RTL" lang="FA" style="font-size:11.0pt"><span b="" nazanin="" style="font-family:">مقاومت ویژه الکتریکی خاک به عنوان یکی از پارامترهای کلیدی در سیستم‌های زمین، نشان‌دهنده توانایی خاک در هدایت جریان الکتریکی بوده و بر عملکرد سیستم زمین تأثیر مستقیمی دارد. هدف از این پژوهش، ارائه یک روش کاربردی، سریع و ارزان جهت تخمین مقاومت مخصوص خاک از طریق اندازه</span></span><span dir="RTL" lang="FA" style="font-size:11.0pt"><span cambria="" style="font-family:">‌</span></span><span dir="RTL" lang="FA" style="font-size:11.0pt"><span b="" nazanin="" style="font-family:">گیری</span></span><span dir="RTL" lang="FA" style="font-size:11.0pt"><span cambria="" style="font-family:">‌</span></span><span dir="RTL" lang="FA" style="font-size:11.0pt"><span b="" nazanin="" style="font-family:">های محدود و آموزش شبکه عصبی برای طراحی بهینه سیستم زمین شبکه توزیع است. در این تحقیق، ابتدا در 70 نقطه از شهر اصفهان مقاومت مخصوص خاک در سه عمق اندازه</span></span><span dir="RTL" lang="FA" style="font-size:11.0pt"><span cambria="" style="font-family:">‌</span></span><span dir="RTL" lang="FA" style="font-size:11.0pt"><span b="" nazanin="" style="font-family:">گیری و برای آموزش شبکه عصبی در </span></span><span style="font-size:10.0pt"><span new="" roman="" style="font-family:" times="">MATLAB</span></span><span dir="RTL" lang="FA" style="font-size:11.0pt"><span b="" nazanin="" style="font-family:">، استفاده شد. با توجه به پراکندگی نقاط اندازه</span></span><span dir="RTL" lang="FA" style="font-size:11.0pt"><span cambria="" style="font-family:">‌</span></span><span dir="RTL" lang="FA" style="font-size:11.0pt"><span b="" nazanin="" style="font-family:">گیری‌، برای تخمین بهتر، پیش از اعمال ورودی به شبکه عصبی با استفاده از دو خوشه</span></span><span dir="RTL" lang="FA" style="font-size:11.0pt"><span cambria="" style="font-family:">&not;</span></span><span dir="RTL" lang="FA" style="font-size:11.0pt"><span b="" nazanin="" style="font-family:">بندی متوالی </span></span><span style="font-size:10.0pt"><span new="" roman="" style="font-family:" times="">k-means</span></span><span dir="RTL" lang="FA" style="font-size:11.0pt"><span b="" nazanin="" style="font-family:"> داده</span></span><span dir="RTL" lang="FA" style="font-size:11.0pt"><span cambria="" style="font-family:">&not;</span></span><span dir="RTL" lang="FA" style="font-size:11.0pt"><span b="" nazanin="" style="font-family:">ها مورد تحلیل آماری قرار گرفت. خوشه</span></span><span dir="RTL" lang="FA" style="font-size:11.0pt"><span cambria="" style="font-family:">&not;</span></span><span dir="RTL" lang="FA" style="font-size:11.0pt"><span b="" nazanin="" style="font-family:">بندی اول براساس موقعیت جغرافیایی نقاط و خوشه</span></span><span dir="RTL" lang="FA" style="font-size:11.0pt"><span cambria="" style="font-family:">&not;</span></span><span dir="RTL" lang="FA" style="font-size:11.0pt"><span b="" nazanin="" style="font-family:">بندی دوم براساس عمق انجام شد و خوشه حاصل از این تحلیل به عنوان ورودی به شبکه عصبی داده شد. بنابر&nbsp; نتایج این پژوهش، بین مقادیر واقعی و تخمین زده شده توسط مدل، ضریب همبستگی </span></span><span style="font-size:10.0pt"><span new="" roman="" style="font-family:" times="">R2</span></span><span dir="RTL" lang="FA" style="font-size:11.0pt"><span b="" nazanin="" style="font-family:"> برابر 0.9567 مشاهده شد که بطور کامل رضایت بخش است و تصدیق می کند که کاربرد روش پیشنهادی، ابزار مفیدی برای تخمین عملکرد مقاومت زمین در گسترده جغرافیائی و اعماق مختلف خواهد بود. </span></span><br> &nbsp; <span style="font-size:12.0pt"><span new="" roman="" style="font-family:" times="">Soil resistivity, as a key parameter in grounding systems, indicates the soil&#39;s ability to conduct electric current and directly impacts the performance of grounding systems. This research aims to provide a practical and cost-effective method for estimating soil-resistivity through limited measurements and training a neural network for optimal design of the distribution network grounding system. In this study, soil resistivity was measured at 70 points in Isfahan at three different depths and used to train a neural network in MATLAB. Considering the scattered distribution of measurement points, for better estimation, the data was subjected to statistical analysis using two sequential k-means clustering before being applied as input to the neural network. The first clustering was based on the geographical location of the points, and the second clustering was based on depth. The cluster resulting from this analysis was fed into the neural network as input. According to the results of this research, the correlation coefficient R2 between the actual and estimated values by the model was 0.9567, which is completely satisfactory and confirms that the application of the proposed method is a useful tool for estimating the performance of ground-resistance over a wide geographical area and at different depths.</span></span> مقاومت مخصوص, اتصال زمین, دو خوشه‌بندی متوالی, k-means specific resistance, ground connection, two consecutive clustering, k-means 123 135 http://jiaeee.com/browse.php?a_code=A-10-3075-1&slc_lang=fa&sid=1 Mohamad Reza Fadaei Tehrani محمدرضا فدائی تهرانی mfadaei@nri.ac.ir 100319475328460013242 100319475328460013242 Yes Water and Power Industry Higher Education Complex, Research Institute of Power مجتمع عالی آموزشی و پژوهشی صنعت آب و برق، پژوهشگاه نیرو Mina Dehghani مینا دهقانی mina.dehghani.21@gmail.com 100319475328460013243 100319475328460013243 No Water and Power Industry Higher Education Complex, Research Institute of Power مجتمع عالی آموزشی و پژوهشی صنعت آب و برق، پژوهشگاه نیرو