fa ارزیاﺑﯽ اﻣﻨﯿﺖ ریزﺷﺒﮑﻪ ﻣﺴﺘﻘﻞ وﻟﺘﺎژ ﻣﺘﻮﺳﻂ دارای ﻣﻨﺎﺑﻊ ﺑﺎ واﺳﻂ اﻟﮑﺘﺮوﻧﯿﮏ ﻗﺪرت در ﺣﻀﻮر اﺧﺘﻼﻻت ﺗﻮان و ﺑﺎر ﺑﺎ اﺳﺘﻔﺎده از ﺷﺒﮑﻪ ﻋﺼﺒﯽ- ﻓﺎزی ﺗﻄﺒﯿﻘﯽ قدرت Power پژوهشي Research <strong><span style="font-family:b nazanin;"><span style="font-size:11.0pt;">در شبکه&shy;های توزیع سنتی انحراف&shy;های فرکانس و ولتاژ به عنوان شاخصی برای تشخیص امنیت سیستم محسوب می&shy;شود. در حالیکه در یک ریزشبکه مستقل دارای منابع با واسط الکترونیک قدرت، انحراف&shy;های فرکانس و ولتاژ در ریزشبکه در اثر اختلالات توان و بار به خوبی توسط کنترلر فرکانس- توان حقیقی و کنترلر ولتاژ- توان واکنشی کنترل می&shy;شود. از این رو برخلاف آن چه در شبکه&shy;های توزیع سنتی روی می&shy;دهد، انحراف&shy;های فرکانس و ولتاژ برای تشخیص امنیت ریزشبکه مستقل دارای منابع با واسط الکترونیک قدرت موضوع مهمی به شمار نمی&shy;رود. اما در یک ریزشبکه مستقل تعادل بین تولید و مصرف توان به عنوان شاخصی برای ارزیابی امنیت آن خصوصا در هنگام بروز اختلالات توان و بار در نظر گرفته می&shy;شود. از این رو اگر این تعادل در ریزشبکه ایجاد نشود، ریزشبکه غیر&shy;ایمن به شمار می&shy;رود. در این صورت نیاز به اقدامات پیشگیرانه&shy;ای از قبیل ریزش بار و تنظیم تولید در کوتاهترین زمان در ریزشبکه باید صورت گیرد. در این مقاله </span></span></strong><strong><span style="font-family:b nazanin;"><span style="font-size:11.0pt;">یک استراتژی جدید برای بررسی امنیت دینامیکی ریزشبکه در هنگام وقوع اختلالات توان و بار و همچنین استفاده از شبکه</span></span></strong><strong><span style="font-family:b nazanin;"><span style="font-size:11.0pt;"> عصبی</span></span></strong><strong><span style="font-size:11.0pt;">&ndash;</span></strong><strong><span style="font-family:b nazanin;"><span style="font-size:11.0pt;"> فازی تطبیقی </span></span></strong><strong><span style="font-family:b nazanin;"><span style="font-size:10.0pt;">(</span></span></strong><strong><span dir="LTR"><span style="font-size:10.0pt;">ANFIS</span></span></strong><strong><span style="font-family:b nazanin;"><span style="font-size:10.0pt;">) </span></span></strong><strong><span style="font-family:b nazanin;"><span style="font-size:11.0pt;">برای بررسی این موضوع پیشنهاد شده است.</span></span></strong><strong><span style="font-family:b nazanin;"><span style="font-size:11.0pt;"> همچنین در صورت تشخیص غیر&shy;امن بودن ریزشبکه، پیش&shy;بینی اعمال کنترلی پیشگیرانه&shy;ای توسط دیگر شبکه&shy;های عصبی</span></span></strong><strong><span style="font-size:11.0pt;">&ndash;</span></strong><strong><span style="font-family:b nazanin;"><span style="font-size:11.0pt;"> فازی تطبیقی (</span></span></strong><strong><span dir="LTR"><span style="font-size:10.0pt;">ANFIS</span></span></strong><strong><span style="font-family:b nazanin;"><span style="font-size:11.0pt;">) پیشنهاد شده است. </span></span></strong> In conventional power systems, frequency and voltage deviations are chosen as indexes for characterizing conventional power system security. While&nbsp; in an autonomous micro grid with Electronically Interfaced Distributed Generation (EIDG), frequency and voltage deviations&nbsp; against power and loads disturbances perfectly controlled by f-P and V-Q controller. Unlike conventional power systems, frequency and voltage deviations are not important issues to characterize autonomous micro grid security with Electronically Interfaced Distributed Generation (EI-DG). But in a balanced autonomous micro grid Generation and Consumption power chosen as indexes for characterizing&nbsp; microgrid security against power and loads disturbances. Hence, micro grid is considered insecure if Generation and Consumption power balance is not established. Therefore, load shedding and generation tuning are required as prompt preventive measures. This paper suggests a new strategy to assist the micro grid against power and loads disturbance, while using&nbsp; Adaptive Network Based Fuzzy Inference System (ANFIS) as a methodology for this investigation. In case of ,Micro grid insecure&nbsp; identification, predictions prevent control strategy is suggested by another Adaptive Network Based Fuzzy Inference System (ANFIS).&nbsp; اﻣﻨﯿﺖ ریزﺷﺒﮑﻪ, دروپ ﻓﺮﮐﺎﻧﺲ, دروپ وﻟﺘﺎژ, ریزش ﺑﺎر, ﻣﻨﺎﺑﻊ ﺑﺎ واﺳﻂ اﻟﮑﺘﺮوﻧﯿﮏ ﻗﺪرت, ﺷﺒﮑﻪ ﻋﺼﺒﯽ -ﻓﺎزی ( ANFISﺗﻄﺒﯿﻘﯽ) Security Micro gird, Frequency Droop, Voltage Droop, Load Shedding, Electronically Interfaced Distributed Generation (EI-DG), Adaptive Network Based Fuzzy Inference System (ANFIS) 15 23 http://jiaeee.com/browse.php?a_code=A-10-1-260&slc_lang=fa&sid=1 Mahtab Parsi ﻣﻬﺘﺎب ﭘﺎرسی mahtabparsi@gmail.com 10031947532846002316 10031947532846002316 Yes MSc, Faculty of Engneering, Islamic Azad University, Dezful Branch, Dezful, Iran داﻧﺶ آﻣﻮﺧﺘﻪ ﮐﺎرﺷﻨﺎﺳﯽ ارﺷﺪ -داﻧﺸﮑﺪه ﻓﻨﯽ و ﻣﻬﻨﺪﺳﯽ -داﻧﺸﮕﺎه آزاد اﺳﻼﻣﯽ واﺣﺪ دزﻓﻮل -دزﻓﻮل -ایﺮان Mahmood Joorabian ﻣﺤﻤﻮد ﺟﻮراﺑﯿﺎن mjoorabian@scu.ac.ir 10031947532846002317 10031947532846002317 No Professor, Faculty of Engineering, Shahid Chamran University of Ahvaz, Ahvaz, Iran اﺳﺘﺎد -داﻧﺸﮑﺪه ﻣﻬﻨﺪﺳﯽ - داﻧﺸﮕﺎه ﺷﻬﯿﺪ ﭼﻤﺮان اﻫﻮاز - اﻫﻮاز -ایﺮان Gevork B. Gharehpetian ﮔﺌﻮرگ ﻗﺮه ﭘﺘﯿﺎن grptian@aut.ac.ir 10031947532846002318 10031947532846002318 No Professor, Department of Electrical Engineering, Faculty of Electrical Engineering, Amirkabir University of Technology, Tehran, Iran اﺳﺘﺎد -داﻧﺸﮑﺪه ﻣﻬﻨﺪﺳﯽ ﺑﺮق - داﻧﺸﮕﺎه ﺻﻨﻌﺘﯽ اﻣﯿﺮﮐﺒﯿﺮ -ﺗﻬﺮان -ایﺮان