Détection, classification et localisation des défauts dans un réseau de transport 60 kV.
Loading...
Date
2025
Journal Title
Journal ISSN
Volume Title
Publisher
ECOLE NATIONALE SUPERIEURE DE TECHNOLOGIE ET D’INGENIERIE - ANNABA
Abstract
Nous proposons dans ce mémoire d’utiliser l’intelligence artificielle pour la détection, la classification et la localisation des défauts dans un réseau de transport électrique 60 kV. Une comparaison entre trois algorithmes basées sur l’apprentissage supervisé : Random Forest, Sup port Vector Machine et KNearest Neighbors . Ces modèles sont entraînés et testés sur une base de données simulée de plus de 16 000 échantillons de courants et tensions triphasés, représen tant divers scénarios de défauts (monophasés , biphasés , triphasés) ainsi que fonctionnement normal. Nous constatons que l’algorithme Random Forest offre une précision globale de 97,2