재생 에너지 시스템의 가장 중요한 하드웨어 단위인 인버터의 성능은 참조 전압 벡터와의 관계에서 작동하는 부문 및 지역 값에 따라 달라진다. 부문 및 지역의 정확한 식별은 매우 중요하다. 이 연구는 고전 수학 모델에 기반한 부문 및 지역 식별의 단점을 극복하는 것을 목표로 한다. 이를 위해 인공지능 신경망(ANN) 아키텍처를 사용하여 부문(6개 클래스) 및 지역(4개 클래스)의 식별을 높은 정확도로 예측한다. 이러한 맥락에서 협소형, 중간형, 광범위형, 2층형 및 3층형 아키텍처를 사용하고 체계적으로 비교하였다. 부문 감지에 있어 협소형 NN과 광범위형 NN은 99.97%의 정확도로 가장 높은 성능을 보였다. 지역 감지에서는 광범위형 NN이 다른 아키텍처 중에서 98.81%의 정확도로 가장 높은 성능을 나타냈다. 제안된 아키텍처는 시뮬레이션 환경에서 모델링되고 인버터 부문 및 지역, 출력 전류 및 전압 값 측면에서 분석된다. 시뮬레이션 결과는 고전 및 인공지능 신경망 기반 모델이 호환 가능하고 처리 부하를 줄이는 솔루션을 제공함을 보여준다.
Özen et al. (Wed,)는 이 문제를 연구하였다.