Узбекистан академия наук республики узбекистан

Fig.1: Architecture of a ANN 
Hidden Layers: The nodes are hidden units that are not directly evident and visible. They 
provide the networks the ability to map or classify the nonlinear problems.
Output Layer: The nodes are output units, which encode possible values to be
allocated to the case under consideration. 
IV. 
GENERATION OF STATISTICAL DATA FOR ANN’S MODELING. 
To perform the necessary power systems steady-state calculations, a circuit was chosen 
that includes 6 load nodes and an infinite power bus (Fig. 2). The branch data is presented in Table 
1. 
In order to generate statistical data, the calculations of the steady state EES are performed 
using the DIgSILENT Power Factory program, which is based on the Newton-Raphson method 
[4]. Using this program, a large number of calculations were performed, in a wide range of load 
changes (50–100% of the specified) in 6 load nodes and 8 transmission lines. In each case, the 

---

150 
module and the voltage phase of the load nodes and the amount of active and reactive power 
currents flowing from each transmission line are used as the result of the steady-state calculation.
 
Fig. 2: The appearance of the model of the artificial neural network made in MATLAB 
Fig. 3: An internal view of the model of the artificial neural network made in MATLAB. 
Fig. 4. Internal Structure of ANN. 
 
On the basis of the entered data and the results of calculations, a statistical database of 1430 
input-output pairs was formed. In this case, the input variables are the active and reactive powers 
of the load bases (P
A
, Q
A
, P
B
, Q
B
, P
C
, Q
C
, P
D
, Q
D
, P
E
, Q
E
, P
F
, Q
F
), and the output variables are the 
module and voltage phase of the load bases (U
A
, dU
A
, U
B
, dU
B
, U
C
, dU
C
, U
D
, dU
D
, U
E
, dU
E
, U
F
, 
dU
F
), also active and reactive power currents flowing from each transmission line 
(
𝑃
1−2
, 𝑄
1−2
, 𝑃
2−3
, 𝑄
2−3
, 𝑃
3−4
, 𝑄
3−4
, 𝑃
4−5
, 𝑄
4−5
, 𝑃
4−6
, 𝑄
4−6
, 𝑃
0−6
, 𝑄
0−6
, 𝑃
0−5
, 𝑄
0−5
). 
Further, the resulting database is divided into training and control samples, which are 
necessary for training of the neural network and control of the trained network. The volume of 
statistics for the training and control sample can be changed. The proportion of 70% to 30% is 
taken as a basis.