مکان یابی چندهدفه واحدهای اندازه گیری فازور با در نظر گرفتن ارزش واقعی نایقینی ها در سیستم قدرت مبتنی بر اتوماتای یادگیر سلولی

Publish Year: 1391
نوع سند: مقاله ژورنالی
زبان: Persian
View: 252

This Paper With 16 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_ISEE-3-1_001

تاریخ نمایه سازی: 6 دی 1400

Abstract:

واحدهای اندازه گیری فازور از جمله ادواتی است که در تخمین حالت سیستم قدرت نقش اساسی داشته و به بهره بردار شبکه کمک می کند تا تصمیمات لازم احتمالی را جهت حفظ عملکرد سیستم اتخاذ نماید. در این مقاله مساله مکان یابی چند هدفه واحدهای اندازه گیری فازور با اهدافی همچون مشاهده پذیری کامل سیستم قدرت، افزایش تعداد دفعات مشاهده پذیری شین ها و ارزش قابلیت اطمینان مورد بررسی قرار گرفته است. برای این منظور، مساله مکان یابی واحدهای اندازه گیری فازور در قالبی جدید فرمول بندی شده و با ارائه نگرشی نوین بر ارزش قابلیت اطمینان، تابع هدف جدیدی تعریف شده است. سپس، مساله مکان یابی چند هدفه واحدهای فازوری در قالب یک مساله بهینه سازی، با استفاده از اتوماتای یادگیر سلولی باز، بررسی و مراحل تطابق آن با مساله حاضر تشریح شده است. در پایان، با حل مساله مکان یابی واحدهای فازوری برای چندین شبکه نمونه و نیز شبکه سراسری kV۲۳۰ و kV۴۰۰ انتقال ایران، توسط راهکار پیشنهادی و مقایسه نتایج با پاسخ های سایر روش ها، کارایی راهکار پیشنهادی بررسی و نشان داده شده است.

Keywords:

اتوماتای یادگیر سلولی , قابلیت اطمینان سیستم قدرت , مشاهده پذیری سیستم قدرت , مکان یابی بهینه , واحد اندازه گیری فازور

Authors

سید مهدی مظهری

دانش آموخته کارشناسی ارشد، دانشکده مهندسی برق و کامپیوتر- دانشگاه تهران- تهران- ایران

حمید لسانی

استاد، دانشکده مهندسی برق و کامپیوتر- دانشگاه تهران- تهران- ایران

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
  • R.O. Burnett, M.M. Butts, P.S. Sterlina, “Power system applications for ...
  • R.E. Wilson, “PMUs [phasor measurement unit],” IEEE Potentials, Vol. ۱۳, ...
  • F.J. Marin, F. Garcia-Lagos, G. Joya, F. Sandoval, “Genetic algorithms ...
  • F. Aminifar, C. Lucas, A. Khodaei, M. Fotuhi-Firuzabad, “Optimal placement ...
  • Y. Gao, Z. Hu, X. He and D. Lio, “Optimal ...
  • S. Chakrabarti, G. K. Venayagamoorthy and E. Kyriakides, “PMU placement ...
  • B. Gou, “generalized integer linear programming formulation for optimal PMU ...
  • N.H. Abbasy, H.M. Ismail, “A unified approach for the optimal ...
  • D. Dua, S. Dambhare, R.K. Gajbhiye, S.A, Soman, “optimal multistage ...
  • F. Aminifar, A. Khodaei, M. Fotuhi-Firuzabad, M. Shahidehpour, “Contingency-Constrained PMU ...
  • J. Peng, Y. Sun, and H. F. Wang, “Optimal PMU ...
  • C. Rakpenthai, S. Premrudeepreechacharn, S. Uatrongjit, N.R. Watson, “An optimal ...
  • M. Zhou, V. A. Centeno, A. G. Phadke, Y. Hu, ...
  • B. Xu and A. Abur, “Observability analysis and measurement placement ...
  • S. Chakrabarti, E. Kyriakides, “Optimal placement of phasor measurement units ...
  • B. Milosevic, M. Begovic, “Nondominated sorting genetic algorithm for optimal ...
  • J.B.A. London, S.A.R. Piereti, R.A.S. Benedito, N.G. Bretas, “Redundancy and ...
  • R. Sodhi, S. C. Srivastava and S. N. Singh, “Optimal ...
  • A. Abur and A. G. Exposito, “Power system state estimation: ...
  • K. S. Narendra, and K. S. Thathachar, “Learning automata: An ...
  • E. A. Billard, and S. Lakshmivarahan, “Learning in multi-level games ...
  • G. I. Papadimitriou and A. S. Pomportsis, “Learning automata-based TDMA ...
  • C. Unsal, P. Kachroo, and J. S. Bay, “Multiple stochastic ...
  • M. S. Obaidat, G. I. Papadimitriou, A. S. Pomportsis, and ...
  • B.H. Lee, K.Y. Lee, “Application of S-model learning automata for ...
  • E. Fredkin, “Digital machine: A informational process based on reversible ...
  • M. Mitchell, “Computation in cellular automata: A selected review,” Technical ...
  • M. R. Meybodi, H. Beigy, “A mathematical framework for cellular ...
  • J. A. Torkestani, M. R. Meybodi, “A cellular learning automata-based ...
  • M. R. Meybodi, “Experiments with Cellular Learning Automata,” Technical Report, ...
  • M. R. Meybodi, H. Beigy, M. Taherkhani, “Cellular Learning Automata ...
  • زیر نویس ها:۱- Phasor measurement unit۲- Global positioning system۳- Uncertainties۴- ...
  • مجموعه شین های شبکه؛ ...
  • مجموعه خطوط موجود در شبکه؛ ...
  • مجموعه شین های پیشنهادی برای نصب واحد فازوری؛ ...
  • مجموعه هزینه نصب واحدهای فازوری؛ ...
  • مجموعه خطوط مشترک در همسایگان سلول ؛ ...
  • مجموعه شین هایی که بر اثر خروج خط ، مشاهده ...
  • مجموعه شین هایی که بر اثر خروج واحد فازوری شین ...
  • مجموعه شین های متصل به شین ؛ ...
  • مجموعه خطوط متصل به شین ؛ ...
  • مجموعه اعمال قابل اجرا در اتوماتای یادگیر ام؛ ...
  • مجموعه ورودی های اتوماتای یادگیر ام؛ثابت ها ...
  • مجموع هزینه های متحمل شده برای نصب واحد فازوری در ...
  • کل بودجه موجود برای خرید و نصب واحدهای فازوری (بر ...
  • حداقل تعداد دفعات مشاهده پذیری شین ...
  • میانگین دفعات خروج واحد فازوری شین (بر حسب تعداد در ...
  • میانگین دفعات خروج خط ام (بر حسب تعداد در سال) ...
  • تعداد کل ادوات اندازه گیر غیرسنکرون و شین های تزریق ...
  • تعداد شین های متصل به شین ...
  • تعداد کل اعمال قابل اجرا در اتوماتای یادگیر ...
  • عمر مفید واحد فازوری (بر حسب سال) ...
  • تعداد کل شین های شبکه ...
  • میانگین تعداد وقایع (اغتشاشات) اتفاق افتاده در خط (بر حسب ...
  • میانگین مدت زمان رفع خطا از واحد فازوری شین ام ...
  • میانگین مدت زمان رفع خطا از خط (بر حسب ساعت) ...
  • پارامتر پاداش در الگوریتم یادگیری ...
  • پارامتر جریمه در الگوریتم یادگیری ...
  • ضریب جریمه ناشی از دفعات مشاهده پذیری شین ها در ...
  • ضریب ارزش ریالی اغتشاشات نسبت به ارزش ریالی یک واحد ...
  • یک عدد خیلی بزرگ ...
  • یک عدد خیلی کوچک؛تابع ها ...
  • تابع مشاهده پذیری شین ...
  • احتمال انتخاب عمل در تکرار ام اتوماتای یادگیر ...
  • ضریب جریمه ناشی از نایقینی در واحدهای فازوری ...
  • ضریب جریمه ناشی از نایقینی در خطوط شبکه ...
  • ضریب جریمه ناشی از عدم رعایت قیود مشاهده پذیری شبکه؛متغیرها ...
  • متغیر تصمیم گیری نشان دهنده نصب واحد فازوری در شین ...
  • متغیر تصمیم گیری نشان دهنده رعایت شدن یا عدم رعایت ...
  • متغیر تصمیم گیری نشان دهنده حضور یا عدم حضور واحد ...
  • متغیر تصمیم گیری نشان دهنده حضور یا عدم حضور واحد ...
  • متغیر تصمیم گیری نشان دهنده حضور یا عدم حضور اندازه ...
  • متغیر تصمیم گیری نشان دهنده اتصال شین به یکی از ...
  • متغیر تصمیم گیری نشان دهنده مشاهده پذیری یا عدم مشاهده ...
  • بردار احتمال اعمال اتوماتای یادگیر ام؛ ...
  • نمایش کامل مراجع