ارائه یک روش برای ارزیابی جامع وابستگی های جغرافیایی و فیزیکی سیستم اندازه گیری ناحیه گسترده در شبکه های هوشمند الکتریکی
Publish Year: 1400
نوع سند: مقاله ژورنالی
زبان: Persian
View: 130
This Paper With 10 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_ENERGY-11-4_004
تاریخ نمایه سازی: 29 آبان 1401
Abstract:
سیستم های اندازه گیری ناحیه گسترده (WAMS) با ترکیب دستگاه های اندازه گیری دیجیتال، سیستم های ارتباطی و کنترل، نظارت و کنترل زمان واقعی شبکه های هوشمند را امکان پذیر می کند. از آنجا که WAMS متشکل از زیرساخت های مختلف است، وابستگی های پیچیده ای بین سیستم های زیربنایی و اجزای مختلف آن وجود دارد که شامل وابستگی های سایبری، فیزیکی و جغرافیایی هستند. اگرچه پژوهش های متعددی در این زمینه تحقیقاتی خاص وجود دارد که به بررسی وابستگی های سایبری می پردازد، اما انواع دیگر وابستگی ها مانند وابستگی های جغرافیایی مورد مطالعه قرار نگرفته است. افزون بر این، تاکنون روش های مدل سازی وابستگی که قابلیت مدل سازی هم زمان انواع مختلف وابستگی را برای WAMS دارا باشد پیشنهاد نشده است. هدف اصلی این مقاله مدل سازی همزمان وابستگی های جغرافیایی و فیزیکی زیرساخت های WAMS بر اساس قوانین ساده و کاملا مشخص است. ما یک تابع چگالی احتمال را برای کمی کردن وابستگی ها تعریف کرده ایم. چنین رویکرد یکپارچه ای می تواند طراحی زیرساخت های WAMS را به گونه ای انجام دهد که ذاتا در برابر اختلالات ناشی از انواع رویدادهای ناخواسته (که ممکن است بر اجزای وابسته به جغرافیای WAMS تاثیر بگذارند) مقاوم تر باشند. از طریق شبیه سازی، کاربرد روش پیشنهادی نشان داده شده است.
Keywords:
Wide Area Monitoring Systems , Infrastructure dependency , Physical dependency , Geographical dependency , Graph centrality metrics , سیستم اندازه گیری ناحیه گسترده , وابستگی زیرساختی , وابستگی فیزیکی , وابستگی جغرافیایی , معیارهای میانگی گراف
Authors
محمد شهرآئینی
Department of Electrical Engineering, Golestan University
پانائیوتیس کوتزانی کولاو
Department of Informatics, University of Piraeus
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 :