ارزیابی قابلیت اعتماد سیستم های قدرت - گاز طبیعی یکپارچه در حضور منابع ذخیره گاز: مدل مبتنی بر یادگیری ماشین

با ادغام سیستم قدرت و گاز طبیعی ( IPGS )، این دو سیستم با اشتراک انرژی بین یکدیگر، قادر به ارائه توان الکتریکی و همچنین گازی هستند. با وجود این، اختلال ایجادشده در یک سیستم، به ایجاد اختلال در عملکرد مطلوب دیگر سیستم منجر می شود؛ بنابراین، ارزیابی قابلیت اعتماد IPGS، امری اجتناب ناپذیر است. در این مقاله، یک مدل ارزیابی قابلیت اعتماد مبتنی بر الگوریتم های یادگیری ماشین در حضور منابع ذخیره انرژی گازی با در نظر گرفتن عدم قطعیت های موجود در نرخ شکست المان های IPGS ارائه شده است. در این راستا، از شبیه سازی مونت کارلو پیاپی ( SMCS ) و یک برنامه حذف بار بهینه برای محاسبه شاخص های قابلیت اعتماد سیستم استفاده می شود. سپس برای رده بندی المان ها براساس اهمیت آنها در قابلیت اعتماد کل سیستم، الگوریتم جنگل تصادفی ( RF ) پیشنهاد شده است. مدل پیشنهادی روی سیستم ۱۴ باس IEEE و سیستم گاز طبیعی ۱۰ گره گازی در نرم افزارهای MATLAB، GAMS و Python انجام شده است. نتایج شبیه سازی نشان می دهند با در نظر گرفتن منابع ذخیره گازی، بهبود قابلیت اعتماد سیستم قدرت و گاز طبیعی به ترتیب به میزان ۱۲/۲ و ۳/۸ درصد و به طور کلی قابلیت اعتماد IPGS به میزان ۲۵/۵ درصد ارتقا می یابد. همچنین، اولویت بندی این منابع در IPGS تعیین شده است.

Keywords:

ارزیابی قابلیت اعتماد , سیستم قدرت و گاز طبیعی یکپارچه , یادگیری ماشین , جنگل تصادفی , شبیه سازی مونت کارلو پیاپی