تشخیص گروه های همنوای ژنراتوری با استفاده از اطلاعات به دست آمده از شبکه برق شهری
Publish place: Third National Conference and First International Conference on Applied Research in Electrical, Mechanical and Mechatronics Engineering
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 388
This Paper With 16 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ELEMECHCONF03_0670
تاریخ نمایه سازی: 9 مرداد 1395
Abstract:
نوسانات بین ناحیه ای و گروه های همنوای ژنراتوری به عنوان بخشی از رفتار دینامیکی سیستم قدرت، در بحث مانیتورینگ، امنیت سیستم قدرت و همچنین مطالعات جزیره های کنترل شده، حائز اهمیت می باشند. در این مقاله یک روش جدید برای تعیین گروه های همنوای ژنراتوری به صورت آنلاین و با استفاده اطلاعات زاویه فاز ولتاژ که از شبکه شهری (400ولت) به دست می آید، معرفی می شود.در عمل به منظور جمع آوری اطلاعات از شبکه های برق شهری از سیستم شبکه پایش فرکانس (FNET) استفاده می شود. این سیستم توانایی اندازه گیری فرکانس، دامنه ولتاژ و فاز ولتاژ را دارا می باشد. پس از جمع آوری داده، از الگوریتم خوشه بندی سلسله مراتبی اصلاح شده برای تعیین نواحی همنوا در شبکه 400 ولت استفاده شده است. برای این منظور ضریب همبستگی، بین تمامی ترمینالهایی که اطلاعات آنها اندازه گیری می شود، محاسبه شده و بدین ترتیب براساس بیشترین ضریب همبستگی، نزدیکترین ترمینال ها از لحاظ الکتریکی، تعیین می شوند. با استفاده از این نواحی همنوا در سطح ولتاژ 400 ولت، تشخیص گروه های همنوای ژنراتوری ممکن خواهد بود. به منظور انجام شبیه سازی از شبکه 29 باسه IEEE اصلاح شده، به عنوان شبکه انتقال، استفاده شده است. همچنین یک شبکه 63 کیلو ولت به عنوان شبکه فوق توزیع، یک شبکه 20 کیلو ولت به عنوان شبکه توزیع فشار قوی و در نهایت یک شبکه توزیع فشار ضعیف با سطح ولتاژ 400 ولت نیز طراحی گردیده است.
Keywords:
Authors
هادی سید نجار حسینی
ایران، تهران، دانشگاه شهید بهشتی، دانشکده مهندسی برق و کامپیوتر
محمدرضا آقامحمدی
ایران، تهران، دانشگاه شهید بهشتی، دانشکده مهندسی برق و کامپیوتر
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 :