بهبود پیش بینی پایداری گذرای شبکه چندماشینه با تشخیص مدل تک ماشین به شین بینهایت منحصر به فرد با استفاده از داده های PMU
Publish place: اولین کنفرانس سالانه تحقیقات کاربردی در مهندسی برق، کامپیوتر
Publish Year: 1394
Type: Conference paper
Language: Persian
View: 602
This Paper With 7 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
ECCONF01_042
Index date: 25 January 2017
بهبود پیش بینی پایداری گذرای شبکه چندماشینه با تشخیص مدل تک ماشین به شین بینهایت منحصر به فرد با استفاده از داده های PMU abstract
در این مقاله طرحی برای پیش بینی وضعیت پایداری گذرا در سیستم قدرت با استفاده از داده های جمع آوری شده توسط واحدهای اندازه گیری فازوری (PMU) پیشنهاد شده است. روش پیش بینی، روش معیار سطوح برابر بسط یافته (EEAC) می باشد. برای این منظور نیاز به تعیین ژنراتورهای بحرانی می باشد که در این مقاله روشی جدید برای تعیین ژنراتورهای بحرانی به صورت منحصر به فرد ارائه شده است. همچنین تأخیر PMU ها و کانال های مخابراتی در تعیین وضعیت پایداری شبکه درنظر گرفته شده است. برای پیش بینی منحنی توان- زاویه SMIB معادل شبکه، روش حداقل مربعات (LS) به کاربرده شده است. این روش همواره به درستی وضعیت پایداری شبکه را پیش بینی می کند و در برابر تغییرات بارگذاری شبکه و تغییرات توپولوژیکی شبکه مقاوم است. روش پیاده سازی شده بروی شبکه 39 شینه استاندارد IEEE تست شده است و نتایج صحت عملکرد روش پیشنهادی را نشان می دهند.
بهبود پیش بینی پایداری گذرای شبکه چندماشینه با تشخیص مدل تک ماشین به شین بینهایت منحصر به فرد با استفاده از داده های PMU Keywords:
پیش بینی وضعیت پایداری گذرا , واحدهای اندازه گیری فازوری , تأخیرهای مخابراتی , تعیین SMIB معادل شبکه , حداقل مربعات
بهبود پیش بینی پایداری گذرای شبکه چندماشینه با تشخیص مدل تک ماشین به شین بینهایت منحصر به فرد با استفاده از داده های PMU authors
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 :