مدل سازی بار و تخمین متغیر حالت در سیستم های قدرت

Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 475

This Paper With 7 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:

NAECE02_085

تاریخ نمایه سازی: 11 مرداد 1396

Abstract:

معرفی سیستم های اندازه گیری سرعت بالا، با نمونه گیریهای همزمانی، انقلابی در فرایند تخمین حالت به پا کرده است. این سیستم سبب توسعه تکنیک های دینامیکی تخمین حالت DSE شده، که قادر است سیستم های دینامیکی قدرت را در مرکز کنترل پیاده سازی کند. تکنیک های گوناگونی از پروژه های پیشین برای تخمین حالت دینامیکی در دسترس است که میتواند برای سیستم های قدرت اعمال شود. در این پایان نامه، فرایند تخمین حالت دینامیکی سیستم قدرت، بر اساس تکنیک های فیلتر کالمن، مورد بحث قرار میگیرد. متغیرهای حالت دینامیکی سیستم های قدرت چند ماشینی از قبیل سرعت روتور ژنراتور و زاویه روتور ژنراتور برآورد شده است. عملکرد محاسباتی الگوریتم های توسعه یافته فیلتر کالمن EKF و فیلتر کالمن بی رد UKF در روند برآورد بردار حالت دینامیکی سیستم های قدرت مقایسه میشوند. وضعیت متغیرهای حالت دینامیکی، سرعت روتور و زاویه روتور تحت شرایط مختلف گذرا مشاهده میشود. EKF و UKF تکنیک های کافی در برآورد عناصر بردار حالت دینامیکی در شرایط گذرا هستند. اگر چه EKF گسترده ترین روش در فرایند سیستم تخمین حالت دینامیکی سیستم محسوب میشود، اما خطی سازی و محاسبه ماتریس ژاکوبین سبب بروز اشکالاتی شده است. الگوریتم UKF که بر اساس تغییر شکل بی رد است، به عنوان روشی کارامدتر معرفی شده است. پیاده سازی UKF آسان وتخمین آن دقیق تر است.شبیه سازی سیستم قدرت با استقاده از سیمولینک متلب خواهد بود

Authors

جواد رهانجم

کارشناسی دانشگاه آزاد اشکذر

فرناز انتظاری

کارشناسی ارشد دانشگاه علم و صنعت تهران

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 :
  • I. Aitokhuehi and L.J. Durlofsky. Optimizing the performance of smart ...
  • J. I. Allen, M. Eknes, and G. Evensen. An ensemble ...
  • H. Berghuis and H. Nijmeier. A passivity approach to controller- ...
  • D.R. Brouwer and J.-D. Jansen. Dynamic optimization of water flooding ...
  • D.R. Brouwer, G. Naevdal, J.D. Jansen, E.H. Vefring, and C.P.J.W. ...
  • K. Brusdal, J.M. Brankart, G. Halberstadt, G. Evensen, P. Brasseur, ...
  • M. Hwang and J. H. Seinfeld. Observability of nonlinear systems. ...
  • N. Liu and D. S. Oliver. Ensemble kalman filter for ...
  • B. Sudaryanto and Y.C. Yortosos. Optimization of fluid front dynamics ...
  • J.-A. SKjervheim, G. Evensen, S.I. Aanonsen, B.O. Ruud, and T.A. ...
  • نمایش کامل مراجع