تشخیص پدیده قطع شبکه اصلی در حضور تولیداتپراکنده با استفاده از پایش نوسانات سیگنال ورودی به گاورنر سیستم کنترل بار- فرکانس
Publish place: 24nd International Power System Conference
Publish Year: 1388
Type: Conference paper
Language: Persian
View: 937
This Paper With 10 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
PSC24_092
Index date: 19 March 2010
تشخیص پدیده قطع شبکه اصلی در حضور تولیداتپراکنده با استفاده از پایش نوسانات سیگنال ورودی به گاورنر سیستم کنترل بار- فرکانس abstract
امروزه استفاده از واحدهای کوچک تولید انرژی الکتریکی به صورت گسترده در سیستمهای قدرت به دلیل مزایای مختلف بهرهبرداری، مورد توجه قرار گرفتهاست. کاهش تلفات، بهبود پایداری و افزایش قابلیت اعتماد از جمله مزایای این واحدها میباشند. از موانع بسیار مهم توسعه این نوع منابع، مسئله قطع شبکه و پدیدههای غیرمطلوب ناشی از آن مانند خروج از سنکرونیزم واحد میباشد. عدم آگاهی از قطع شبکه اصلی میتواند خساراتی را به همراه داشتهباشد. در این مقاله رویکرد جدیدی برای تشخیص واحد جزیره شده، با کمک پایش سیگنال ورودی به گاورنر در حلقه کنترل بار - فرکانس واحدهای از نوع سنکرون، پیشنهاد شده است . رفع نیاز به هرگونه تجهیز اضافی برای اندازهگیری، دقت بالا، عدم تداخل در عملکرد ادوات مختلف شبکه و واحد موردنظر و عملکرد مستقل از ساختار شبکه و عناصر آن، از جمله مزایای پایش سیگنال ورودی به گاورنر میباشد. نتایج شبیهسازی نشان می- دهد که رفتار دینامیکی و حالت دائم حلقه کنترل فرکانس در قبال سیگنال ورودی به گاورنر نسبت پدیدههای مختلف در شبکه، متفاوت میباشد.
تشخیص پدیده قطع شبکه اصلی در حضور تولیداتپراکنده با استفاده از پایش نوسانات سیگنال ورودی به گاورنر سیستم کنترل بار- فرکانس Keywords:
تشخیص پدیده قطع شبکه اصلی در حضور تولیداتپراکنده با استفاده از پایش نوسانات سیگنال ورودی به گاورنر سیستم کنترل بار- فرکانس authors
علی معینی
دانشگاه صنعتی شاهرود، دانشکده فنی شاهرود - ایران
احمد دارابی
دانشگاه صنعتی شاهرود، دانشکده فنی شاهرود - ایران
حسین یاسمی
دانشگاه صنعتی شاهرود، دانشکده فنی شاهرود - ایران
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 :