Introducing a New Optimized Emergency Demand Side Management Method to Restore the Power System Frequency
سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: انگلیسی
مشاهده: 208
فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IECO-5-1_001
تاریخ نمایه سازی: 20 تیر 1401
چکیده مقاله:
Emergency demand response (EDR) and under frequency load shedding (UFLS) are used as two separate methods for frequency restoration of power system after the usual methods of frequency control are not able to maintain the frequency stability of the system. This paper proposes the optimized emergency demand side management (OEDSM) method which improves the performance of previous methods by integrating UFLS and EDR methods along with introducing new critical status detection and optimization modules. The advantages of the proposed method are simultaneous operation of EDR and UFLS processes, the high speed of critical condition detection using the proposed emergency index, increasing the speed of the algorithm with parallel operation of modules, and optimal load shedding by providing a separate optimization module. In order to validate and evaluate the performance of the proposed method, the power system was tested under different scenarios using DIgSILENT software, which the extracted results indicate better performance of the proposed method in frequency restoration, as well as improvement of utilization and power quality of the system compared to previous methods.
کلیدواژه ها:
Adaptive control ، Emergency demand response ، Frequency restoration ، Optimal load shedding ، Under frequency load shedding
نویسندگان
Pezhvak Sheikhzadeh-Baboli
Department of Electrical Engineering, Shahrood University of Technology, Shahrood, Iran
Mohsen Assili
Faculty of Electrical Engineering, Shahrood University of Technology, Shahrood, Iran
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :