تخمین حد دینامیکی پایداری ولتاژ در سیستم های قدرت با استفاده از یادگیری ماشین
محل انتشار: فصلنامه کارافن، دوره: 19، شماره: 3
سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 138
فایل این مقاله در 25 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_KARFN-19-3_011
تاریخ نمایه سازی: 18 اردیبهشت 1402
چکیده مقاله:
امروزه ناپایداری های مکرر ولتاژ در سیستم های قدرت مدرن، یک نگرانی برای بهره برداران سیستم های قدرت محسوب می شود. پایداری ولتاژ سیستم های قدرت را می توان با استفاده از تحلیل های استاتیکی و دینامیکی مطالعه کرد و براساس آن به مرزهای پایداری ولتاژ شامل مرزهای استاتیکی مانند بیشینه بارپذیری سیستم قدرت و مرزهای دینامیکی مانند نقاط دوشاخگی دست یافت. با این حال، امروزه با افزایش مصرف انرژی الکتریکی در سیستم های قدرت، بحث پیش بینی به هنگام پایداری ولتاژ، اهمیت چشمگیری پیدا کرده است. در این مقاله، با استفاده از شبکه عصبی چندلایه پرسپترون و ترکیب تحلیل های شبیه سازی حوزه زمان، تحلیل دوشاخگی و تحلیل مدال، حد دینامیکی پایداری ولتاژ براساس مرز انشعاب هاپف پیش بینی شده است. در این راستا به منظور افزایش دقت و سرعت آموزش و نیز آزمون شبکه عصبی در پیش بینی حد دینامیکی پایداری ولتاژ از یک روش انتخاب مولفه تحت عنوان تئوری اطلاعات متقابل استفاده شده است. الگوریتم ارائه شده بر سیستم آزمون ۱۴ با سه استاندارد بررسی گردید و تاثیر انواع مدل های استاتیکی بارهای سیستم قدرت شامل بارهای توان ثابت، جریان ثابت و امپدانس ثابت بر قابلیت الگوریتم پیشنهادی بررسی شد.
کلیدواژه ها:
حد دینامیکی پایداری ولتاژ ، پیش بینی پایداری ولتاژ ، شبکه عصبی پرسپترون ، روش انتخاب مولفه ، اطلاعات متقابل
نویسندگان
محمدعلی علیپور
عضو هیات علمی، گروه مهندسی برق، دانشگاه فنی و حرفه ای، تهران، ایران.
محمدرضا جعفری
عضو هیات علمی، گروه مهندسی برق، موسسه آموزش عالی میثاق، رفسنجان، ایران.
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 :