Parameter Identification for a Power Distribution Network Based on MCMC Algorithm

نویسندگان

چکیده

The calculation and analysis of a power distribution network (PDN) require accurate device parameters. However, PDN has many points, the area is very wide. parameters are influenced by manual entry, most relatively random. Additionally, these affected operating status. Thus, this paper proposes an algorithm that accurately identifies based on Markov chain Monte Carlo (MCMC) method. assumes conform to nonlinear probability space. line resistance $R_{L} $ , reactance notation="LaTeX">$X_{L} short-circuit loss notation="LaTeX">$P_{k} voltage percentage notation="LaTeX">$U_{k}$ %, no-load notation="LaTeX">$P_{0} current notation="LaTeX">$I_{0} etc. in uses method provide parameter values initial then combines data collected from actual feeder perform flow calculations obtain function. include head end voltages active reactive low side. function update distribution. side iteratively calculated under new given function, finally, transformer identified. Actual verification results show MCMC identification can high-precision without phase angle information; additionally, insensitive exhibits fast convergence.

برای دانلود باید عضویت طلایی داشته باشید

برای دانلود متن کامل این مقاله و بیش از 32 میلیون مقاله دیگر ابتدا ثبت نام کنید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

application of upfc based on svpwm for power quality improvement

در سالهای اخیر،اختلالات کیفیت توان مهمترین موضوع می باشد که محققان زیادی را برای پیدا کردن راه حلی برای حل آن علاقه مند ساخته است.امروزه کیفیت توان در سیستم قدرت برای مراکز صنعتی،تجاری وکاربردهای بیمارستانی مسئله مهمی می باشد.مشکل ولتاژمثل شرایط افت ولتاژواضافه جریان ناشی از اتصال کوتاه مدار یا وقوع خطا در سیستم بیشتر مورد توجه می باشد. برای مطالعه افت ولتاژ واضافه جریان،محققان زیادی کار کرده ...

15 صفحه اول

fault location in power distribution networks using matching algorithm

چکیده رساله/پایان نامه : تاکنون روش‏های متعددی در ارتباط با مکان یابی خطا در شبکه انتقال ارائه شده است. استفاده مستقیم از این روش‏ها در شبکه توزیع به دلایلی همچون وجود انشعاب‏های متعدد، غیر یکنواختی فیدرها (خطوط کابلی، خطوط هوایی، سطح مقطع متفاوت انشعاب ها و تنه اصلی فیدر)، نامتعادلی (عدم جابجا شدگی خطوط، بارهای تک‏فاز و سه فاز)، ثابت نبودن بار و اندازه گیری مقادیر ولتاژ و جریان فقط در ابتدای...

Optimal Reconfiguration of Distribution Network for Power Loss Reduction and Reliability Improvement Using Bat Algorithm

In power systems, reconfiguration is one of the simplest and most low-cost methods to reach many goals such as self-healing, reliability improvement, and power loss reduction, without including any additional components. Regarding the expansion of distribution networks, communications become more complicate and the number of parameters increases, which makes the reconfiguration problem infeasib...

متن کامل

Presenting a Novel Algorithm to Optimal Designing Power Distribution Network in the Presence of DG

Regarding the nature of non-linear discrete placement, and in order to determine the optimal capacity of the substation, the goal in the present study will be a number of local optimum points. In this research, the problem of optimal placement posts to reduce power losses by considering Distributed Generation (DG). In formulating the objective function, geographical distribution density in the ...

متن کامل

A Genetic Algorithm for Choice-Based Network Revenue Management

In recent years, enriching traditional revenue management models by considering the customer choice behavior has been a main challenge for researchers. The terminology for the airline application is used as representative of the problem. A popular and an efficient model considering these behaviors is choice-based deterministic linear programming (CDLP). This model assumes that each customer bel...

متن کامل

ذخیره در منابع من


  با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ژورنال

عنوان ژورنال: IEEE Access

سال: 2021

ISSN: ['2169-3536']

DOI: https://doi.org/10.1109/access.2021.3093310