ارزیابی قابلیت ضریب مشارکت ژنراتورها به منظور تعیین نوع نوسانات سیگنال کوچک سیستم قدرت با استفاده از روش های تحلیلی و پیش بینی همزمان آن ها با استفاده از شبکه عصبی

Authors

محمد حسین ولایتی

mohammad hossein velayati دانشگاه سمنان نیما امجدی

nima amjady the small signal rotor angle stability which is called the small signal stability is an important issue in planning and operation of power systems. this type of stability is analyzed in four categories which include local, inter-area, control and torsional oscillations. identification and segregation of these oscillations behavior can be used for applying control actions such as excitation system and power system stabilizer parameters tuning in order to control the oscillations damping. determining the frequency of the system's critical modes and participation factors of the generators in these modes are one of the conventional methods for analyzing these oscillations which are calculated using analytical methods such as modal analysis. in this paper, capability of the generators' participation factor for determining the inter-area and local oscillations are studied at first by means of analytical methods. conventional methods (e.g., modal analysis and time–domain simulations) are challenging and time consuming tasks. thus, the generators' participation factor and power system oscillations type in the critical mode are predicted using a hybrid method containing a feature selection and probabilistic neural network (pnn) part. the advantage of the proposed method is the accuracy, fast calculations, simultaneous prediction of oscillations type and their participation in the dominant state variable of the generators in the critical modes. سید احمد حسینی

seyyed ahmad hosseini the small signal rotor angle stability which is called the small signal stability is an important issue in planning and operation of power systems. this type of stability is analyzed in four categories which include local, inter-area, control and torsional oscillations. identification and segregation of these oscillations behavior can be used for applying control actions such as excitation system and power system stabilizer parameters tuning in order to control the oscillations damping. determining the frequency of the system's critical modes and participation factors of the generators in these modes are one of the conventional methods for analyzing these oscillations which are calculated using analytical methods such as modal analysis. in this paper, capability of the generators' participation factor for determining the inter-area and local oscillations are studied at first by means of analytical methods. conventional methods (e.g., modal analysis and time–domain simulations) are challenging and time consuming tasks. thus, the generators' participation factor and power system oscillations type in the critical mode are predicted using a hybrid method containing a feature selection and probabilistic neural network (pnn) part. the advantage of the proposed method is the accuracy, fast calculations, simultaneous prediction of oscillations type and their participation in the dominant state variable of the generators in the critical modes.

abstract

پایداری زاویه ای سیگنال کوچک رتور که از آن به عنوان پایداری سیگنال کوچک نیز یاد می شود، یکی از مهمترین عوامل در برنامه ریزی و بهره برداری سیستم های قدرت است. این نوع از پایداری ها، در چهار حالت نوسانی شامل نوسانات درون ناحیه ای، بین ناحیه‎ای، کنترلی و پیچشی مورد بررسی قرار می گیرد. شناسایی و تفکیک رفتار چنین نوسان هایی می تواند در اِعمال رفتارهای کنترلی مانند تنظیم پارامترهای سیستم تحریک و پایدارساز سیستم قدرت به منظور کنترل و میرایی نوسان ها، مورد استفاده قرار بگیرد. یکی از ابزارهای مرسوم در بررسی اینگونه نوسانات، فرکانس مدهای بحرانی سیستم و ضرایب مشارکت ژنراتورها در این مدها است که با استفاده از روش های تحلیلی مانند آنالیز مدال تعیین می گردند. در این مقاله، ابتدا با استفاده از روش های تحلیلی، قابلیت ضرایب مشارکت ژنراتورها در تعیین نوع نوسانات درون ناحیه ای و بین ناحیه‎ای سیستم قدرت بررسی شده و در ادامه از آنجاکه در اینگونه بررسی ها، استفاده از روش های مرسوم مانند آنالیز مدال، سخت و زمانبر است، با استفاده از یک روشی ترکیبی شامل روش انتخاب مؤلفه و شبکه عصبی pnn، ضریب مشارکت ژنراتورها و نوع نوسان سیستم قدرت در مد بحرانی، مورد پیش بینی قرار خواهد گرفت. مزیت روش پیشنهادی، دقت و سرعت بالای محاسبات و همچنین تعیین همزمان نوع نوسانات و میزان مشارکت متغیر حالت غالب ژنراتورهای سیستم در مد بحرانی می باشد.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

ارزیابی قابلیت ضریب مشارکت ژنراتورها به منظور تعیین نوع نوسانات سیگنال کوچک سیستم قدرت با استفاده از روش‌های تحلیلی و پیش‌بینی همزمان آن‌ها با استفاده از شبکه عصبی

پایداری زاویه‌ای سیگنال کوچک رتور که از آن به عنوان پایداری سیگنال کوچک نیز یاد می‌شود، یکی از مهمترین عوامل در برنامه‌ریزی و بهره‌برداری سیستم‌های قدرت است. این نوع از پایداری‌ها، در چهار حالت نوسانی شامل نوسانات درون ناحیه‌ای، بین‌ناحیه‎ای، کنترلی و پیچشی مورد بررسی قرار می‌گیرد. شناسایی و تفکیک رفتار چنین نوسان‌هایی می‌تواند در اِعمال رفتارهای کنترلی مانند تنظیم پارامترهای سیستم تحریک و پایدا...

full text

پیش بینی نوسانات بازده بازار با استفاده از مدل های ترکیبی گارچ ـ شبکه عصبی

در این پژوهش به مطالعه توان پیش بینی طیف وسیعی از مدل های ناهمسانی واریانس شرطی (G)ARCH طی یک دوره 126 ماهه بر روی بازده روزانه شاخص کل بورس تهران (TEDPIX) پرداخته شده است. نتایج بررسی این مدل ها تأیید کننده وجود سه ویژگی نوسان خوشه ای، عدم تقارن و نیز غیر خطی بودن، در سری زمانی بازده می باشد. سپس با هدف افزایش قدرت پیش بینی، این مدل ها با شبکه های عصبی مصنوعی ترکیب شده اند و نتایج حاصل از طرق ...

full text

مقایسه پیش بینی هزینه ها با استفاده از روش های آماری و شبکه عصبی مطالعه موردی: شهرداری اصفهان

پیش بینی هزینه کل آب در شهرداری اصفهان کمک موثری میباشد برای بهینه سازی مصرف آب در 14 منطقهشهرداری اصفهان. هزینه کل آب تابعی از پارامترهای مختلف و متنوع می باشد. به همین دلیل پیش بینی هزینه بهصورت تحلیلی بسیار مشکل و یا ناممکن می باشد. در این شرایط استفاده از سیستم های هوشمند می تواند بهعنوان یک گزینه راهگشا مطرح گردد. در این تحقیق با استفاده از شبک ه های عصبی پرسپترون چند لایه و باالگوریتم آمو...

full text

پیش بینی سطح عمومی قیمت ها و تورم در ایران با استفاده از شبکه عصبی

(صحت مطالب مقاله بر عهده نویسنده است و بیانگر دیدگاه مجمع تشخیص مصلحت نظام نیست)  هدف این مقاله پیش بینی روند تورم و شاخص قیمت ها در اقتصاد ایران است. داده‌های این مقاله شامل تورم سالانه و داده‌های ماهانه شاخص قیمت مصرف‌کننده در ایران از سال 1340 تا 1392 می باشد. در این تحقیق برای پیش بینی تورم از شبکه عصبی مصنوعی استفاده شده است. برای پیش‌بینی تورم ماهانه از یک شبکه پس‌انتشار خطا(BP) با 15 نر...

full text

مقایسه تأثیر وضعیت طاق باز و دمر بر وضعیت تنفسی نوزادان نارس مبتلا به سندرم دیسترس تنفسی حاد تحت درمان با پروتکل Insure

کچ ی هد پ ی ش مز ی هن ه و فد : ساسا د مردنس رد نامرد ي سفنت سرتس ي ظنت نادازون داح ي سکا لدابت م ي و نژ د ي سکا ي د هدوب نبرک تسا طسوت هک کبس اـه ي ناـمرد ي فلتخم ي هلمجزا لکتورپ INSURE ماجنا م ي دوش ا اذل . ي هعلاطم ن فدهاب اقم ي هس عضو ي ت اه ي ندب ي عضو رب رمد و زاب قاط ي سفنت ت ي هـب لاتـبم سراـن نادازون ردنس د م ي سفنت سرتس ي لکتورپ اب نامرد تحت داح INSURE ماجنا درگ ...

full text

پیش بینی تولید آبزیان دریایی در ایران با استفاده از روش ARIMA و شبکه عصبی مصنوعی

پیش­بینی پدیده­های اقتصادی ساختاری فراهم می­کند تا مدیران و مسؤلان اقتصادی را در گرفتن تصمیم‌های درست یاری ­دهد. هدف اصلی این مطالعه پیش­بینی مقدار تولید آبزیان دریایی در ایران است. برای این منظور از روش­های سری زمانی خود توضیح جمعی میانگین متحرک (ARIMA)[1] و شبکه عصبی مصنوعی[2] استفاده می­شود. در این مطالعه سه ساختار گوناگون شبکه عصبی شامل شبکه عصبی پیشرو[3]، تابع پایه شعاعی[4] و المن[5] بکار ...

full text

My Resources

Save resource for easier access later


Journal title:
مدلسازی در مهندسی

جلد ۱۳، شماره ۴۲، صفحات ۱۱۹-۱۳۳

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023