تخمین حالت بهینه جهت تشخیص، شناسایی و اصلاح همزمان خطاهای اندازه گیری و پارامتری

دقّت نتایج تخمین حالت بر روی کارآیی دیگر کاربردهای شبکه نظیر آنالیز امنیت، پخش بار بهینه، تحلیل اتصال کوتاه و ... تأثیر می گذارد. از طرف دیگر، بهره برداری و کنترل موفق سیستم قدرت برپایه نتایج درست تخمین حالت اجرا می شود. تشخیص، شناسایی و اصلاح خطاهای اندازه گیری و پارامتری خطوط، نقش مهمّی را برای دستیابی به یک تخمین حالت درست، بازی می کند. در بین این خطاها، خطای پارامتری خطوط از اهمّیت بیشتری برخوردار می باشد که باید شناسایی و اصلاح شود، زیرا در حل مسئل? تخمین حالت عموماً فرض می شود که پارامترهای درست خطوط معلوم باشند. در این رساله به چندین موضوع پرداخته شده است که همه در جهت بهبود و افزایش کارآیی تخمین حالت در شناسایی و اصلاح خطاها می باشد. در بخش اوّل از رساله، الگوریتمی در حوز? تخمین حالت استاتیکی پیشنهاد شده است که قادر به تشخیص، شناسایی و اصلاح همزمان خطاهای اندازه گیری و پارامتری بدون نیاز به بردار حالت افزایشی می باشد. الگوریتم های موجود شناسایی خطاهای پارامتری بر دو نوع می باشند: روش های برپای? آنالیز باقیمانده اندازه گیری و روش های برپایه بردار حالت افزایشی. در بین معایب بسیار زیاد تمامی این روش ها دو مشکل عمده به چشم می خورد: اوّل اینکه در حضور خطاهای اندازه گیری نمی توانند شناسایی درستی انجام دهند. دوّم اینکه در این روش ها به یک مجموعه پارامترهای مشکوک نیاز می باشد. با معرفی الگوریتمی برپایه ضرایب لاگرانژ و حل مسئله تخمین حالت به روش حداقل مربعات وزن دار، تمامی معایب روش های موجود برطرف خواهد شد. بایستی به این نکته توجّه نمود که منظور از اندازه گیری ها، هم اندازه گیری های معمول و هم واحدهای اندازه گیری فازوری (pmu) می باشد. حتّی می توان با الگوریتم پیشنهادی خطاهای موجود در pmuها را نیز شناسایی و اصلاح نمود. در بخش دوّم رساله، الگوریتم جدیدی برپای? فیلتر کالمن در حل مسئل? تخمین حالت دینامیکی در سیستم های قدرت با در نظرگرفتن خطاهای اندازه گیری و پارامتری پیشنهاد شده است. تخمین حالت دینامیکی قادر خواهد بود که متغیرهای حالت سیستم را به همراه اندازه گیریها پیش بینی کند. اگر یک تغییر ناگهانی در مقادیر اندازه گیری ازجمله توان های تزریقی به باس ها رخ دهد (تغییر ناگهانی پیش بینی نشده نظیر خروج یک بار بزرگ، خروج واحدهای ژنراتوری برنامه ریزی نشده)، آنالیز تغییر می تواند برای تعیین و شناسایی چنین خطاهایی در سیستم پیشنهاد شود. توجه به این نکته قابل اهمّیت می باشد که چنین خطاهایی در سیستم قدرت توسط تست بزرگترین باقیمانده نرمالیزه قابل تشخیص و شناسایی نمی باشند. بنابراین با الگوریتم تخمین حالت استاتیکی، نمی توان تغییرات ناگهانی در سیستم های قدرت را تشخیص داد. می توان الگوریتم تخمین حالت استاتیکی برای تشخیص و شناسایی خطاهای پارامتری و اندازه گیری را برای تخمین حالت دینامیکی بسط داد که علاوه بر تشخیص و شناسایی خطاهای پارامتری و اندازه گیری، قادر خواهد بود تغییرات ناگهانی در سیستم های قدرت را نیز تشخیص دهد و شناسایی کند. در این الگوریتم با استفاده از تخمین حالت دینامیکی و محاسب? تست های باقیماند? نرمالیزه و تغییر و سپس ضرایب لاگرانژ می توان تمامی خطاهای موجود در سیستم قدرت را تعیین و شناسایی کرد. در انتها، در بخش سوّم رساله الگوریتم جدیدی برای تعیین و شناسایی خطاهای موجود در سیستم قدرت اعم از خطاهای اندازه گیری، پارامتری و ساختاری معرفی شده است. در روش پیشنهادی از مجموعه ای از مدل ها که بیانگر ساختارهای مختلف شبکه می باشد، استفاده می شود که در سیستم های عملی می توان این ساختارها را از گذشت? سیستم به دست آورد.