این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
هوش محاسباتی در مهندسی برق، جلد ۵، شماره ۱، صفحات ۸۱-۱۰۴
عنوان فارسی یک روش جدید بارزدایی فرکانسی بهینه بلادرنگ با استفاده از شاخص های سطح امنیت سیستم قدرت و شبکه های عصبی مصنوعی
چکیده فارسی مقاله سیستم های قدرت مدرن امروزی در سطح امنیت پایینتری به دلیل تجدید ساختار و مشکل افزایش ظرفیت های انتقال بهره برداری می شوند. وقوع خاموشی های گسترده در سالهای اخیر بیانگر افزایش قابل توجه آسیب پذیری سیستم های قدرت در برابر اغتشاشات می باشد. یکی از آخرین اقدامات کنترلی جهت کنترل شبکه و حفظ پایداری، بارزدایی می‌باشد. در این مقاله یک روش بارزدایی فرکانسی بهینه بلادرنگ با استفاده از شبکه های عصبی مصنوعی ارائه شده است. این ساختار شامل دو بخش مطالعات آفلاین و استفاده بهنگام می باشد. در بخش مطالعات آفلاین، با توجه به مقدار اندیسهای آسیب پذیری و حاشیه امنیت کل سیستم قدرت و فرکانس مینیمم و نرخ تغییرات فرکانس مرکز اینرسی معادل (dfc/dt) در سناریوهای اغتشاش مختلف N-K، پایگاه داده ورودی شبکه عصبی ایجاد و شرایط امنیت سیستم در هر اغتشاش تشخیص داده می شود. در هر سناریو مقدار بارزدایی اکتیو و راکتیو لازم برای حفظ پایداری سیستم قدرت با استفاده از حل یک مسئله بهینه سازی آفلاین با استفاده از روش هوشمند هیبرید CPCE تعیین می شود. مقادیر بارزدایی اکتیو و راکتیو در هر پله برای هر سناریو به عنوان اطلاعات خروجی شبکه عصبی در نظر گرفته می شوند. برای بهینه سازی آموزش شبکه عصبی از الگوریتم ژنتیک استفاده می شود. شبکه عصبی آموزش دیده به صورت بهنگام با توجه به اطلاعات بلادرنگ شرایط بهره برداری سیستم قدرت که از سیستم WAMS و PMU ها دریافت می شود مورد استفاده قرار می گیرد. نتایج شبیه سازی بر روی شبکه تست 118 باس IEEE نشان از عملکرد موثر روش پیشنهادی دارد.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی A new real time optimal under frequency load shedding method by using power system security indices and artificial neural networks
چکیده انگلیسی مقاله Today modern power systems are operated in lower security level due to power system deregulation and increasing the power transfer capacity. Extensive power systems blackouts in recent years show the remarkable increase of power system vulnerability in contingency situations. Load shedding is one of the last corrective actions for keeping power system stability. In this paper a real time optimal under frequency load shedding by using artificial neural network is presented. This structure contains two offline and online studies. In offline studies according to the values of vulnerability and security margin indices of total power system, minimum frequency, reduction rate of equivalent inertial center frequency (dfc/dt) for N-K contingency scenarios, the power system security is determined and the ANN inputs data base will be established. In each scenario, the necessary active and reactive load shedding value for preserving power system stability is determined by solving an offline optimization problem by using intelligent hybrid CPCE algorithm. The values of the active and reactive load shedding in each load shedding step in each contingency scenario are considered as the ANN outputs. Genetic algorithm is employed for optimizing the ANN training process. The trained ANN will be used for online application in power system by using real time operation information that is collected by wide area monitoring system (WAMS) and phasor measurement units (PMU). Simulation results for IEEE 118-bus test system shows the effectiveness of the proposed method.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله رحمت الله هوشمند |
دانشگاه اصفهان
سازمان اصلی تایید شده: دانشگاه اصفهان (Isfahan university)

رحمت الله هوشمند |
دانشگاه اصفهان
سازمان اصلی تایید شده: دانشگاه اصفهان (Isfahan university)

رحمت الله هوشمند |
دانشگاه اصفهان
سازمان اصلی تایید شده: دانشگاه اصفهان (Isfahan university)

امین خدابخشیان |
دانشگاه اصفهان
سازمان اصلی تایید شده: دانشگاه اصفهان (Isfahan university)

مجید معظمی |
دانشگاه اصفهان
سازمان اصلی تایید شده: دانشگاه اصفهان (Isfahan university)

نشانی اینترنتی http://isee.ui.ac.ir/article_15385_898a27d6d8bc20cc213ef66f908b09fd.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1306/article-1306-343781.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات