تخمین پارامترهای شبکه قدرت بر اساس کمیات بهرهبرداری اندازهگیری شده بهنگام با استفاده از واحدهای اندازهگیری فازوری جایابی شده به کمک الگوریتم ژنتیک
پایان نامه کارشناسی ارشد مهندسی برق قدرت
گرایش قدرت
استادراهنما:
محمد رضا آقا محمدی
دیماه 1392
تکه هایی از متن به عنوان نمونه :
چکیده
برنامهریزی
توسعه شبکه، برنامهریزی بهرهبرداری و یافتن راهکارهایی برای بهبود امنیت
و عملکرد اقتصادی سیستم قدرت همگی نیازمند انجام مطالعات سیستم میباشند.
ضروریترین قدم در انجام این مطالعات، مدلسازی شبکه بوده که خود نیازمند
اطلاعات دفیق از پارامترهای امپدانسی خطوط و ترانسفورماتورها است. این
پارامترها میتوانند تحت شرایط کاری و محیطی و یا عمر تجهیزات تغییر
نمایند. بنابراین نیازمند تخمین پارامترهای شبکه به صورت بهنگام خواهیم
بود. در سالهای اخیر تخمین پارامترهای شبکه به صورت بهنگام براساس اطلاعات
کمیات بهرهبرداری، موضوعی است که با بکارگیری واحدهای اندازهگیری فازوری
مورد توجه واقع شده است. در این پایاننامه، روش پیشنهادی قادر است که با
استفاده از 3 نوبت اندازهگیری از کمیات ولتاژ و جریان در ابتدای دوخط
متوالی، پارامترهای آن دو خط و همچنین ولتاژ شین میانی را تخمین بزند.
بوسیله این الگوریتم میتوان به طور همزمان به تخمین متغیرهای حالت و
پارامترهای امپدانسی شبکه پرداخت. مزیت این روش نسبت به روشهای دیگر این
است که به تعداد کمتری از دستگاههای اندازهگیری نیاز دارد. در این
پایاننامه ابتدا به معرفی الگوریتم تخمین حالت-پارامتر پرداخته شده و سپس
با توجه به الگوریتم ارائهشده به جایابی بهینه واحدهای اندازهگیری فازوری
پرداخته خواهد شد. در پایان، جایابی بهینه واحدهای اندازهگیری فازوری و
الگوریتم پیشنهادی تخمین حالت-پارامتر بر روی شبکه 39 باسه IEEE به عنوان
شبکه آزمون پیادهسازی شدهاست.
واژههای کلیدی — تخمین پارامتر؛ تخمین حالت؛ کمیات بهرهبرداری؛ واحدهای اندازهگیری فازوری؛ جایابی بهینه PMU
فهرست
فصل دوم: مروری بر منابع و پیشینهی تحقیق 5
2-2- روش تخمین پارامتر با استفاده از الگوریتم تخمین حالت….. 7
2-2-2- محاسبه خطای پارامتر به روش آنالیز حساسیت 11
2-2-3- محاسبه خطای پارامتر به روش گسترش بردار حالت 15
2-3- روش مستقیم تخمین پارامتر 20
2-3-3- الگوریتم تخمین پارامتر در روش مستقیم 27
2-4- جایابی بهینه واحدهای اندازهگیری فازوری. 27
2-4-1- روش توپولوژیکی تحلیل مشاهدهپذیری 29
فصل سوم: الگوریتم ارائهشده برای تخمین پارامتر و جایابی بهینه واحد اندازهگیری فازوری…………………………….32
3-2- الگوریتم تخمین حالت- پارامتر 34
3-2-1- بررسی نحوه عملکرد الگوریتم تخمین حالت- پارامتر 35
3-3- جایابی بهینه واحدهای اندازهگیری فازوری. 38
3-3-1- توصیف کلی الگوریتم جایابی بهینه واحد اندازهگیری فازوری 40
فصل چهارم: نتایج شبیهسازی……… 51
4-2- نتایج بدست آمده برای جایابی بهینه واحدهای اندازهگیری فازوری 53
4-2-1- نتایج جایابی بهینه واحدهای اندازهگیری فازوری به منظور تخمین حالت سیستم 53
4-2-3- نتایج جایابی بهینه واحدهای اندازهگیری فازوری با در نظر گرفتن شینهای تزریق صفر 61
4-3- ارزیابی دقت تخمینگر پارامترهای سیستم …………………………………………………………………………………………66
4-3-1- بررسی تأثیر تعداد نمونهگیریها بر دقت تخمین 66
4-3-2- بررسی تأثیر فاصله نمونهگیریها بر دقت تخمین 68
4-3-3- تخمین پارامترهای یک خط بوسیله ترکیبهای مختلف 75
فصل پنجم: جمعبندی و پیشنهادها 78
پیوست…………………………………………………………………………………………………………………………84
فصل 1- فصل اول
مقدمه
1-1- مقدمه
برنامهریزی توسعه شبکه، برنامهریزی بهرهبرداری و یافتن راهکارهایی برای بهبود امنیت و عملکرد اقتصادی سیستم قدرت همگی نیازمند انجام مطالعات سیستم میباشند. ضروریترین قدم در انجام این مطالعات، مدلسازی شبکه بوده که خود نیازمند اطلاعات دقیق از پارامترهای امپدانسی خطوط و ترانسفورماتورها است. تخمین پارامترهای شبکه به صورت بهنگام بر اساس اطلاعات کمیات بهرهبرداری موضوعی است که با بهکارگیری واحدهای اندازهگیری فازوری مورد توجه واقع شده است.
تخمین پارامتر[1] روندی است که طی آن یک یا چند پارامتر شبکه که درستی آنها مشخص نیست، تخمین زده میشوند. مقادیر صحیح پارامترها برای عملکرد امن و اقتصادی سیستم قدرت مورد نیاز است. بیشتر کاربردهای اقتصادی و امنیتی شبکه به مقادیر دقیق پارامترهای شبکه نیاز دارد. این در حالی است که پایگاه دادهها اغلب دارای پارامترهای نادقیق هستند. خطای پارامترها ممکن است به دلایل زیر باشد:
- اطلاعات نادقیقی که سازنده تجهیزات در اختیار مشتری قرار میدهد.
- تغییرات در شبکه که به اطلاع اپراتورهای پایگاه داده نرسیده است.
- عملکرد شبکه در شرایطی متفاوت از فرضیات ایدهآلی که برای محاسبات ریاضی فرض شده است.
- نادقیق بودن دستگاههای اندازهگیری
- ۹۵/۰۵/۰۱
The MBOX Token
SaudiArabia
CaitlinLong
Winding Down
How-to Guides
arkinvestmentmanagment
Basisrisk
Algorithmics
FTSE100
JayClayton
Raiden Network
HI Price ( HI )
Exchanges
Mining Rewards
BitcoinMiner
ConsenSys
Ledger
ALGO EUR
Basistrading
Digitalassets
International
Protiviti
Blockchain
SpeedyTrial
Giá NEM ( XEM )
Composable Token
BTC CNY
ETH USD
IceClearCredit
MartyBent
BitcoinATM
Fueloil
DBSBank
Crypto Casey
Regulation
ManGroup
Conferences
BGCPartners
Pricerisk
California
Mining Rig
Tier1capital
ETH NZD
Metatransaction
ErisExchange
Swedbank
Relativevalue
Keylogger
Euroclear
Investmentbanks
SLP GBP
Lido Finance
Unchainedcapital
Terrorism
What Is Web 3.0?
SKILL CHF
ERC-721
Secure Element
LTC ZAR
Venture Capital
MonetaryPolicy
SHIB BCH
SouthAfrica