پایان نامه تخمین پارامترهای شبکه قدرت بر اساس کمیات بهره¬برداری اندازه¬گیری شده بهنگام با استفاده از واحدهای اندازه¬گیری فازوری جایابی شده به کمک الگوریتم ژنتیک

word
120
1 MB
30908
1392
کارشناسی ارشد
قیمت: ۱۲,۰۰۰ تومان
دانلود فایل
  • خلاصه
  • فهرست و منابع
  • خلاصه پایان نامه تخمین پارامترهای شبکه قدرت بر اساس کمیات بهره¬برداری اندازه¬گیری شده بهنگام با استفاده از واحدهای اندازه¬گیری فازوری جایابی شده به کمک الگوریتم ژنتیک

    پایان نامه کارشناسی ارشد مهندسی برق قدرت

    گرایش قدرت

    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

    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

    سازنده­های تجهیزات قدرت آزمایش­هایی را بر روی تجهیزات خود انجام می­دهند. با این آزمایش‌ها پارامترهای مدار معادل تجهیز خود را به دست آورده و در اختیار مشتری قرار می­دهند. باید دقت داشت که این پارامترها به دلایل مختلفی دارای خطا می­باشند. اگر این پارامترها در پایگاه داده بدون تصحیح ثبت شوند ممکن است در نتایج مطالعات سیستم خطا به وجود آورند. شبکه قدرت دائماً در حال تغییر است. عملکرد رله­ها در هنگام خطا و جدا کردن خطوط، خارج کردن تجهیزات قدرت مانند ترانسفورماتورها و خطوط به علت تعمیرات، ورود و خروج واحدهای تولیدی و مصرفی و تغییر در تپ ترانسفورماتورها از جمله تغییراتی است که به دفعات در سیستم قدرت در حال رخ دادن است. در این بین ممکن است برخی از این تغییرات به علل مختلف در پایگاه داده­ها ثبت نشود. پس لازم است این تغییرات شناسایی شوند. علاوه بر این موضوع مدل­هایی که برای سیستم ارائه می­شود شامل معادلات غیرخطی خواهد بود. برای بالا بردن سرعت و ساده­سازی محاسبات اغلب خطی­سازی­هایی در معادلات صورت می­گیرد که این باعث کاهش دقت در محاسبات و در نتیجه کاهش دقت پارامترهای تخمین زده خواهد شد؛ بنابراین برای عملکرد صحیح سیستم قدرت، پایگاه داده باید امکان به‌روز کردن پارامترها را به طور پیوسته دارا باشد.

    کاربردهای امنیتی شبکه نیازمند اطلاعات دقیقی از شبکه است. همان طور که بیان شد به دلایل مختلف ممکن است مقادیر ثبت‌شده برای پارامترها با خطا همراه باشند. در حفاظت سیستم­های قدرت، الگوریتم­های حفاظتی مختلفی همچون الگوریتم حفاظتی رله دیستانس مستلزم دسترسی به پارامترهای دقیق شبکه برای تنظیم رله­ها و در صورت بروز خطا، مکان­یابی آن است؛ بنابراین نیازمند دسترسی به پارامترهای دقیق هر خط هستیم.

    در بهره­برداری از شبکه نیز این امر بسیار مهم است. با اندازه­گیری کمیت­های موثر مانند ولتاژها، جریان­ها و توان خطوط، وضعیت خطوط انتقالی و پارامترهای آن، وضعیت کلیدها، فرکانس، توان تولیدی واحدها، تپ ترانس­ها و... بررسی می­شود. این اطلاعات به نرم‌افزارهای مختلفی مانند نرم­افزار تخمین زننده حالت سیستم ارسال‌شده تا وضعیت کلی سیستم در دسترس باشد. اطلاعات به دست آمده از این فعالیت­ها بایستی به طور دقیق مورد بررسی قرار گیرد تا نتایج این بررسی­ها به طور دقیق در اختیار بهره­بردار شبکه قرار گیرد تا بهره­بردار بتواند با سرعت کافی جهت جلوگیری از ایجاد اختلالات بزرگ، اقدامات مورد نیاز را انجام دهد.

    دقت تخمین پارامتر به شدت به دقت اندازه­گیری­ها وابسته است. همواره در سیستم­های اندازه‌گیری عواملی همچون نویز و خطا در کالیبره کردن دستگاه‌های اندازه­گیری وجود دارد که این باعث کاهش دقت اندازه­گیری و به تبع آن کاهش دقت در تخمین پارامتر خواهد بود ][i][. در گذشته اندازه­گیری کمیت­های سیستم قدرت توسط سیستم­های اندازه­گیری سنتی صورت می­گرفته است. این سیستم­ها از دقت مناسبی برخوردار نبودند. مشکل دیگر این سیستم­ها همزمان نبودن عملکرد آن‌ها بود. در یک زیرسیستم که به صورت مجزا کار می­کند، همزمان­سازی به معنای گسترده معنا نخواهد داشت؛ چرا که یک سیگنال پالس می­تواند تمام اندازه­گیری­ها را همزمان کند؛ اما هنگامی­که کمیت­های اندازه­گیری از مناطق مختلف بدست آورده می­شوند، نیاز داریم تا با استفاده از سیستمی مناسب این کمیت­ها را همزمان کرده و تا جای ممکن دقت اندازه­گیری و به تبع آن دقت تخمین را بالا ببریم.

    در این پایان‌نامه اصول الگوریتم پیشنهادی برای تخمین پارامترهای شبکه و ولتاژ شین­ها مبتنی بر دسته­بندی خطوط شبکه به بسته­های متشکل از دو خط متوالی می­باشد. ترکیب هر دو خط متوالی و سه شین آن‌ها تشکیل یک بسته تخمین پارامتر را داده که واحد اندازه‌گیری فازوری[2] در ابتدای دو خط قرارگرفته و با اندازه­گیری ولتاژ و جریان ابتدای خطوط در طی چند نمونه اندازه­گیری قادر به تخمین پارامترهای دو خط و ولتاژ شین میان آن‌ها خواهند بود.

    در یک شبکه واقعی با تعداد خطوط زیاد، ترکیبات متعددی از بسته­های دوتایی خطوط وجود دارد لذا انتخاب یک آرایش بهینه برای نصب واحدهای اندازه­گیری فازوری مستلزم محاسبات بهینه­سازی می­باشد. فرآیند کلی الگوریتم پیشنهادی برای تخمین پارامترها و حالت سیستم را می­توان به دو مرحله کلی تقسیم­بندی نمود. در مرحله اول، با توجه به تمام ترکیبات ممکن برای بسته‌های دوتایی خطوط، بر اساس یک روش بهینه­سازی مانند الگوریتم ژنتیک محل نصب واحدهای اندازه­گیری فازوری در شبکه جایابی می­گردند. اساس بهینه­سازی بر حداقل­سازی تعداد واحدهای اندازه‌گیری فازوری برای رویت­پذیری و تخمین تمام خطوط و ولتاژ شین­ها می­باشد. پس از جایابی بهینه محل واحدهای اندازه­گیری فازوری بر روی شین­های شبکه، ترکیب بسته­های دوتایی خطوط برای تخمین پارامترهای شبکه مشخص ‌شده که با پیاده­سازی الگوریتم تخمین پارامتر-حالت بر روی هر بسته می­توان پارامترهای خطوط و ولتاژ شین­ها را تخمین زد. برای این منظور باید حداقل 3 نمونه اندازه­گیری شده از کمیات ولتاژ و جریان ابتدای خطوط تهیه گردد. از ویژگی­های این الگوریتم می­توان به کاهش زیاد تعداد دستگاه­های اندازه­گیری و عملکرد مستقل تخمینگر پیشنهادی برای هر بسته دوتایی از خطوط شبکه اشاره کرد. در پایان برای بررسی عملکرد الگوریتم پیشنهادی، شبکه 39 شینه IEEE انتخاب شده است. در این شبکه ابتدا جایابی بهینه دستگاه­های اندازه­گیری انجام شده و سپس به بررسی عملکرد الگوریتم تخمین-پارامتر پرداخته خواهد شد.

    از ابتدای پدید آمدن و گسترش شبکه قدرت همواره به دنبال مدل کردن آن بوده­ایم. همواره برای مطالعه، برنامه­ریزی، بالا بردن امنیت سیستم، توزیع اقتصادی بار به منظور کاهش هزینه تولید و تلفات و ... نیازمند مدلی برای سیستم هستیم. این مدل شامل پارامترهای سری و موازی خطوط، مدل ترانسفورماتورها، ژنراتورها، جبران­سازها و دیگر المان­های استفاده‌شده در سیستم قدرت است. مدل سیستم می­تواند بسیار پیچیده و شامل معادلات غیرخطی باشد و یا ساده‌شده و به صورت خطی مدل شود؛ بنابراین مدل­های گوناگون با دقت­های مختلفی را می‌توان برای سیستم در نظر گرفت. از جمله پارامترهایی که در مدل سیستم بسیار مهم هستند پارامترهای خطوط هستند. پارامترهای خطوط شامل مقاومت و راکتانس سری خطوط و سوسپتانس موازی آن‌ها در راه­اندازی نرم­افزارهای آنالیز سیستم قدرت نقش مهمی دارند. دقت پارامترهای خطوط نقشی اساسی در تعیین دقت خروجی­های این نرم­افزارها دارد.

    الگوریتم­های مختلفی برای محاسبه پارامترهای خطوط انتقال در گذشته ارائه‌شده است. روش­های کلاسیک و تئوری که در[[ii]]  ارائه‌شده‌اند از فاکتورهایی مانند پارامترهای هندسی هادی­ها، نوع هادی و در نظر گرفتن شرایط محیطی برای تخمین پارامتر استفاده می­کنند. ممکن است مقادیر حقیقی این فاکتورها با مقادیر به کار گرفته‌شده در معادلات تفاوت داشته باشد. از طرف دیگر در محاسبات، ساده­سازی­هایی در ابعاد هندسی هادی­ها و روابط مغناطیسی آن صورت می­گیرد که این خود باعث کاهش دقت تخمین پارامترها می­شود. در این روش­ها امکان تخمین پارامترهای توالی مثبت و منفی و صفر با ساختارهای هندسی و هادی­هایی با جنس­های مختلف به راحتی امکان‌پذیر است.

    روش دیگری در ][iii][ ارائه شده است که در آن یکی از ترمینال­ها را اتصال کوتاه کرده و یا آن را در حالت مدار باز قرار می­دهند و با استفاده از جریان خط و ولتاژ سر دیگر ترمینال به محاسبه پارامترها می­پردازد؛ اما باید دقت داشت که این‌چنین اندازه­گیری­هایی برای خطوط مشکل و در برخی حالات غیرممکن است.

    روش­های ذکرشده، روش­های تخمین پارامتر بودند اما به صورت آنلاین قابل‌استفاده نیستند. برای بدست آوردن مقادیر دقیق­تری از پارامترهای خط، روش­های تخمین آنلاین در تخمین پارامتر خطوط بسیار مناسب­تر خواهد بود. این­گونه تکنیک­های تخمین، بوسیله ترکیبی از اندازه­گیری­های ولتاژ، جریان و توان، به تخمین پارامتر می­پردازند. در این­گونه روش­ها به صورت آنلاین کمیت­های مورد نیاز شبکه از شین­ها و خطوط استحصال ‌شده و به نرم­افزارهای مرتبط منتقل می­شوند. این نرم­افزارها با توجه به الگوریتم برنامه‌ریزی‌شده به تخمین پارامترها می­پردازند.

    الگوریتم­هایی که به صورت آنلاین به محاسبه پارامترها می­پردازند را می‌توان به دو گروه اصلی تقسیم کرد.

    الگوریتم­هایی که به صورت مستقیم و با اندازه­گیری کمیت­های بهره­برداری شبکه به محاسبه پارامترها می­پردازند.

    الگوریتم­هایی که به کمک الگوریتم تخمین حالت به تخمین پارامتر می­پردازند.

    روش غیر مستقیم (با استفاده از الگوریتم تخمین حالت)

     

    روش مستقیم

    الگوریتم تخمین پارامتر

    روش آنالیز حساسیت

    روش گسترش بردار حالت

    حل به روش معادله معمولی

    حل به روش فیلتر کالمن

     

     

     

     

     

     

     

     

     

     

     

    شکل ‏2‑1: دسته‌بندی روش­های تخمین پارامتر

     

    در ادامه به بررسی این دو روش پرداخته خواهد شد.

     

    1-1-                       روش تخمین پارامتر با استفاده از الگوریتم تخمین حالت

    همان طور که قبلاً بیان شد به علل مختلف نیازمند دسترسی به مقادیر دقیق و آنلاین پارامترهای سیستم قدرت هستیم؛ اما باید دقت داشت که اساس پیدایش الگوریتم­های تخمین پارامتر چیز دیگری بود. در سال 1970 مقاله­ای راجع به تخمین حالت سیستم منتشر شد. در این مقاله الگوریتمی برای تخمین حالت سیستم قدرت ارائه گردید. در این الگوریتم تخمین حالت فرض بر این بود که مقادیر صحیح پارامترهای شبکه را در اختیار داریم تا به نتایج صحیحی از تخمین حالت دست یابیم؛ اما واقعیت امر چیز دیگری است. پارامترهای نادقیق در این الگوریتم موجب پایین آمدن دقت تخمین حالت خواهند شد. پس از انتشار این مقاله، الگوریتم­های زیادی ارائه شد که هدف آن‌ها پیدا کردن خطای پارامترها و تصحیح آن‌ها برای بالا بردن دقت الگوریتم تخمین حالت بود. در این روند تکاملی الگوریتم تخمین حالت بود که اولین بار روشی برای تخمین پارامتر پیدا شد [[iv]].

    پس از سال 1970 و انتشار این مقاله، کمتر مقاله­ای به طور جداگانه به تخمین پارامتر پرداخته است. روش­های تخمین پارامتر اکثراً در کنار روش تخمین حالت آورده شده است و به تعبیر دیگر در این روش، تخمین پارامتر روشی است که اساس آن تخمین حالت سیستم است. در این روش مقادیر اولیه­ای برای پارامترها در نظر گرفته می­شود. سپس با انجام تخمین حالت به پیدا کردن مقادیر دقیق پارامترها نادقیق پرداخته می­شود. روش­هایی که در تعیین خطای پارامتر در الگوریتم تخمین حالت ارائه‌شده­اند را می‌توان به صورت زیر دسته‌بندی کرد ][v][:

    روشی بر اساس آنالیز حساسیت باقی­مانده­ها

    روشی بر اساس گسترش بردار حالت

    همان طور که از نام‌گذاری این دو روش پیداست در روش اول مقادیری را به عنوان مقادیر اولیه پارامترها در نظر گرفته و الگوریتم تخمین حالت را به پایان می­رسانیم. سپس با پیدا کردن رابطه­ای میان خطای پارامترها و باقی­مانده الگوریتم به مقادیر صحیح پارامترها دست می­یابیم؛ اما در روش دوم مقادیر اولیه­ای را به بردار حالت الگوریتم تخمین حالت اضافه کرده و به طور همزمان به تخمین حالت و تخمین پارامتر می­پردازیم.

    در روش اول، معادله تخمین حالت به دو معادله مجزا بر حسب متغیرهای حالت و پارامترهای شبکه تبدیل می­شود. در این روش ابتدا تخمین حالت پرداخته و سپس به سراغ بروز کردن پارامترها می­رویم. در اینجا مرحله اول تخمین به اتمام رسیده است. این مرحله را آن‌قدر تکرار می­کنیم تا پارامترها و متغیرهای حالت مسئله به مقدار نهایی همگرا شوند. این راه به محاسبات و زمان زیادی نیازمند است؛ بنابراین بهتر است در هنگام به‌روزرسانی کردن متغیرها از روش دیگری استفاده کنیم. در [9] روشی برای به‌روزرسانی کردن پارامترها بر اساس آنالیز بردار باقیمانده ارائه‌شده است. در این روش از رابطه­ای میان باقی­مانده و خطای پارامترها استفاده می­شود. در هر مرحله پس از تخمین حالت با استفاده از باقی­مانده­ها، خطای پارامترها محاسبه‌شده و به این طریق پارامترها به‌روزرسانی می­شود. این روش به زمان حل کوتاه­تری نیاز دارد.

    اساس روش دوم گسترش بردار حالت با افزودن پارامترهای شبکه به بردار تخمین حالت و حل همزمان آن است. در این روش در هنگام حل الگوریتم تخمین حالت به یک مسئله بد حالت[3] برخورد می­کنیم [4]. برای حل این مشکل روش­های زیادی ارائه‌شده که از مهم‌ترین آن‌ها می‌توان به روش فیلتر کالمن [[vi]] و حل به روش معادله معمولی [[vii]] اشاره کرد.

    در این فصل قصد داریم تا مروری به این روش­ها داشته باشیم. باید توجه داشت که بدنه اصلی کلیه روش­ها به یک صورت است اما در مقاله­ها با تغییراتی سعی در بهبود الگوریتم داشته­اند؛ بنابراین در این قسمت سعی بر آن شده است تا کلیات روش بیان شود.

    اساس روش­های بیان­شده برای تخمین پارامتر بر اساس الگوریتم تخمین حالت است؛ بنابراین قبل از هر کاری به طور مختصر به این الگوریتم می­پردازیم.

     

     

    [1]- Parameter Estimation (PE)

    [2] Phasor Measurement Unit (PMU)

    [3] Ill condition

     

    [[i]] W Liu, W.-H.E.; Wu, F.F.; Shau-Ming Lun, "Estimation of parameter errors from measurement residuals in state estimation [power systems]," Power Systems, IEEE Transactions on , vol.7, no.1, pp.81,89, Feb 1992 doi: 10.1109/59.141690

    [[ii]] J. Grainger and W. Stevenson, Power System Analysis. New York: McGraw-Hill, 1994

    [[iii]] S Kurokawa, S.; Pissolato, J.; Tavares, M.C.; Portela, C.M.; Prado, A.J., "A new procedure to derive transmission-line parameters: applications and restrictions," Power Delivery, IEEE Transactions on , vol.21, no.1, pp.492,498, Jan. 2006

    [[iv]] Borda, C.; Olarte, A.; Diaz, H., "PMU-based line and transformer parameter estimation," Power Systems Conference and Exposition, 2009. PSCE '09. IEEE/PES , vol., no., pp.1,8, 15-18 March 2009

    [[v]] Zarco, P.; Gomez-Exposito, A., "Power system parameter estimation: a survey," Power Systems, IEEE Transactions on , vol.15, no.1, pp.216,222, Feb 2000

    [[vi]] Debs, A.S., "Estimation of Steady-State Power System Model Parameters," Power Apparatus and Systems, IEEE Transactions on , vol.PAS-93, no.5, pp.1260,1268, Sept. 1974

    [[vii]] Liu, W.-H.E.; Swee-Lian Lim, "Parameter error identification and estimation in power system state estimation," Power Systems, IEEE Transactions on , vol.10, no.1, pp.200,209, Feb 1995 

    Abstract

     

     

    Power system studies are essential for network expansion planning, operation planning and finding best solution for improvement of power system security and economical operation. In these studies, most important step is power system modeling which requires precise information of lines and transformer parameters. These parameters can be changed in different operation and ambient conditions. Therefore, to having an accurate model of power system, online network parameter estimation is required. In the recent years, real time network parameter estimation based on measured operation data using PMU has been attended. In this thesis, a new method is proposed for simultaneous state and parameter estimation. In this method, PMUs are placed in the ends of two consecutive lines and measure the operational quantities. Proposed method can estimate parameters of lines and middle bus voltages by only three measurements. This method need less number of PMUs comparing to other methods. In this thesis, firstly, Proposed Parameter and state estimation algorithm is presented and then the optimum PMU placement algorithm will be presented. Finally, in order to evaluating proposed method, it implemented on IEEE 39 bus test system.

    Key words- parameter estimatiok; state estimation; operation quantities; phasor measurement units; optimum placement PMU

  • فهرست و منابع پایان نامه تخمین پارامترهای شبکه قدرت بر اساس کمیات بهره¬برداری اندازه¬گیری شده بهنگام با استفاده از واحدهای اندازه¬گیری فازوری جایابی شده به کمک الگوریتم ژنتیک

    فهرست:

    فهرست

    فصل اول: مقدمه. 1

    1-1-     مقدمه. 2

    فصل دوم: مروری بر منابع و پیشینه­ی تحقیق.. 5

    2-1-     مقدمه. 6

    2-2-     روش تخمین پارامتر با استفاده از الگوریتم تخمین حالت..... 7

    2-2-1-     تخمین حالت... 9

    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

    2-3-1-     مدل خطوط انتقال. 22

    2-3-2-     مدل ترانسفورماتور. 25

    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

    2-5-     نتیجه­گیری   31

    فصل سوم: الگوریتم ارائه­شده برای تخمین پارامتر و جایابی بهینه واحد اندازه‌گیری فازوری..................................32

    3-1-     مقدمه. 33

    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

    4-1-     مقدمه. 52

    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

    4-2-2-     نتایج جایابی بهینه واحدهای اندازه‌گیری فازوری به منظور تخمین حالت و پارامترهای                      سیستم به طور همزمان......................................................................................................................... 57

    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

    5-1-     جمع‌بندی.. 79

    5-2-     پیشنهاد‌ها 81

    مراجع....................... 82

    پیوست..........................................................................................................................................84

    منبع:

    [[1]] W Liu, W.-H.E.; Wu, F.F.; Shau-Ming Lun, "Estimation of parameter errors from measurement residuals in state estimation [power systems]," Power Systems, IEEE Transactions on , vol.7, no.1, pp.81,89, Feb 1992 doi: 10.1109/59.141690

    [[1]] J. Grainger and W. Stevenson, Power System Analysis. New York: McGraw-Hill, 1994

    [[1]] S Kurokawa, S.; Pissolato, J.; Tavares, M.C.; Portela, C.M.; Prado, A.J., "A new procedure to derive transmission-line parameters: applications and restrictions," Power Delivery, IEEE Transactions on , vol.21, no.1, pp.492,498, Jan. 2006

    [[1]] Borda, C.; Olarte, A.; Diaz, H., "PMU-based line and transformer parameter estimation," Power Systems Conference and Exposition, 2009. PSCE '09. IEEE/PES , vol., no., pp.1,8, 15-18 March 2009

    [[1]] Zarco, P.; Gomez-Exposito, A., "Power system parameter estimation: a survey," Power Systems, IEEE Transactions on , vol.15, no.1, pp.216,222, Feb 2000

    [[1]] Debs, A.S., "Estimation of Steady-State Power System Model Parameters," Power Apparatus and Systems, IEEE Transactions on , vol.PAS-93, no.5, pp.1260,1268, Sept. 1974

    [[1]] Liu, W.-H.E.; Swee-Lian Lim, "Parameter error identification and estimation in power system state estimation," Power Systems, IEEE Transactions on , vol.10, no.1, pp.200,209, Feb 1995

    [[1]] Slobodan Pajic´. "Power System State Estimation and Contingency Constrained Optimal Power". A Dissertation Submitted to the Faculty of the Worcester polytechnic Institute, april 2007.

    [[1]] Van Cutsem, T.; Quintana, V.H., "Network parameter estimation using online data with application to transformer tap position estimation," Generation, Transmission and Distribution, IEE Proceedings C , vol.135, no.1, pp.31,40, Jan 1988

    [[1]] Slutsker, I.W.; Mokhtari, S.; Clements, K.A., "Real time recursive parameter estimation in energy management systems," Power Systems, IEEE Transactions on , vol.11, no.3, pp.1393,1399, Aug 1996

    [[1]] Yuan Liao; Kezunovic, M., "Online Optimal Transmission Line Parameter Estimation for Relaying Applications," Power Delivery, IEEE Transactions on , vol.24, no.1, pp.96,102, Jan. 2009

    [[1]] Yan Du, Yuan Liao, “On-line estimation of transmission line parameters, temperature and sag using PMU measurements"Electric Power Systems Research 93 (2012) 39– 45

    [[1]] C.S. Indulkar, K. Ramalingam, Estimation of transmission line parameters from measurements, International Journal of Electrical Power & Energy Systems, Volume 30, Issue 5, June 2008, Pages 337-342, ISSN 0142-0615

    [[1]] Y. Du, Y. Liao, “Online estimation of power transmission line parameters, temperature and sag”, in: Proc. 2011 North American Power Symposium, Boston, MA, August 4–6, 2011, pp. 1–6.

    [[1]] Xiaomeng Bian; Li, X.R.; Huimin Chen; Deqiang Gan; Jiaju Qiu, "Joint Estimation of State and Parameter With Synchrophasors—Part I: State Tracking," Power Systems, IEEE Transactions on , vol.26, no.3, pp.1196,1208, Aug. 2011

    [[1]] Xiaomeng Bian; Li, X.R.; Huimin Chen; Deqiang Gan; Jiaju Qiu, "Joint Estimation of State and Parameter With Synchrophasors—Part II: Parameter Tracking," Power Systems, IEEE Transactions on , vol.26, no.3, pp.1209,1220, Aug. 2011

    [[1]] Ferrigno, L.; Laracca, M.; Liguori, C.; Pietrosanto, A., "Real-time estimation of R, L, and C parameters under non sinusoidal conditions: A proposal," Instrumentation and Measurement Technology Conference (I2MTC), 2011 IEEE , vol., no., pp.1,6, 10-12 May 2011

    [[1]] E.A. Zamora-Cárdenas, B.A. Alcaide-Moreno, C.R. Fuerte-Esquivel, "State estimation of flexible AC transmission systems considering synchronized phasor measurements," Electric Power Systems Research, Volume 106, January 2014, Pages 120-133, ISSN 0378-7796

    [[1]] F. Aminifar, C. Lucas, A. Khodaei, M.Fotuhi-Firuzabad, “Optimal placement of  phasor measurement units using immunity genetic algorithm,” IEEE Trans. Power Deli.vol. 24, no. 3, pp. 1014-1020, 2009.

    [[1]] Y. Gao, Z. Hu, X. He and D. Lio, “Optimal placement of PMUs in power systems based on improved PSO algorithm,” IEEE Power Engineering Society General Meeting, 2008.

    [[1]] N.H. Abbasy, H.M. Ismail, “A unified approach for the optimal PMU location for power system state estimation,” IEEE Trans. Power Syst., vol. 24, no. 2, pp. 806-813, 2009.

    [[1]] Dua, D.; Dambhare, S.; Gajbhiye, R.K.; Soman, S.A., “Optimal Multistage Scheduling of PMU Placement: An ILP Approach,“ Power Delivery, IEEE Transactions on , vol.23, no.4, pp.1812,1820, Oct. 2008

    [[1]] J. Peng, Y. Sun, and H. F. Wang, “Optimal PMU placement for full network observability using Tabu search algorithm,” International Journal of Electrical Power and Energy Systems, vol. 28, pp. 223–231, 2006.

    [[1]] Rakpenthai, C.; Premrudeepreechacharn, S.; Uatrongjit, S.; Watson, N.R., "An Optimal PMU Placement Method Against Measurement Loss and Branch Outage," Power Delivery, IEEE Transactions on , vol.22, no.1, pp.101,107, Jan. 2007

    [[1]] Chakrabarti, S.; Kyriakides, E., "Optimal Placement of Phasor Measurement Units for Power System Observability," Power Systems, IEEE Transactions on , vol.23, no.3, pp.1433,1440, Aug. 2008

    [[1]] Aminifar, F.; Khodaei, A.; Fotuhi-Firuzabad, M.; Shahidehpour, M., "Contingency-Constrained PMU Placement in Power Networks," Power Systems, IEEE Transactions on , vol.25, no.1, pp.516,523, 

     



تحقیق در مورد پایان نامه تخمین پارامترهای شبکه قدرت بر اساس کمیات بهره¬برداری اندازه¬گیری شده بهنگام با استفاده از واحدهای اندازه¬گیری فازوری جایابی شده به کمک الگوریتم ژنتیک, مقاله در مورد پایان نامه تخمین پارامترهای شبکه قدرت بر اساس کمیات بهره¬برداری اندازه¬گیری شده بهنگام با استفاده از واحدهای اندازه¬گیری فازوری جایابی شده به کمک الگوریتم ژنتیک, پروژه دانشجویی در مورد پایان نامه تخمین پارامترهای شبکه قدرت بر اساس کمیات بهره¬برداری اندازه¬گیری شده بهنگام با استفاده از واحدهای اندازه¬گیری فازوری جایابی شده به کمک الگوریتم ژنتیک, پروپوزال در مورد پایان نامه تخمین پارامترهای شبکه قدرت بر اساس کمیات بهره¬برداری اندازه¬گیری شده بهنگام با استفاده از واحدهای اندازه¬گیری فازوری جایابی شده به کمک الگوریتم ژنتیک, تز دکترا در مورد پایان نامه تخمین پارامترهای شبکه قدرت بر اساس کمیات بهره¬برداری اندازه¬گیری شده بهنگام با استفاده از واحدهای اندازه¬گیری فازوری جایابی شده به کمک الگوریتم ژنتیک, تحقیقات دانشجویی درباره پایان نامه تخمین پارامترهای شبکه قدرت بر اساس کمیات بهره¬برداری اندازه¬گیری شده بهنگام با استفاده از واحدهای اندازه¬گیری فازوری جایابی شده به کمک الگوریتم ژنتیک, مقالات دانشجویی درباره پایان نامه تخمین پارامترهای شبکه قدرت بر اساس کمیات بهره¬برداری اندازه¬گیری شده بهنگام با استفاده از واحدهای اندازه¬گیری فازوری جایابی شده به کمک الگوریتم ژنتیک, پروژه درباره پایان نامه تخمین پارامترهای شبکه قدرت بر اساس کمیات بهره¬برداری اندازه¬گیری شده بهنگام با استفاده از واحدهای اندازه¬گیری فازوری جایابی شده به کمک الگوریتم ژنتیک, گزارش سمینار در مورد پایان نامه تخمین پارامترهای شبکه قدرت بر اساس کمیات بهره¬برداری اندازه¬گیری شده بهنگام با استفاده از واحدهای اندازه¬گیری فازوری جایابی شده به کمک الگوریتم ژنتیک, پروژه دانشجویی در مورد پایان نامه تخمین پارامترهای شبکه قدرت بر اساس کمیات بهره¬برداری اندازه¬گیری شده بهنگام با استفاده از واحدهای اندازه¬گیری فازوری جایابی شده به کمک الگوریتم ژنتیک, تحقیق دانش آموزی در مورد پایان نامه تخمین پارامترهای شبکه قدرت بر اساس کمیات بهره¬برداری اندازه¬گیری شده بهنگام با استفاده از واحدهای اندازه¬گیری فازوری جایابی شده به کمک الگوریتم ژنتیک, مقاله دانش آموزی در مورد پایان نامه تخمین پارامترهای شبکه قدرت بر اساس کمیات بهره¬برداری اندازه¬گیری شده بهنگام با استفاده از واحدهای اندازه¬گیری فازوری جایابی شده به کمک الگوریتم ژنتیک, رساله دکترا در مورد پایان نامه تخمین پارامترهای شبکه قدرت بر اساس کمیات بهره¬برداری اندازه¬گیری شده بهنگام با استفاده از واحدهای اندازه¬گیری فازوری جایابی شده به کمک الگوریتم ژنتیک

ثبت سفارش
تعداد
عنوان محصول
بانک دانلود پایان نامه رسا تسیس