پروژه پايداری گذرای سيستم های قدرت با سيستم تحريک ژنراتورها به كمك شبكه های عصبی
تعداد صفحات : 88
فرمت: Word + PDF
ارزيابي پايداري گذرا (TSA) بخشي از ارزيابي ديناميكي امنيت سيستمهاي قدرت است كه شامل بررسي تواناييسيستم قدرت براي حفظ همزماني تحت اغتشاشات شديد ميباشد. روشهاي معمول در ارزيابي پايداري گذراي سيستم قدرت روش شبيهسازي زماني، روشهاي مستقيم مانند روش تابع انرژي گذرا و روش معيار مساحتهاي برابر توسعه يافته و روشهاي تركيبي ميباشند. روش شبيه سازي زماني دقيقترين روشها بوده، اما زمانبر ميباشد و نياز به محاسبات فراوان دارد. به منظور كاهش زمان محاسبات،TSA بايد سريع و دقيق محاسبه شود. در سالهاي اخير شبكه عصبي مصنوعي(ANN) تبديل به ابزار مهم ديگري نسبت به روشهاي مرسوم شده است و يك روش قابل قبول برايTSA ارائه ميكند.
در اين پروژه روشي بر مبناي شبكه ي عصبي پرسپترون چند لايه(MLP) براي ارزيابي بهنگام پايداري گذرا با درنظر گرفتن جزئيات ماشينهاي سنكرون و سيستمهاي تحريك آنها ارائه ميشود. تنها يك شبكهيMLP به منظورتخمين زمان رفع خطاي بحراني(CCT) براي ساختارهاي مختلف سيستم و نيز شرايط كاري مختلف به كار گرفته شدهاست. آموزش شبكه يMLP با استفاده از مشخصه هاي سيستم كه به دقت انتخاب شده، به عنوان ورودي وCCT بهعنوان خروجي هدف مطلوب انجام شده است. به عبارت ديگر،CCT به عنوان شاخصي براي معيار پايداري گذرايسيستم در نظر گرفته شده است.
در اين پروژه الگوهاي آموزشي و تست مورد نياز براي شبكه ي عصبي بوسيله شبيه سازي زماني بر روي سيستم آزمون39 شينه ي نيوانگلند با استفاده از جعبه ابزار آناليز سيستم قدرت(PSAT) بدست آمده اند.براي اثبات كارآيي شبكه يMLP در تخمينCCT ، نتايج بدست آمده از شبكه ي عصبي با نتايج حاصل از شبيه سازي زماني مقايسه شده است.
نتايج شبيه سازي ثابت ميكند كه با در نظر گرفتن دقت و سرعت، شبكه يMLP يك ابزار مناسب براي ارزيابي بهنگام پايداري گذراي سيستم قدرت ميباشد.
pe-word-power system transient stability neural network_1579081943_35734_4145_1216.zip7.33 MB |