بهینه سازی شبکه
محمد صابری؛ بهزاد تقی پور
چکیده
این مقاله، یک متدولوژی جهت تشخیص و کلاسهبندی خطاهای رخداده بر روی خطوط انتقال شبکههای قدرت هوشمند ارائه میکند. در روش پیشنهادی، فازورهای ولتاژ و جریان توسط واحد اندازهگیری فازور (PMU) نصبشده در باس ژنراتور، تخمین زده میشود و سپس زوایای ولتاژ و جریان معادل به دست میآید. این زوایا از طریق تبدیل فوریه سریع) FFT (آنالیز میشوند ...
بیشتر
این مقاله، یک متدولوژی جهت تشخیص و کلاسهبندی خطاهای رخداده بر روی خطوط انتقال شبکههای قدرت هوشمند ارائه میکند. در روش پیشنهادی، فازورهای ولتاژ و جریان توسط واحد اندازهگیری فازور (PMU) نصبشده در باس ژنراتور، تخمین زده میشود و سپس زوایای ولتاژ و جریان معادل به دست میآید. این زوایا از طریق تبدیل فوریه سریع) FFT (آنالیز میشوند و برای تشخیص و کلاسهبندی خطای خط انتقال بکار میروند. تشخیص خطای خط انتقال با استفاده از روش سیستم استنتاج فازی-عصبی صورت میگیرد و کلاسهبندی خطای تشخیص دادهشده با استفاده از ماشین بردار پشتیبانی (SVM) انجام میشود. اعتبار سنجی روش پیشنهادی بر روی سیستم 14 باسه IEEE در محیط نرمافزار متلب مورد آزمایش قرارگرفته است.
بهینه سازی شبکه
محمد صابری؛ مهدی هاتف
چکیده
هدف از برنامهریزی توسعه شبکه انتقال (TEP)، یافتن خطوط موردنیاز شبکه با کمترین هزینه سرمایهگذاری است؛ بطوریکه با رعایت شاخصهایی امنیتی سیستم، بار آینده به شکلی اقتصادی تامین گردد. با توجه به عدم قطعیت بار، تولیدات پراکنده بادی، منابع پاسخگو به بار و رقابتی شدن بازار برنامهریزی توسعه شبکه انتقال با چالشهایی مواجه شده ...
بیشتر
هدف از برنامهریزی توسعه شبکه انتقال (TEP)، یافتن خطوط موردنیاز شبکه با کمترین هزینه سرمایهگذاری است؛ بطوریکه با رعایت شاخصهایی امنیتی سیستم، بار آینده به شکلی اقتصادی تامین گردد. با توجه به عدم قطعیت بار، تولیدات پراکنده بادی، منابع پاسخگو به بار و رقابتی شدن بازار برنامهریزی توسعه شبکه انتقال با چالشهایی مواجه شده است که ازاینرو نیاز به ارائه مدلهای جدید، بیش از پیش احساس میگردد. در این مقاله یک مدل TEP چندهدفه با در نظرگیری هزینههای سرمایهگذاری، عملکرد و منابع پاسخگو به بار به همراه یک شاخص جهت تعیین امنیت سیستم ارائه میشود. این توابع هدف، برای به دست آوردن یک مجموعه راهحلهای غیر غالب، بر اساس اولویتهای اپراتور(هزینه یا ریسک)، با استفاده از الگوریتم تکاملی قدرت پارتو مبتنی بر روش بهینهسازی چندهدفه اجتماع ذرات (SPEA2-MOPSO) بهینه میگردند. نتایج این تحقیق بر روی شبکه 24 باسه IEEE-RTS آزمایش گردیده است و روش پیشنهاد با روشهای MOPSO و MOEA/D مقایسه میشود.