عنوان پایان‌نامه
پیش بینی وضعیت پایداری گذرا در فضای گسترده با استفاده از داده های PMU
- رشته تحصیلی
- مهندسی برق-قدرت-سیستم ها فشارقوی الکتریکی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی پردیس 2 فنی شماره ثبت: E 2848;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 71890
- تاریخ دفاع
- ۳۰ آذر ۱۳۹۴
- دانشجو
- سهیل نادری
- استاد راهنما
- سعید افشارنیا
- چکیده
- امروزه سیستم های قدرت با توجه به مسائلی از قبیل تجدید ساختار سیستم و محدودیت های اقتصادی جهت گسترش شبکه، نزدیک به حدود پایداری خود مورد بهره برداری قرار می گیرند. زمانی که شبکه نزدیک به مرز پایداری کار می¬کند احتمال وقوع ناپایداری در آن بالا می رود. بنابراین مساله بسیار مهمی که وجود دارد تشخیص به موقع پایداری یا ناپایداری ژنراتورها و شبکه (خروج از همگامی) جهت انجام اقدامات اصلاحی و کنترلی مناسب در شبکه می باشد. در این پژوهش به پیش بینی پایداری گذرا در فضای گسترده با استفاده از داده های PMU پرداخته شده است. ابتدا روش های شبکه عصبی و ماشین بردار پشتیبان برای پیش بینی وضعیت پایداری شبکه مورد استفاده قرار گرفته اند. راهکارهای پیشنهادی در این فصل، سرعت یا دقت روش های قبلی را بهبود داده اند. روش پیشنهادی بر روی شبکه های 39 شینه IEEE و شبکه خراسان تست شده است. الگوریتم پیشنهادی دوم طرحی جامع براساس پایداری شبکه و ژنراتور جهت خارج کردن یا در مدار ماندن ژنراتورهای شبکه ارائه می دهد. این الگوریتم ژنراتورهای ناپایدار را به درستی تشخیص داده و با خارج کردن ژنراتورهای ناپایدار، از ناپایداری شبکه و سایر ژنراتورها جلوگیری می شود. در نهایت یک روش بر مبنای معیار سطوح برابر بسط یافته برای پیش بینی وضعیت پایداری شبکه ارائه شده است. در این الگوریتم ژنراتورهای بحرانی و غیربحرانی با استفاده از تغییرات زاویه ژنراتورها نسبت به هم شناسایی می شود. سپس با تعیین مدل تک ماشین به شین بینهایت معادل شبکه، پیش بینی منحنی سینوسی توان بر حسب زاویه انجام شده است سپس با استفاده از معیار سطوح برابر وضعیت پایداری شبکه پیش بینی شده است. واژه‌های کلیدی: پایداری گذرا، فضای گسترده (Wide area)، واحد اندازه گیری فازوری (PMU)، پیش بینی پایداری، دقت پیش بینی، سرعت پیش بینی.
- Abstract
- Nowadays, because of the restricting and economic constraint to develop power grids, power systems are operating in their stability border. When system operates near to the border of stability, the possibility of instability is increased. Therefor fast prediction and diagnosis of generator stability status is one of the most important issues for implement appropriate remedial and control action to prevent of instability. In this research, wide area transient stability prediction has been studied. Artificial neural network and support vector machine is used for prediction of transient stability status. The proposed method considers speed of prediction. Moreover it improves precision and speed of prediction and it determine optimum prediction time after fault clearing. Proposed method is tested on the IEEE 39-bus test system (i.e., New England) and Khorasan network. The second proposed algorithm is based on synchronism of network. This algorithm determines unstable generators and shed them and it does not let instability spread to the rest of the network. The new method is tested on IEEE 39-bus test system. Eventually, the extended equal area criterion is implemented for transient stability prediction. In this algorithm critical and noncritical generator is determined using generator angles in fault occurring time and fault clearing time. After that unique SMIB is obtained and by comparing acceleration and deceleration area, stability status is characterized. Keywords: transient stability, Wide area, Phasor measurement unit, stability prediction, precision of prediction, speed of prediction.
