جهت بهرهبرداری مطلوبتر از سیستمهای قدرت، مانیتورینگ متغیرهای حالت شبکه از اهمیت ویژهای برخوردار است زیرا این متغیرها در بهبود بهرهبرداری اقتصادی، ارتقای قابلیت اطمینان شبکه و بهبود توانایي تحليل وضعيت سيستم نقش مؤثری ایفا میکنند. به همین منظور الگوریتمهای تخمین ح چکیده کامل
جهت بهرهبرداری مطلوبتر از سیستمهای قدرت، مانیتورینگ متغیرهای حالت شبکه از اهمیت ویژهای برخوردار است زیرا این متغیرها در بهبود بهرهبرداری اقتصادی، ارتقای قابلیت اطمینان شبکه و بهبود توانایي تحليل وضعيت سيستم نقش مؤثری ایفا میکنند. به همین منظور الگوریتمهای تخمین حالت با هدف تخمین دقیق متغیرهای حالت با اندازهگیریهای محدود به کار گرفته شدهاند. از آنجا که دستگاههای اندازهگیری امروزی نظیر PMUها، علاوه بر اندازهگیری کمیتهای الکتریکی قادر به اندازهگیری زاویه ولتاژ باسها میباشند، در این مقاله روشی نوین ارائه شده تا بتوان تخمین دقیقتری از کلیه متغیرهای شبکه به دست آورد. الگوریتم ارائهشده ضمن تعیین تعداد دستگاههای اندازهگیری (PMU)، مکان مناسب آنها را به گونه ای مشخص میکند تا با استفاده از اطلاعات آنها بتوان دقیقترین تخمین را برای دستیابی به متغیرهای حالت و کمیتهای الکتریکی ارائه نمود. افزایش دقت محاسبات به واسطه استفاده از روابط مشتق معادلات زاویه ولتاژ باسها همزمان با روابط تخمین حالت میباشد. نهایتاً محاسبات تخمین حالت توسط روش کمترین مربعات وزن دادهشده (WLS) انجام شده است.
محاسبات انجامشده روی شبکه bus 14 IEEE و با استفاده از نرمافزارهای MATLAB و MATPOWER صورت پذیرفته است. نتایج نشان میدهند که روش ارائهشده جهت افزایش دقت تخمین متغیرهای حالت و کاهش تعداد PMUها و مکانیابی مناسب PMUها موفق بوده است.
پرونده مقاله
در این مقاله الگوریتم جدیدی از فیلترهای جمع گوسی برای تخمین حالت سیستمهای غیر خطی ارائه شده است. روش پیشنهادی شامل اجرای چند فیلتر کالمن مکعبی به شکل موازی است به صورتی که هر کدام از این فیلترها بر اساس قوانین شعاعی- کروی سیمپلکس پیادهسازی میشوند. در این روش تابع چگا چکیده کامل
در این مقاله الگوریتم جدیدی از فیلترهای جمع گوسی برای تخمین حالت سیستمهای غیر خطی ارائه شده است. روش پیشنهادی شامل اجرای چند فیلتر کالمن مکعبی به شکل موازی است به صورتی که هر کدام از این فیلترها بر اساس قوانین شعاعی- کروی سیمپلکس پیادهسازی میشوند. در این روش تابع چگالی احتمال حالت به صورت مجموع وزنی از چند تابع گوسی است که مقادیر میانگین، کواریانس و همچنین ضرایب وزنی این توابع گوسی به صورت بازگشتی و در طول زمان محاسبه میشوند و هر کدام از فیلترهای کالمن مکعبی نیز مسئول به روز رسانی یکی از این توابع هستند. در نهایت عملکرد فیلتر پیشنهادی با استفاده از دو مسأله تخمین حالت غیر خطی مورد بررسی قرار گرفته و نتایج آن با فیلترهای غیر خطی مرسوم مقایسه میشود. شبیهسازیهای صورتگرفته نشان از دقت مناسب الگوریتم پیشنهادی در تخمین حالت سیستمهای غیر خطی دارد.
پرونده مقاله