یک روش جدید برای تشخیص ساده و شناسایی سریع جزایردر شبکه های قدرت با استفاده از ماتریس اتصالات شبکه
محل انتشار: بیست و سومین کنفرانس بین المللی برق
سال انتشار: 1387
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 903
فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
PSC23_265
تاریخ نمایه سازی: 1 بهمن 1390
چکیده مقاله:
در بسیاری از مطالعات شبکه های قدرت، از جمله محاسبات کاتست های مینیمم شبکه در بخش مطالعات قابلیت اطمینان، تعیین بهم پیوستگی شبکه و یا تشخیص و شناسایی جزایر شبکه از اهمیت بسزایی برخوردار است، بویژه در شبکه های گسترده که وجود یک الگوریتم ساده و سریع برای بررسیتوپولوژی شبکه ضروری م ینماید. این مقاله روش ساده و سریعی را برای تشخیص تعداد و شناسایی جزایر یک شبکه و یا بررسی بهم پیوستگی آن جهترفع مشکلات توپولوژی شبکه در سیستم های قدرت، ارائه می دهد که براساس ماتریس اتصالات شبکه (حداقل اطلاعاتی که از یک شبکه قدرت در دسترس می باشد) طراحی شده و بواسطه عملیات ماتریسی ساده، براحتی قابل برنامه نویسی و پیاد ه سازی است. این الگوریتم یکی از الگوریتم های پایه ای پیش بینی قابلیت اطمینان شبکه به روش کات ست مینیمم است که با توجه به کثرت حالتهای تشخیص کات ست مینیمم و استفاده از الگوریتم تشخیص جزایر در هر حالت، سرعت عملکرد آن از اهمیت بسزایی برخوردار است . در مطالعات پیش بینی قابلیت اطمینان به روش کات ست مینیمم، عملکرد اینالگوریتم روی شبکه های واقعی بسیاری (از جمله شبکه انتقال و فوق توزیع فارس، خراسان و آذربایجان )، تست گردیده است که در این مقاله بعنوان مطالعه موردی ، شبکه آذربایجان مورد بررسی قرار گرفته است.
کلیدواژه ها:
نویسندگان
جعفر عباسی
پژوهشگاه نیرو، پژوهشکده برقایران، تهران
نیکی مسلمی
پژوهشگاه نیرو، پژوهشکده برقایران، تهران
همایون برهمندپور
پژوهشگاه نیرو، پژوهشکده برقایران، تهران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :