مروری جامع بر روش های کاهش مرتبه مدل دینامیکی سیستم های قدرت مبتنی بر همپایی

سال انتشار: 1404
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 77

فایل این مقاله در 15 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JIAE-22-3_011

تاریخ نمایه سازی: 26 آذر 1404

چکیده مقاله:

رشد روزافزون مصرف برق سبب شده تا شبکه های قدرت نیز روز به روز در حال توسعه باشند. بزرگ شدن شبکه و به تبع آن بالا رفتن مرتبه مدل دینامیکی سیستم سبب می شود تا پیچیدگی و مدت زمان انجام بسیاری از مطالعات نظیر مطالعات پایداری، بسیار بیشتر از حد قابل قبول باشد. از این رو استفاده از تکنیک های کاهش مرتبه مدل حائز اهمیت می گردند. بدین منظور، مهندسان قدرت معمولا شبکه مورد مطالعه را به دو ناحیه تحت مطالعه و خارجی تقسیم نموده و برای ناحیه خارجی از یک مدل کاهش یافته استفاده می نمایند تا هم سرعت انجام مطالعات مختلف در ناحیه تحت مطالعه افزایش یابد و هم تاثیر ناحیه خارجی در این مطالعات در نظر گرفته شود. در مقاله مروری حاضر، روش های همپایی به عنوان پرکاربردترین روش ها برای کاهش مرتبه مدل سیستم های قدرت مورد بررسی دقیق قرار گرفته و مزایا و معایب هر یک بیان می گردد؛ تا جهت انتخاب مناسب ترین روش برای کاربرد مورد نظر راه گشا واقع شود.

کلیدواژه ها:

Dynamic model order reduction ، coherency ، generator aggregation ، power network dimensionality reduction ، کاهش مرتبه مدل دینامیکی ، همپایی ، ادغام ژنراتورها ، کاهش ابعاد شبکه قدرت

نویسندگان

محمدرضا جعفری

EE Department, Sharif University of Technology, Tehran

محمدحسن راونجی

EE Department, Sharif University of Technology, Tehran

علیرضا محمدامینی

EE Department, Sharif University of Technology, Tehran

محمد ستاره

Shahid Beheshti University

مصطفی پرنیانی

EE Department, Sharif University of Technology, Tehran

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 :
  • J.S. Rocha-Doria, J.G. Fuentes-Velázquez, and C. Angeles-Camacho, Synchrophasor applications in ...
  • A. Vahidnia, et al., Identification and estimation of equivalent area ...
  • L. Lugnani, et al., Power system coherency detection from wide-area ...
  • A. Hamid, et al., Deep learning assisted surrogate modeling of ...
  • D. Rafiq, J. Farooq, and M.A. Bazaz, Synergistic use of ...
  • D. Osipov, and K. Sun, Adaptive nonlinear model reduction for ...
  • Golpîra H, Bevrani H. A New Measurement-Based Approach for Power ...
  • Naderi K, Hesami A. A New Algorithm For Power Systems ...
  • S. Mukherjee, A. Chakrabortty, and S. Babaei, Modeling and quantifying ...
  • A. Mehrzad, et al., An Efficient Rapid Method for Generators ...
  • F. Ma, and V. Vittal, A hybrid dynamic equivalent using ...
  • I. Tyuryukanov, et al., Slow Coherency Identification and Power System ...
  • C. Gianfranco, Review of clustering methods for slow coherency-based generator ...
  • M.H.R. Koochi, S. Esmaeili, and G. Ledwich, Taxonomy of coherency ...
  • R. Singh, M. Elizondo, and S. Lu. A review of ...
  • S. Kai, et al., A review of power system dynamic ...
  • S.D. Đukić, and A.T. Sarić, Dynamic model reduction: An overview ...
  • E.P. de Souza, and A.L. da Silva. An efficient methodology ...
  • R. Podmore, A comprehensive program for computing coherency-based dynamic equivalents. ...
  • J.H. Chow, Power system coherency and model reduction. Vol. ۸۴. ...
  • H. Kim, G. Jang, and K. Song, Dynamic reduction of ...
  • T. Krishnaparandhama, S. Elangovan, and A. Kuppurajulu, Method for identifying ...
  • R. Nath, S.S. Lamba, and K.P. Rao, Coherency based system ...
  • N. Gacic, A. Zecevic, and D. Siljak, Coherency recognition using ...
  • B. Spalding, H. Yee, and D. Goudie, Coherency recognition for ...
  • J.S. Rocha-Doria, J.G. Fuentes-Velázquez, and C. Angeles-Camacho, Synchrophasor applications in ...
  • A. Vahidnia, et al., Identification and estimation of equivalent area ...
  • L. Lugnani, et al., Power system coherency detection from wide-area ...
  • A. Hamid, et al., Deep learning assisted surrogate modeling of ...
  • D. Rafiq, J. Farooq, and M.A. Bazaz, Synergistic use of ...
  • D. Osipov, and K. Sun, Adaptive nonlinear model reduction for ...
  • Golpîra H, Bevrani H. A New Measurement-Based Approach for Power ...
  • Naderi K, Hesami A. A New Algorithm For Power Systems ...
  • S. Mukherjee, A. Chakrabortty, and S. Babaei, Modeling and quantifying ...
  • A. Mehrzad, et al., An Efficient Rapid Method for Generators ...
  • F. Ma, and V. Vittal, A hybrid dynamic equivalent using ...
  • I. Tyuryukanov, et al., Slow Coherency Identification and Power System ...
  • C. Gianfranco, Review of clustering methods for slow coherency-based generator ...
  • M.H.R. Koochi, S. Esmaeili, and G. Ledwich, Taxonomy of coherency ...
  • R. Singh, M. Elizondo, and S. Lu. A review of ...
  • S. Kai, et al., A review of power system dynamic ...
  • S.D. Đukić, and A.T. Sarić, Dynamic model reduction: An overview ...
  • E.P. de Souza, and A.L. da Silva. An efficient methodology ...
  • R. Podmore, A comprehensive program for computing coherency-based dynamic equivalents. ...
  • J.H. Chow, Power system coherency and model reduction. Vol. ۸۴. ...
  • H. Kim, G. Jang, and K. Song, Dynamic reduction of ...
  • T. Krishnaparandhama, S. Elangovan, and A. Kuppurajulu, Method for identifying ...
  • R. Nath, S.S. Lamba, and K.P. Rao, Coherency based system ...
  • N. Gacic, A. Zecevic, and D. Siljak, Coherency recognition using ...
  • B. Spalding, H. Yee, and D. Goudie, Coherency recognition for ...
  • نمایش کامل مراجع