پایان نامه کارشناسی ارشد در رشته مهندسی برق- کنترل

ارزیابی پایداری گذرای سیستم های قدرت با بهره گیری از داده های واحد های اندازه گیری فازور

به کوشش

**** 

استاد راهنما

دکتر مریم دهقانی

شهریور 1392

 
برای رعایت حریم خصوصی نام نگارنده پایان نامه درج نمی گردد
(در فایل دانلودی نام نویسنده موجود می باشد)
تکه هایی از متن پایان نامه به عنوان نمونه :
چکیده
ارزیابی پایداری گذرای سیستم های قدرت با بهره گیری از داده های واحدهای اندازه گیری فازور
 
به کوشش
هانیه محمدی
 
ارزیابی سریع امنیت در شبکه های قدرت در شرایط اضطراری و بروز خطاهای مختلف، امری حیاتی برای جلوگیری از فروپاشی و ایجاد قطعی های سراسری می باشد. پس، ارزیابی به هنگام امنیت در شبکه قدرت می تواند کنترل پیشگیرانه و موثری درجهت کارکرد مطمئن و کارآمد شبکه های برق در سراسر جهان داشته باشد.
در این مطالعه، انواع مختلف امنیت اعم از امنیت استاتیک و امنیت دینامیک مطالعه گردیده می باشد. در مطالعات استاتیک، رفتار سیستم در حالت همیشگی مورد مطالعه قرار می گیرد و با یک سری پیش بین وضعیت امنیت در شبکه قدرت مطالعه گردیده می باشد. از آنجا که حجم این اطلاعات دریافتی از شبکه های قدرت بزرگ بسیار زیاد می گردد، با ارائه روش های مختلف انتخاب ویژگی مانند واکاوی همبستگی و یا استخراج ویژگی مانند واکاوی اجزای اصلی در پی کاهش حجم اطلاعات تا حد امکان هستیم. داده های کاهش یافته به عنوان ورودی به شبکه های هوشمند همچون درخت تصمیم گیری داده می شوند و ارزیابی وضعیت امنیت از روی این درخت های آموزش دیده ی بهینه انجام می شود.
در ارزیابی امنیت دینامیک پس از ایجاد شرایط کاری مختلف، رفتار سیستم با بهره گیری از داده های دریافتی از PMU ها مطالعه می گردد. این داده های دریافتی در حوزه ی زمان و فرکانس پردازش داده می شوند و به عنوان ورودی به تکنیک های هوشمند مانند درخت تصمیم گیری و بردار ماشین های پشتیبان داده می شوند تا امنیت دینامیکی شبکه قدرت مطالعه گردد. در این رویکرد نیز تاثیر روش های کاهش داده همچون PCA، برای ایجاد SVM و DT های بهینه و کارآمد، مطالعه شده می باشد. علاوه براین، ایده ای برای جایابی PMU با رویکرد رویت پذیری شبکه و همچنین ارزیابی امنیت دینامیک در شبکه های قدرت با بهره گیری از درخت تصمیم گیری و بردار ماشین های محافظ ارائه شده می باشد. به این شکل که با وارد کردن اطلاعات هر باس بار به صورت تک تک و یا خارج کردن اطلاعات آن باس بار از اطلاعات موجود شبکه و مطالعه تغییر خطای پیش بینی دسته کننده های نامبرده، مهمترین باس ها برای ارزیابی امنیت دینامیک شبکه انتخاب می شوند. روش های ارائه شده بر روی شبکه ی نمونه 39 باسه و شبکه عملی بخشی از ایران پیاده سازی شده و نتایج ارائه گردیده می باشد.
کلید واژه: واحد اندازه گیری فازور، درخت تصمیم گیری، بردار ماشین های پشتیبان، پایداری استاتیک،
پایداری دینامیک
 

فهرست مطالب

عنوان                                                                                                     صفحه
فصل اول: مقدمه
1-1-اظهار مسئله. 2
1-2 پیشینه ی پژوهش. 3
1-2-1 روش های کلاسیک: 4
1- 2 –2 روش های جدید با بهره گیری از داده های PMU.. 5
1-3 هدف پژوهش. 8
1-4 اهمیت پژوهش. 9
1-5 فصل های پایان نامه. 10
فصل دوم : انواع مسائل پایداری
2- انواع مسائل پایداری. 13
2-1 ملاک های دسته بندی پایداری. 13
2-2 تعریف پایداری استاتیک و دینامیک.. 13
2-2-1 پایداری استاتیکی (ماندگار) 13
2-2-2 پایداری دینامیکی (گذرا) 14
2-3 انواع مسائل پایداری. 14
2-3-1 پایداری زاویه ای روتور 14
2-3-2 پایداری ولتاژ 16
2-3-3 پایداری فرکانس… 17
فصل سوم: ارزیابی امنیت استاتیک ولتاژ
3-1 اظهار مسئله. 21
3-1-1جمع آوری داده های مورد نیاز برای ارزیابی امنیت استاتیک با بهره گیری از داده های PMU.. 22
3-2 معرفی و آموزش درخت تصمیم گیری : 24
3-2-1 درخت تصمیم گیری: 25
عنوان                                                                                                              صفحه
3-2-2 طراحی و آموزش درخت تصمیم گیری برای ارزیابی امنیت استاتیک ولتاژ 27
3-3 مطالعه روش های کاهش حجم داده 28
3-3-1روش های مبتنی بر استخراج ویژگی.. 29
3-3-1روش  Principal Component analysis یا PCA.. 30
الگوریتم  PCA.. 32
3-3-2 روش انتخاب ویژگی با بهره گیری از واکاوی همبستگی.. 35
3-4 الگوریتم پیشنهادی جهت ارزیابی سریع امنیت ولتاژ در سیستم های قدرت.. 36
3-4-1 فلوچارت الگوریتم ارزیابی امنیت استاتیک با بهره گیری از داده های دریافتی از PMU ها 40
3-5 جمع بندی. 41
فصل 4:ارزیابی امنیت دینامیک در شبکه های قدرت
4-اظهار مسئله. 43
4-1  جمع آوری داده برای ارزیابی امنیت دینامیک شبکه قدرت.. 43
4-2- معرفی شاخص‌های تصمیم‌گیری. 43
4-2-1- سیگنال‌های COI 44
4-2-2- ویژگی‌ها در حوزه زمان. 45
4-2-3- محاسبه سریع WASI در حوزه فرکانس… 47
4-2-4-شاخص Categorical 49
4-3 بردار ماشین های پشتیبان. 50
4-3-1 ساختار بردار ماشین های پشتیبان(SVM). 51
4-3-2 طراحی و آموزش بردار ماشین های پشتیبان برای ارزیابی امنیت دینامیک سیستم. 55
4-4- طراحی و آموزش درخت تصمیم گیری برای ارزیابی امنیت دینامیک سیستم. 56
4-5 جایابی بهینه PMU ها با رویکرد ارزیابی امنیت دینامیک و با بهره گیری از تکنیک های هوشمند. 56
      4-5-1 معرفی تکنیک گام به جلو برای جایابی PMU در شبکه قدرت.. 57
4-5-2 معرفی تکنیک گام به عقب برای جایابی PMU در شبکه قدرت.. 58
4-6 مطالعه روش کاهش حجم داده (PCA) در ارزیابی امنیت دینامیک سیستم قدرت.. 58
عنوان                                                                                                              صفحه
فصل 5: نتایج شبیه سازی
5-1- معرفی شبکه های مورد مطالعه. 61
5-2- معرفی نرم‌افزار شبیه‌ساز DIgSILENT. 62
5-3 مطالعات استاتیک ولتاژ در شبکه قدرت نمونه 39-باسه. 62
5-3-1 طراحی درختان تصمیم گیری محلی برای شبکه 39-باسه. 63
5-3-2 آموز ش درخت تصمیم گیری کلی برای شبکه 39-باسه با بهره گیری از تکنیک های کاهش بعد. 64
پیش بین ها 65
5-3-3 آموزش درخت تصمیم گیری کلی برای قسمتی از ایران  با بهره گیری از تکنیک های کاهش حجم داده 68
فصل 5-4 مطالعات دینامیک شبکه 39 باسه نمونه. 72
5-4-1 محاسبه شاخص ها : 72
5-4-2 طراحی و آموزش درخت تصمیم گیری برای ارزیابی امنیت دینامیک در شبکه 39 باسه. 73
5-4-3 طراحی و آموزش بردار ماشین های پشتیبان برای ارزیابی امنیت دینامیک در شبکه 39 باسه. 77
5-5 بهره گیری از روش کاهش حجم داده (PCA) در ارزیابی امنیت شبکه 39 باسه. 81
5-5-1 بهره گیری از PCA و DT برای ارزیابی امنیت دینامیک شبکه 39 باسه. 81
5-5-2 بهره گیری از PCA و SVM برای ارزیابی امنیت دینامیک شبکه 39 باسه. 83
5-5-3 تاثیر PCA در کاهش اثر نویز در داده های دریافتی از PMU ها 84
5-6- جایابی PMU با رویکرد ارزیابی امنیت دینامیک و با بهره گیری از تکنیک های هوشمند DT و SVM.. 85
5-6-1 جایابی PMU با بهره گیری از تکنیک گام به جلو و درخت تصمیم گیری.. 86
5-6-2 جایابی PMU با بهره گیری از تکنیک گام به جلو و SVM… 88
5-6-3جایابی PMU با بهره گیری از تکنیک گام به عقب و SVM… 89
5-6-4جایابی PMU با بهره گیری از تکنیک گام به عقب و DT.. 90
5-7 ارزیابی امنیت دینامیک شبکه واقعی جنوب ایران. 93
5-8- جمع بندی. 94
عنوان                                                                                                              صفحه
فصل6: نتیجه گیری و پیشنهادات
6-1 نتیجه گیری. 96
6-2- پیشنهادات.. 97
فهرست مراجع. 98
 

 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

فهرست شکل ها

عنوان                                                                                                                صفحه
شکل (2-1) انتقال توان از ژنراتور به روتور. 15
شکل (2-2)-دسته بندی انواع مسائل پایداری شبکه قدرت.. 19
شکل (3-1) فلو چارت رویه دسته بندی سیستم به 4 گروه. 24
شکل (3-2) نمونه ای از یک درخت تصمیم گیری ساده. 25
شکل (3-3) چگونگی ی آموزش درخت تصمیم گیری.. 28
شکل (3-4) انتخاب محورهای جدید برای داده های دو بعدی[56] 30
شکل(3-5) داده های نمونه برای اعمال روش  .[53] PCA.. 32
شکل (3-6) داده های نرمالسازی شده به همراه بردار ویژه ی ماتریس کواریانس [53] 33
جدول (3-2) داده های بدست آمده از تبدیل PCA  با انتخاب مهمترین بردار ویژه[53] 34
شکل (3-7) 34
شکل (3-7) داده های بازیابی شده پس از تبدیل PCA با انتخاب بزرگترین بردار ویزه[53]. 35
شکل (3-8) دیاگرام الگوریتم آموزش چند سطحی درخت تصمیم گیری برای ارزیابی امنیت استاتیک… 39
شکل (3-9). فلوچارت الگوریتم پیشنهادی برای ارزیابی سریع امنیت… 40
شکل (4-1) محاسبه شاخص WASI در حوزه زمان[18]. 48
شکل ( 4-2) چگونگی ی دسته بندی غیر خطی SVM که بردار ورودی را با بهره گیری از توابع کرنل به یک فضای بالاتر تصویر می کند]41[ 52
شکل (4-3 )  چگونگی ی دسته بندی داده ها به دو گروه مجزا و یافتن بهترین مرز تصمیم گیری ]62[ 52
شکل (4-4 ) خطای دسته بندی  و نمایش مقدار آن با بهره گیری از متغیرهای  ]62[ 53
شکل (4-5) بهره گیری از تبدیل برای تصویر داده ها به یک فضا با بعد بالاتر]62[ 54
شکل(4-6) ورودی و خروجی بردار ماشین های پشتیبان.. 55
شکل (4-7) رویه انتخاب باس های مناسب جهت نصب PMU با تکنیک گام به جلو. 58
شکل (4-8) رویه انتخاب باس های مناسب جهت نصب PMU با تکنیک گام به عقب… 58
شکل (4-9) رویه ارائه شده برای ارزیابی امنیت دینامیک با اعمال PCA و بهره گیری از روش های دسته بندی SVM وDT.. 59
شکل (5-1)  دیاگرام تک خطی شبکه 39 باسه انگلیسی.. 61
شکل( 5-2) دیاگرام تک خطی شبکه عملی کنگان و عسلویه. 61
شکل (5-3) چگونگی ی تقسم بندی شبکه 39-باسه به 5 ناحیه]67[ 63
شکل (5-4) منحنی بارهای ایجاد شده برای 5 ناحیه با تغییر در اسکیل بارهای هر ناحیه. 63
شکل (5-5) دسته بندی شاخه ها در دسته های مختلف با میانگین پایداری یکسان.. 67
شکل (5-6) منحنی بار شبکه کنگان و عسلویه در طول سال برای چندین بار نمونه. 69
شکل (5-7) درخت آموزش دیده برای شبکه کنگان و عسلویه با بهره گیری از PCA.. 71
شکل(5-8)درخت آموزش دیده برای شبکه کنگان و عسلویه بدون بهره گیری از PCA.. 71
مجموعه های مشخص شده در شکل (5-7) به صورت زیر می باشد: 72
شکل(5-9) نمونه ای از درخت آموزش داده شده با بهره گیری از تمامی پیش بین ها 74
شکل(5-10) نمونه ای از دسته کننده SVM با بهره گیری از پیش بین های PostFltAngle_4 و PostFltAngle_5 وکرنل خطی.. 78
شکل(5-11) نمونه ای از دسته کننده SVM با بهره گیری از پیش بین های PostFltAngle_1 و PostFltAngle_2و کرنل RBF. 79
شکل(5-12) نمونه ای از دسته کننده SVM با بهره گیری از پیش بین های Min-voltage-1s_4 و Min-voltage-1s_5و کرنل RBF. 79
شکل(5-13) نمونه ای از دسته کننده SVM با بهره گیری از پیش بین های Norm1_4 و Norm1_5 و کرنل RBF. 80
شکل(5-14) نمونه ای از دسته کننده SVM با بهره گیری از پیش بین های FastWASI_Area5_1s و  FastWASI_Area2_1s  و کرنل RBF. 80
شکل(5-15) تعداد بعد کاهش داده شده در هر مرحله بر حسب k امین دقت مورد نظر. 82
شکل (5-16) مقایسه خطای آموزش و آزمایش درخت تصمیم گیری با بهره گیری از PCA و با در نظر گرفتن 11 دقت مختلف.. 83
شکل (5-17) مقایسه خطای آزمایش SVM با بهره گیری از PCA و با در نظر گرفتن 11 دقت مختلف.. 83
شکل(5-18) گزینه های نصب PMU در نواحی منسجم شبکه 39 باسه انگلیسی به روش کلاسیک]43[ 85

 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
فهرست جدول ها
عنوان                                                                                                                      صفحه
جدول( 3-1 )پیش بین های مورد بهره گیری در ارزیابی امنیت استاتیک… 23
جدول( 4-1) پیش بین های ارزیابی امنیت دینامیک در حوزه زمان و فرکانس… 49
جدول(5-1)آموز ش درخت تصمیم گیری محلی برای 5 ناحیه شبکه 39- باسه با بهره گیری از پیش بین های مختلف  برحسب درصد خطا 65
جدول (5-2) عملکرد DT آموزش دیده برای شبکه 39 باسه برای مجموعه داده آزمایش 1. 68
جدول (5-3) عملکرد DT آموزش دیده برای شبکه 39 باسه برای مجموعه داده آزمایش 2. 68
جدول (5-4) عملکرد DT آموزش دیده برای شبکه کنگان و عسلویه. 70
جدول (5-5) عملکرد DT های آموزش دیده برای شبکه ی 39- باسه بر حسب درصد خطا 74
جدول (5-6) شاخص‌های تصمیم‌گیری امنیت سیستم قدرت 39 باسه. 75
جدول (5-7) عملکرد SVM برنامه ریزی شده برای ارزیابی امنیت دینامیک شبکه 39 باسه برحسب درصد خطا با بهره گیری از تابع کرنل RBF. 77
جدول (5-8) عملکرد SVM برنامه ریزی شده برای ارزیابی امنیت دینامیک شبکه 39 باسه برحسب درصد خطا با بهره گیری از تابع کرنل خطی.. 78
جدول (5-9) عملکرد DT های آموزش دیده برای شبکه 39 باسه با بهره گیری از تکنیک PCA بر حسب درصد خطای آموزش و آزمایش… 82
جدول (5-10) عملکرد SVM های آموزش دیده برای شبکه 39 باسه با بهره گیری از تکنیک PCA بر حسب درصد خطای آزمایش… 84
جدول (5-11) میانگین خطای آموزش  SVM با داده های آغشته به نویز. 84
جدول (5-12) مجموعه جواب های بهینه نصب PMU در شبکه 39 باسه. 86
جدول(5-13)میانگین خطای دسته بندی DT ها  به ازای 5 سری داده ی آزمایش و آموزش برای 39 باس موجود در سیستم. 87
جدول (5-14) باس بارهای منتخب در روش گام به جلو  با بهره گیری از DT و مقایسه آنها با باس بارهای کاندید برای نصب PMU به روش کلاسیک… 87
جدول(5-15) میانگین خطای دسته بندی SVM به ازای ده سری داده ی آزمایش و آموزش تصادفی  برای 39 باس موجود در سیستم. 88
جدول (5-16) باس بارهای منتخب در روش گام به جلو  با بهره گیری از SVM و مقایسه آنها با باس بارهای کاندید برای نصب PMU به روش کلاسیک و روش گام به جلو با DT.. 89
جدول(5-17) میانگین خطای دسته بندی SVM به ازای ده سری داده ی آزمایش و آموزش تصادفی  برای 39 باس موجود در سیستم. 89
جدول (5-18) باس بارهای منتخب در روش گام به عقب با بهره گیری از SVM و مقایسه آنها با باس بارهای کاندید برای نصب PMU به روش کلاسیک و روش های گام به جلو. 90
جدول(5-19) میانگین خطای دسته بندی DT به ازای چند سری داده ی آزمایش و آموزش تصادفی  برای 39 باس موجود در سیستم. 91
جدول (5-20) باس بارهای منتخب در روش گام به عقب  با بهره گیری از DT و مقایسه آنها با باس بارهای کاندید برای نصب PMU به روش کلاسیک و روش های گام به جلو و گام به عقب با SVM… 92
جدول (5-21) مقایسه DT و SVM های آموزش دیده با باس های موجود در دو مجموعه جواب     و  . 92
جدول (5-22) عملکرد DT برنامه ریزی شده برای ارزیابی امنیت دینامیک شبکه واقعی جنوب ایران برحسب درصد خطا 93
جدول (5-23) عملکرد SVM برنامه ریزی شده برای ارزیابی امنیت دینامیک شبکه واقعی جنوب ایران برحسب درصد خطا با بهره گیری از تابع کرنل RBF. 94
 
 
 
 
 
 

 

 فهرست نشانه های اختصاری

 

Computational Inteligence CI
Center of Inertia COI
Dynamic Security assessment DSA
Decision Tree DT
Equal Area Criterion EAC
Extended Equal Area Criterion EEAC
Operational Condition OC
Principal Component Analysis PCA
Phasor Measurement Unit PMU
Support Vector Machine SVM
Short-Time Fourier Transform STFT
Support Vector Machine SVM
Wide-Area Measurement Systems WAMS
Wide-Area Severity Indices WASI

 
 
 
 
 

 
 
 
 

مقدمه

 

1-1-اظهار مسئله

پایداری سیستم های قدرت به عنوان یک مسئله ی مهم در دهه های اخیر مطرح گردیده می باشد. بسیاری از قطعی های اساسی در سراسر جهان در اثر ناپایداری در شبکه های برق رخ داده می باشد و این مسئله اهمیت موضوع را بیش از پیش مشخص می نماید. مطالعه پایداری سیستم های قدرت با رویکردهای مختلفی امکان پذیر می باشد که از انواع آن می توان به پایداری استاتیک و دینامیک تصریح نمود. در پایداری استاتیک رفتار سیستم در حالت ماندگار پس از روبرو شدن با یک اختلال مطالعه می گردد تا دریابد که ولتاژ باس ها یا سرعت تجهیزات از حدود مجاز خارج نشده باشد. اما در پایداری دینامیکی رفتار گذرای سیستم در روبرو شدن با یک اغتشاش ارزیابی می گردد. با پیشرفت های به وجودآمده در زمینه سیستم های اندازه گیری و مانیتورینگ سطح وسیع، امکان ارزیابی سریع پایداری فراهم آمده می باشد و واحدهای اندازه گیری فازور تأثیر مهمی را برای رسیدن به این مقصود اعمال می کنند. با بهره گیری از داده های دریافتی از PMU های نصب شده بر روی باس بارهای منتخب با هدف رویت پذیری شبکه و تخمین اطلاعات مورد نیاز از سایر باس بارها و خطوط انتقال، امکان ارزیابی پایداری چه در حوزه ی استاتیک و چه در حوزه ی دینامیک امکان پذیر می باشد. این اندازه گیری ها به همراه تکنیک های هوشمند یادگیری ماشین، راهبرد موثری در تعیین وضعیت پایداری و امنیت در شبکه های قدرت داشته اند و پیش بینی وضعیت پایداری به صورت سریع برای به کارگیری کنترل پیشگیرانه را میسر ساخته می باشد.
در این پایان نامه می خواهیم با بهره گیری از داده های دریافتی از PMU ها به مطالعه انواع مسائل امنیت اعم از امنیت استاتیک و امنیت دینامیک بپردازیم. با بهره گیری از این داده ها و تکنیک های هوشمند همچون درخت تصمیم گیری و بردار ماشین های پشتیبان وضعیت امنیت در شبکه های قدرت مطالعه می گردد. از آنجا که حجم اطلاعات دریافتی از شبکه های قدرت بزرگ بسیار زیاد می باشد، به دنبال راهکارهایی برای کاهش حجم داده ها تا حد امکان هستیم به گونه ای که داده های کاهش یافته حاوی بخش عظیمی از اطلاعات شبکه باشند و اطلاعات از دست رفته قابل چشم پوشی باشند. با بهره گیری از تکنیک های انتخاب ویژگی و استخراج ویژگی همچون principal component analysis  و correlation analysis   این کاهش بعد انجام می شود. با این راهکار، ورودی های SVM وDT تا حد امکان کاهش می یابد و الگوریتم های یادگیری ماشین بهینه تر و مناسب با اهداف زمان حقیقی[1] و به روز رسانی مداوم تولید می گردد. همچنین با رویکرد ارزیابی امنیت دینامیک و همچنین در نظر داشتن رویت پذیر بودن کامل شبکه، راهکاری برای جایابی بهینه PMU ها با بهره گیری از دسته کننده های DT و  SVM ارائه شده می باشد. به این شکل که از اطلاعات تمامی باس بارها به عنوان نماینده های نصب PMU برای آموزش DT و SVM بهره گیری می گردد و با در نظر داشتن تغییر خطای ایجاد شده در اثر ورود و یا خروج اطلاعات هر باس در ارتباط با بهترین مکان برای نصب PMU ها اظهار نظر می گردد.

این مطلب رو هم توصیه می کنم بخونین:   سمینار ارشد مهندسی برق الکترونیک: یک روش واترمارکینگ کور مقاوم با استفاده از چندی سازی فاصله

1-2 پیشینه ی پژوهش

مسئله ی پایداری سیستم های قدرت برای اولین بار در سال 1920 به عنوان یک مسئله ی مهم مطرح گردید]1[.  اولین نتایج آزمایشگاهی مطالعه پایداری در سال 1924 گزارش گردید]2[ و اولین نتایج مطالعه پایداری بر روی شبکه ی عملی در سال 1925 ارائه گردید]3 [. یک گام موثر در پیشرفت محاسبات وضعیت پایداری، توسعه ی تحلیل گر شبکه ای در سال 1930 بود. با شکل گیری سیستم های محرک با پاسخ سریعتر، ناپایداری گذرا در اولین سوئینگ محدود گردید و حدود انتقال توان حالت دائم افزایش پیدا نمود، اما در بعضی موردها موجب کاهش میرایی سوئینگ های توان می گردید، پس ناپایداری نوسانی به عنوان مسئله ی جدیدی مطرح گردید. این طریقه نیاز به مدلسازی ماشین های سنکرون و سیستم محرک با جزئیات بیشتر داشت. در اوایل دهه ی 1950، کامپیوترهای آنالوگ برای واکاوی چنین مسائلی بهره گیری گردید. اولین برنامه ی کامپیوتری دیجیتال برای واکاوی مسائل پایداری سیستم های قدرت در سال 1956 ارائه گردید. اکثر تلاشها و علاقه مندی ها مربوط به پایداری سیستم قدرت در دهه ی 1960 به پایداری گذرا اختصاص پیدا نمود. نتیجه ی این کوشش ها، ایجاد یک ابزار  قدرتمند برای آنالیزهای پایداری گذرا بود که قابلیت واکاوی شبکه های بسیار بزرگ و مدلهای با جزئیات زیاد داشت. اضافه بر این، با بهره گیری از تکنیک های تشخیص خطا با سرعت بالا و محرک های با پاسخ سریع و جبرانسازهای سری و امدادهای پایداری مخصوص، پایداری گذرا به طرز قابل توجهی بهبود پیدا نمود. گرایشات جدید در برنامه ریزی و عملکرد سیستم های قدرت مدلهای جدیدی از پایداری را مطرح کرده می باشد که باعث ایجاد تغییرات اساسی در مشخصه های دینامیکی شبکه های قدرت امروز شده می باشد. مدهای ناپایداری روز به روز پیچیده تر می شوند و نیاز به یک توجه جامع از تمامی جوانب پایداری دارد، پس اتخاذ روشهای کنترلی پیشگیرانه در این موردها بسیار ضروری می باشد.[4] در ادامه، تاریخچه روش های کلاسیک و روشهای جدید مطالعه پایداری، به تفکیک ارائه می گردد.

1-2-1 روش های کلاسیک:

یکی از روشهای  تشخیص پایداری گذرا، بهره گیری از شبیه سازی های حوزه ی زمان معادلات تفاضلی غیرخطی شبکه ی قدرت می باشد که اولین بار توسط Kundur مطرح گردید. در این رویکرد بایستی شبیه‌سازی های مرحله به مرحله در حوزه زمان انجام گردد که محاسبات سنگینی دارد و نیاز به اطلاعات دقیق راجع  به پیکربندی شبکه حین رخداد خطا و بعد از آن دارد، درنتیجه زمان بر می باشد و نمیتواند راهکار مناسبی در مسائل real-time باشد[4]. این موضوع دلیل اصلی عدم وجود ارزیابی امنیت سیستم (DSA)[2] بصورت online و در سطح وسیع در بسته EMS استاندارد بودن می باشد.[5]-[7].
روش‌های بر اساس توابع انرژی گذرا کمک کرده تا ارزیابی امنیت به صورت مستقیم و بدون نیاز به شبیه‌سازی حوزه زمان انجام گردد [8] . در یک راهکار پیشنهادی توسط Pai برای تشخیص پایداری بعد از یک رخداد، از تابع انرژی گذرا (TEF) بر پایه ی پایداری لیاپانف بهره گیری شده می باشد براین اساس که تفاوت انرژی جنبشی و پتانسیل در حین رخداد و پس از پاک شدن خطا محاسبه می گردد و با یک مقدار بحرانی از پیش تعیین شده مقایسه می گردد]9.[ بهره گیری از متد (EAC)[3] که بر همین اساس پایه ریزی شده و یک راه برای تشخیص پایداری سیستم های چند ماشینه می باشد، توسط  Ruiz-Vega وXue  مطرح گردید. از اصول این روش این می باشد که سیستم را با یک ماشین معادل که به باس بینهایت متصل شده می باشد، مدل می کند و دیگر نیازی به حل معادلات تفاضلی در حوزه زمان ندارد، اما تنها به مدل کلاسیک ژنراتور که فقط دینامیک مکانیکی ژنراتور را معادل سازی کرده می باشد، بسنده می ‌کند]10[و]11[. از معایب این روش، فرضیات ساده کننده بسیاری می باشد که وابسته به شرایط عملکردی سیستم می باشد و همواره پاسخ درستی ندارد. همچنین در این دیدگاه، فقط بخشی از مسئله یعنی پایداری اولین Swing و شرایط پایداری همیشگی در نظر گرفته می گردد. پس بسیار بعید به نظر می‌رسد که با این ابزار بتوان اثرات حوادث آبشاری، ناپایداری‌های ولتاژی سریع و چند Swing ای را ارزیابی نمود [6].
با در نظر داشتن روش های مذکور، در ارزیابی امنیت به صورت دینامیک می‌توان دو طریقه اصلی برای داشتن DSA سریع درنظر گرفت. اولی بهره گیری از توابع انرژی و تکنیک‌های تشخیص الگو برای رتبه‌بندی سریع و مشخص کردن شدت ناپایداری‌ها به صورتی که contingency‌ها گذرا سریعا حذف شوند و تنها تعداد اندکی از ناپایداری‌های شدیدتر که امکان ایجاد خطا در سیستم دارند، برای انجام عملیات بیشتر باقی بمانند[7]و[11-14]. دیدگاه دوم، تلاشی برای سرعت بخشیدن به شبیه‌سازی‌ها با جزئیات کامل و به صورت مرحله به مرحله برای همه contigncyها با بهره گیری از محاسبات چند پروسسوری می باشد. البته می‌توان دیدگاه سومی را بصورت تلفیقی از دو عملکرد بالا در نظر گرفت که به عنوان روش های هایبرید شناخته می شوند[15]،[16].
اخیرا نتایج بسیار بهتری با بهره گیری از روش‌های هایبرید بدست آمده که در آنها، شبیه‌سازی در حوزه زمان انجام شده و همه مدل‌ها با جزئیات حفظ شده‌اند و از فواید توابع انرژی نیز بهره گرفته می باشد. (EEAC)[4] یک روش می باشد که بر همین مبنا پایه ریزی شده می باشد و به صورت ترکیبی از شبیه سازیهای حوزه ی زمان وتوابع انرژی کار می ‌کند. گرچه از دقت کمتری نسبت به روشEAC برخوردار می باشد، اما از لحاظ محاسباتی کارآمدتر می باشد و همچنین حد پایداری را برای سیستم مشخص می ‌کند]17.[
در گذشته، برای ارزیابی امنیتonline  بر اساس data-mining از ویژگی­های حالت دائم[5] (SCADA-base) نظیر جریان خط و دامنه ولتاژ بهره گیری می‌گردید[8]. با روی کار آمدن سیستم‌های مانیتورینگ سطح وسیع[6]، بهره گیری از ویژگی‌های مبتنی بر پاسخ سطح وسیع پر رنگ گردید زیرا این ویژگی‌ها از اطلاعات دینامیک بدست آمده از فازورها بهره گیری کامل می‌کنند. در ادامه روش های مبتنی بر داده های دریافتی از PMU ها تبیین داده می گردد.

1- 2 –2 روش های جدید با بهره گیری از داده های PMU

واحد های اندازه گیری فازور در اواسط دهه ی 1980 معرفی شدند. از آن وقت به بعد هدف اندازه گیری متغیرهای ناحیه-گسترده در شبکه های قدرت با بهره گیری از PMU ها توجه بسیاری از محققان را در این زمینه برانگیخت و بهره گیری از اندازه گیری های واحد های اندازه گیری فازور تاثیر به سزایی در چگونگی ی کارکرد و کنترل سیستم های قدرت داشته می باشد]18[. PMU امکان اندازه گیری عملکرد دینامیک سیستم را به صورت زمان حقیقی، با بهره گیری از اندازه گیری متغیرهای اساسی مانند جریان و ولتاژ  فراهم می آورد که نیاز اساسی برای واکاوی پایداری سیستم از جهات مختلف نظیر واکاوی ولتاژonline ، ارزیابی پایداری حالت گذرا و مانیتورینگ، پیشگویی، کنترل و حفاظت نوسانات فرکانسی برای جلوگیری از فروپاشی سیستم قدرت می باشد]18-26[. با در نظر داشتن کاربردهای بسیار زیاد PMU ها در چند دهه ی اخیر توجه و مطالعات درمورد ی بهره گیری از این واحدهای اندازه گیری در ارزیابی پایداری و امنیت بیش از پیش مورد توجه قرار گرفته می باشد]27-31 [.
بر پایه ی داده های اندازه گیری شده از PMU ها، روش های متعددی برای ارزیابی انواع پایداری ارائه شده می باشد. به عنوان مثال در بحث پایداری ولتاژ می توان به بهره گیری از تکنیک های هوشمند همچون شبکه های عصبی تصریح نمود]32-34[. در این روش ها از شبکه عصبیradial basis function  و یا wavelet ها برای ارزیابی پایداری بهره گیری کرده می باشد. همچنین با بهره گیری از روش های مختلف کاهش حجم داده، ورودی های شبکه های عصبی تا حد امکان کاهش داده شده می باشد تا بتواند زمان آموزش این شبکه ها را کاهش دهد. از آنجا که آموزش و طراحی شبکه های عصبی معمولا یک فرآیند زمان بر می باشد، پس از روش های دیگر همچون درخت تصمیم گیری بیشتر بهره گیری می گردد.
در مقالات ]27-29[ یک روش on-line بر پایه ی درخت تصمیم گیری برای ارزیابی پایداری ولتاژ ارائه شده می باشد. به این شکل که سیستم را تحت شرایط کاری مختلف شبیه سازی می کند و با بهره گیری از متغیرهایی همچون توان راکتیو دو سر خطوط، جریان تزریقی به شاخه ها، دامنه ی ولتاژ ، زاویه  ی باس بارها که اطلاعات دریافتی و با تخمین زده شده از PMU هاست، وضعیت سیستم را ارزیابی می کند. همچنین از یک سری اطلاعات توپولوژیکی مانند محل رخداد خطا، موقعیت سوئیچ ها و … بهره گیری کرده و این داده ها را به عنوان ورودی یا پیش بین به درخت تصمیم گیری می دهد و از روی آن وضعیت پایداری را پیش بینی می کند.
از دیگر موضوعات ارزیابی امنیت، بحث امنیت دینامیک در شبکه های قدرت می باشد و پایداری گذرا به عنوان زیر مجموعه ای از این نوع پایداری شناخته می گردد. ارزیابی پایداری گذرا به صورت real time با بهره گیری از داده های PMU تقریبا از دهه ی 1990 شروع گردید]35[.  می توان گفت که Phadke از پیشگامان بهبود روش های  real-time  برای تشخیص پایداری سیستم های قدرت با بهره گیری از داده های PMU می باشد[35].  تحقیقات جدید تر نشان می دهد که تکنیک های یادگیری ماشین مانند شبکه های عصبی[7]، درخت تصمیم گیری، منطق فازی، کرنل بازگشتی و بردار ماشین های پشتیبان با بهره گیری از داده های PMUها برای ارزیابی امنیت دینامیک مفیدند.
در مقالات متعددی از تکنیک های هوشمند عصبی، فازی و یا ترکیب آنها در ارزیابی پایداری گذرا بهره گیری شده می باشد. به عنوان مثال در ]19[، با بهره گیری از یک سری داده دریافتی از شرایط کاری مختلف سیستم قدرت نمونه، یک شبکه فازی- عصبی دو لایه ای به صورت  off-lineآموزش داده می گردد. ورودی این شبکه یا همان پیش بین ها، بردارهای اندازه گیری از زوایای ژنراتورها، سرعت ژنراتورها و شتاب آنهاست. خروجی شبکه فازی-عصبی یک بردار دو وضعیتی نمایانگر وضعیت پایداری سیستم می باشد؛ به گونه ای که به وضعیت پایدار عدد 1 و به وضعیت ناپایدار عدد 0 نسبت می دهد. در]22[، از یک روش ترکیبی فازی و عصبی برای ارزیابی پایداری بهره گیری شده می باشد و با بهره گیری از  داده های PMU و شاخص هایی همچون چگالی طیف زاویه، فرکانس و ضرب داخلی آنها در حوزه ی فرکانس بهره گرفته می باشد.
مانند روش های real-time  تشخیص پایداری گذرای سیستم های قدرت، بهره گیری از درخت تصمیم گیری می باشد. این ایده آغاز توسط Wehenkel و همکارانش مطرح گردید]36[. در این روش شاخصه های مختلفی مانند زاویه فازوری، دامنه ولتاژ ،توان انتقالی و… به عنوان ورودی DT های آموزش دیده شده داده می گردد و سپس وضعیت پایداری سیستم تشخیص داده می گردد. از مزایای این روش دقت بالای تشخیص خطا با بهره گیری از داده های  PMUاست. در مقالات متعددی با بهره گیری از DT ها و یا ترکیب آنها با سایر دسته بندی کننده ها، انواع مختلفی از پیش بین ها ارائه شده می باشد]36-39[ .
در ]31[ از یک روش ترکیبی فازی و درخت تصمیم گیری برای ارزیابی پایداری بهره گیری شده می باشد و با بهره گیری از  داده های PMU شاخص هایی همچون چگالی طیف زاویه، فرکانس و ضرب داخلی آنها در حوزه ی فرکانس  و همچنین معیار زاویه و ولتاژ در حوزه زمان بهره گرفته می باشد. این شاخص ها به عنوان ورودی به DT داده شده می باشد و در نهایت با بهره گیری از حدود مرزی بدست آمده در DT ها قوانین فازی بهینه توسعه داده شده می باشد.
در روش درخت تصمیم گیری دسته جمعی یا جنگل های تصادفی[8]  که توسط  Samantarayو Kamwa ارائه گردید، با بهره گیری از داده های استخراج شده  از PMUها و پردازش آنها در حوزه ی زمان و فرکانس، شاخص هایی تولید می گردند و به عنوان ورودی برای آموزش جنگلهای تصادفی بهره گیری می شوند. RF ها ترکیب تعداد زیادی درخت پیشبین ناهمبسته هستند که هر کدام از آنها به مقادیر یک بردار تصادفی که به صورت مستقل نمونه برداری شده می باشد، وابسته می باشد. انتخاب تصادفی شاخص ها به عنوان مجموعه داده ی آموزش برای هر درخت خطایی تولید می کند که ناهمبسته می باشد و مقاوم تر نسبت به نویز خواهد بود. پس از آموزش دیدن تمامی درختان نوبت به پیش بینی از روی این جنگل ها می رسد. در پیش بینی دسته ای درختان، پیش بینی تمام تک درختان بایستی با هم ترکیب گردد. کلاسی که اکثریت درختان به آن رای بدهند، به عنوان پیش بینی دسته جمعی شناخته می گردد]40[.
همچنین می توان به مقالاتی در مورد چگونگی ارزیابی پایداری گذرا با بهره گیری از بردار ماشین های پشتیبان که توسط GomezوRajapakse  و همکارانش ارائه شده می باشد، تصریح نمود]41[و]42[. در یکی از این مقالات، با بهره گیری از دامنه ی ولتاژ بعد از رخداد خطا به عنوان ورودی به SVM، به پیش بینی مقاوم و دقیقی از وضعیت پایداری دست یافته اند. در مقاله ی دیگری آغاز ولتاژ های اندازه گیری شده با یک سری الگوی از پیش تعیین شده مقایسه می گردد و تابع عضویت فازی را می سازند، سپس این توابع عضویت به عنوان ورودی به SVM های آموزش دیده داده می شوند تا وضعیت پایداری را تشخیص دهند.
در این پایان نامه آغاز با داده های دریافتی از PMU ها و مطابق با پیش بین های مورد بهره گیری در مقالات ]27-29[، درخت تصمیم گیری برای شبکه های نمونه و عملی آموزش داده شده می باشد و امنیت استاتیکی ولتاژ ارزیابی شده می باشد. سپس با بهره گیری از داده های کاهش یافته با روش های PCA و correlation analysis درخت های بهینه ای آموزش داده شده و کارآمدی انها با درخت های آموزش دیده با داده های خام مقایسه گردیده می باشد، همچنین با محاسبه ی اندیس هایی همچون Profile Index  و Loading Index سیستم به زیر دسته هایی از نظر درجه امنیت تقسیم گردیده می باشد و حاشیه امنیت برای پایداری بدست آمده می باشد.
امنیت دینامیک در شبکه های قدرت نیز در این پایان نامه مطالعه شده می باشد، آغاز شاخص های WASI  به گونه ای که در مقاله]31[ به آن تصریح شده می باشد، یعنی بهره گیری از میانگین داده های PMU هایی که در هر ناحیه قرار گرفته اند و همچنین تعدادی شاخص دیگر که می توانند به عنوان ورودی برای آموزش تکنیک های هوشمند مفید باشد و بر اساس اندازه سیگنال ورودی در زمان وقوع خطا تعریف شده اند و در ]43 [آورده شده می باشد، محاسبه می شوند. این شاخص ها  به عنوان ورودی به درخت تصمیم گیری و  بردارهای ماشین پشتیبان داده شده می باشد تا امنیت شبکه را ارزیابی کنند. همچنین روش های کاهش داده بر روی این ورودی ها اعمال و تاثیر آنها در عملکرد تکنیک های هوشمند مطالعه گردیده می باشد. درنهایت با بهره گیری از تکنیک های هوشمند DT و SVM جایابی بهینه ی PMU ها با رویکرد امنیت دینامیک در شبکه قدرت صورت گرفته می باشد.
[1] Real- time
[2] – Dynamic Security Assessment
[3] equal area criterion
[4] Extended equal area criterion
steady-state[5]
Wide-Area Monitoring and Measurement Systems[6]
[7] Artificial neural network(ANN)
[8] Random forests(RFs)
(ممکن می باشد هنگام انتقال از فایل اصلی به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود اما در فایل دانلودی همه چیز مرتب و کامل می باشد)
تعداد صفحه : 124
قیمت : 14700 تومان

بلافاصله پس از پرداخت لینک دانلود فایل در اختیار شما قرار می گیرد

و در ضمن فایل خریداری شده به ایمیل شما ارسال می گردد.

پشتیبانی سایت :        ****       serderehi@gmail.com

دسته‌ها: مهندسی برق