الگوریتم جدید به منظور پیش‌بینی سریع وضعیت پایداری زاویه‌ای گذرا در سیستم‌های قدرت

در این مقاله روشی نوین برای پیش‌بینی وضعیت پایداری زاویه‌ای گذرا بدون استفاده از اطلاعاتِ پس از پاک شدن خطا ارائه شده است. با توجه به اینکه این الگوریتم از اطلاعات اندازه‌گیری شده پیش از پاک شدن خطا استفاده می‌کند، قابلیت پیش‌بینی سریع وضعیت پایداری را دارد و لذا فرصت مناسب برای اپراتورها و/یا سیستم‌های حفاظت ویژه جهت اجرای اقدامات اصلاح‌کننده به‌موقع به‌منظور جلوگیری از وقوع ناپایداری و مقابله با حملات خرابکارانه فراهم می‌کند. در این روش، اندازه‌گیری‌های انجام‌شده توسط واحد‌های ‌اندازه‌گیری ‌فازور به‌عنوان ورودی به الگوریتم اعمال می‌شوند تا ویژگی‌های پیشنهادشده محاسبه و سپس به یک طبقه‌بندی‌کننده (درخت‌ تصمیم‌گیری یا ماشین‌بردار پشتیبان) اعمال گردند تا وضعیت پایداری پیش‌بینی شود. نتایج شبیه‌سازی‌ها در شبکه‌هایieee14bus ، ieee39bus، و 16machine(68bus) و مقایسه آنها با روش‌های پیشین نشان می‌‌دهد که این الگوریتم، ضمن استفاده از واحدهای اندازه‌گیری ‌فازور کمتر، با دقت بالاتری وضعیت پایداری زاویه‌ای را پیش‌بینی می‌کند و ابزار مناسبی جهت تشخیص وضعیت امنیت است.

A Novel Approach for Fast Prediction of Transient Angle Stability Status in Power Systems

In this paper a novel approach is proposed to predict transient angle stability status without using postfault data. Since this algorithm uses data measured before the fault clearance, it has the ability to quickly predict the stability status and hence, it provides proper opportunity for system operators and/or special protection systems to implement timely corrective actions to prevent instability and confront malicious attacks. In this method, those measurements provided by Phasor Measurement Units (PMUs) are applied as input to the algorithm to calculate the proposed feature set and apply them to a classifier (Decision Tree or Support Vector Machine) in order to predict the stability status. The results of simulations performed in IEEE 14bus, IEEE 39bus, and 16Machine (68bus) test systems and comparison of them with previous ones reveal that although the proposed method requires less PMUs, it can predict the stability status more accurately and is an appropriate tool to assess the system security.