پیش‌بینی وضعیت پایداری ولتاژ با در نظر گرفتن تاثیر سیستم حفاظتی

در این مقاله، الگوریتمی نوین برای ارزیابی وضعیت پایداری ولتاژ دینامیکی سیستم های قدرت با در نظر گرفتن تاثیر سیستم حفاظتی ارائه می‌شود. این الگوریتم در شرایط وقوع اتصال‌کوتاه و عملکرد صحیح و یا ناصحیح سیستم حفاظتی که به‌ترتیب منجر به عملکرد سیستم قدرت در شرایط n1 و nk می‌شود، می‌تواند به دقت وضعیت پایداری ولتاژ را پیش‌بینی کند. برای این منظور، در این روش یک دسته ویژگی‌ مناسب ارائه می‌شود که بر اساس آن بانک داده مربوط به شرایطی که وقوع اغتشاش و عملکرد صحیح / ناصحیح سیستم حفاظتی منجر به ناپایداری ولتاژ می‌شود، تهیه خواهد شد. سپس با گروه‌بندی و کدگذاری این داد‌ه ها، ضمن آنکه حجم بانک داده‌ کاهش و سرعت اجرای الگوریتم افزایش چشم‌گیر می‌یابد، تاثیر خطاهای ناشی از تجهیزات اندازه‌گیری نیز تا حد امکان کاهش خواهد یافت. در نهایت، به کمک این بانک داده و شاخص جدیدی با نام fsi وضعیت پایداری سیستم در شرایط برخط به‌طور دقیق پیش‌بینی خواهد شد. نتایج حاصل از شبیه‌سازی‌های دینامیکی که در شبکه nordic32 اجرا شده، نشان می‌دهد که روش ارائه شده می‌تواند وقوع ناپایداری را چندین ثانیه تا چند دقیقه قبل از وقوع آن پیش‌بینی کند و فرصت کافی در اختیار اپراتورها برای اجرای اقدامات کنترلی مناسب قرار دهد.

The Prediction of Voltage Stability Status Considering the Impact of the Protection System

In this paper, a novel algorithm is proposed to evaluate the dynamic voltage stability of power systems considering the effect of the protection system. In short circuit occurrence and the correct or incorrect operation of the protection system, which leads to the operation of the power system in N1 and Nk conditions, respectively, this algorithm can accurately predict the voltage stability status. For this purpose, in this method a suitable feature set is presented, according to which a database will be prepared to record the conditions in which the disturbances and correct / incorrect operations of the protection system leading to voltage instability, occur. By grouping and encoding this data, while the size of the database decreases and the execution speed of the algorithm increases significantly, the effect of errors caused by the measuring equipment is also reduced as much as possible. Finally, with the help of this data set and a new index called FSI, the stability of the system in online conditions is accurately predicted. The results of dynamic simulations performed on the Nordic32 network show that the proposed method can predict the instability occurrence several seconds to a few minutes in advance and thus provide ample opportunity for the system operators to implement appropriate control measures.