پیش‌بینی هوشمند ناپایداری گذرا پس از وقوع اغتشاش با استفاده از سیستم اندازه‌گیری ناحیه گسترده

در این مقاله حل مسئله پیش‌بینی ناپایداری گذرا پس از یک اغتشاش با استفاده از سیستم اندازه‌گیری ناحیه گسترده مدنظر است. در طرح ارائه‌شده، ابتدا با استفاده از اندازه فازورهای ولتاژ دریافتی از سوی واحدهای اندازه‌گیری فازور، لحظه وقوع اغتشاش تشخیص داده می‌شود. در مرحله دوم، مبتنی بر داده‌های ارسال‌شده پس از وقوع اغتشاش شامل اندازه فازور ولتاژ، فرکانس و مشتق فرکانس، تصمیم اولیه در خصوص وضعیت پایداری گذرا توسط سه طبقه‌بندی‌کننده از قبل آموزش داده‌شده ماشین بردار پشتیبان به‌صورت مجزا صورت می‌پذیرد. در پایان، سه تصمیم اولیه با استفاده از روش بیز، ترکیب و تصمیم نهایی در خصوص وضعیت پایداری گذرا اعلام می‌گردد. طرح مذکور بر روی شبکه استاندارد 39 باسه ieee پیاده‌سازی شده است. نتایج نشان می‌دهند الگوریتم پیشنهادی قادر به پیش‌بینی ناپایداری گذرا در مدت زمان کمتر از سه سیکل پس از وقوع اغتشاش و با دقت قابل‌قبول در شرایط حضور و عدم حضور نویز در داده‌های واحدهای اندازه‌گیری فازور است.

Intelligent PostDisturbance Transient Instability Prediction using Wide Area Measurement System

In this paper, the solution of the postdisturbance transient instability prediction problem using the wide area system is considered. In the proposed scheme, at first, the disturbance initiation is detected based on the magnitudes of voltage phasors received from phasor measurement units (PMUs). In the second step, a primary assessment of the transient stability is made according to the postdisturbance magnitudes of voltage phasors, frequency, and differential frequency and by three trained support vector machines (SVMs) classifiers, separately. Finally, the outputs of the classifiers are combined employing the Naive Bayes (NB) algorithm to make the final decision. The proposed algorithm was implemented on the IEEE New England 39bus system. According to the results obtained, proposed algorithm can predict the transient instability as early as three cycles after the disturbance initiation using noisefree and noisy PMU data.