پیش‌بینی هم‌زمان وقوع ناپایداری گذرا و ناپایداری ولتاژ کوتاه‌مدت در شبکه‌های قدرت با به‌کارگیری سیستم هوشمند پایش سراسری

عمده روش‌ها در تشخیص ناپایداری گذرا یا ناپایداری ولتاژ کوتاه‌مدت با این فرض است که یکی از این دو پدیده در شبکه حادث خواهد شد. این در حالیست که این دو پدیده به‌صورت هم‌زمان اما با غالب‌بودن یکی بر دیگری، بسته به نقطه کار سیستم و شرایط اغتشاش در شبکه بروز می‌کنند. در این مقاله، الگوریتمی جدید با هدف پیش‌بینی آنلاین و یکپارچۀ وضعیت پایداری گذرا و پایداری ولتاژ کوتاه‌مدت بعد از وقوع خطای اتصال کوتاه در سیستم قدرت معرفی شده است. در روش پیشنهادی، با به‌کارگیری سیستم هوشمند پایش سراسری، روند تغییرات دو متغیر انحراف فرکانس ((dfi­ و عدم تعادل توان ((dpi­ توسط شین های ژنراتوری که به عنوان شین های هوشمند دارای توان محاسباتی در نظر گرفته شده اند، بررسی شده و وقوع ناپایداری های گذرا (به هر دو حالت نوسان اول و یا چند نوسانه) و یا ولتاژ کوتاه مدت، به صورت زودهنگام پیش بینی می شود. عملکرد الگوریتم به‌منظور اعتبارسنجی روش پیشنهادی، روی چهار شبکه شامل تک‌ماشین متصل به شین بی‌نهایت، شبکۀ تک‌ماشین متصل به بار و شبکه‌های چندماشینه 39 و 118 شین ieee ارزیابی شده است. مطابق نتایج به‌دست‌آمده، الگوریتم پیشنهادی دارای دقت عملکرد کلی 99.5% در شرایط مختلفی همچون انواع خطاهای اتصال کوتاه، خطای اندازه‌گیری pmu، شرایط مختلف بهره‌برداری و تغییر توپولوژی است.

Concurrent Prediction of Transient and Short-term Voltage Instability in Power Systems Employing Intelligent Wide Area Measurement System

Most of the proposed methods for investigating the transient and shortterm voltage (STV) stability have assumed that only one of the two phenomena exists, i.e. either transient instability or STV instability. While these two phenomena exist simultaneously with one of them being dominant, according to the operating point of the system and disturbance condition. A unified online prediction method is presented in this paper to distinguish between the stable and unstable conditions. In the proposed method, by employing the intelligent wide area measurement system (IWAMS), the frequency deviation and the active power imbalance are calculated by the generation buses, which are considered as the intelligent generation buses (IGB). By tracking the trajectories of the frequency deviation and the active power imbalance and checking some simple defined rules, early prediction of both transient and STV instability can be achieved. In order to evaluate the performance of the proposed algorithm, the method has been tested on single machine infinite bus (SMIB) system, single machine load bus (SMLB) system, IEEE 39bus system and IEEE 118bus system. According to the obtained results, the proposed algorithm has the overall accuracy of 99.5% under symmetrical and asymmetrical faults, PMU measurement error, different operating points and topological changes.