ارزیابی قابلیت ضریب مشارکت ژنراتورها به منظور تعیین نوع نوسانات سیگنال کوچک سیستم قدرت با استفاده از روش‌های تحلیلی و پیش‌بینی همزمان آن‌ها با استفاده از شبکه عصبی

پایداری زاویه‌ای سیگنال کوچک رتور که از آن به عنوان پایداری سیگنال کوچک نیز یاد می‌شود، یکی از مهمترین عوامل در برنامه‌ریزی و بهره‌برداری سیستم‌های قدرت است. این نوع از پایداری‌ها، در چهار حالت نوسانی شامل نوسانات درون ناحیه‌ای، بین‌ناحیه‎ای، کنترلی و پیچشی مورد بررسی قرار می‌گیرد. شناسایی و تفکیک رفتار چنین نوسان‌هایی می‌تواند در اِعمال رفتارهای کنترلی مانند تنظیم پارامترهای سیستم تحریک و پایدارساز سیستم قدرت به منظور کنترل و میرایی نوسان‌ها، مورد استفاده قرار بگیرد. یکی از ابزارهای مرسوم در بررسی اینگونه نوسانات، فرکانس مدهای بحرانی سیستم و ضرایب مشارکت ژنراتورها در این مدها است که با استفاده از روش‌های تحلیلی مانند آنالیز مدال تعیین می‌گردند. در این مقاله، ابتدا با استفاده از روش‌های تحلیلی، قابلیت ضرایب مشارکت ژنراتورها در تعیین نوع نوسانات درون ناحیه‌ای و بین‌ناحیه‎ای سیستم قدرت بررسی شده و در ادامه از آنجاکه در اینگونه بررسی‌ها، استفاده از روش‌های مرسوم مانند آنالیز مدال، سخت و زمانبر است، با استفاده از یک روشی ترکیبی شامل روش انتخاب مولفه و شبکه عصبی pnn، ضریب مشارکت ژنراتورها و نوع نوسان سیستم قدرت در مد بحرانی، مورد پیش‌بینی قرار خواهد گرفت. مزیت روش پیشنهادی، دقت و سرعت بالای محاسبات و همچنین تعیین همزمان نوع نوسانات و میزان مشارکت متغیر حالت غالب ژنراتورهای سیستم در مد بحرانی می‌باشد.

Evaluation of Generators' Participation Factor Capability to Identify the Small Signal Oscillations Type of Power System using Analytical Method and Simultaneous Prediction by Neural Network

The small signal rotor angle stability which is called the small signal stability is an important issue in planning and operation of power systems. This type of stability is analyzed in four categories which include local, interarea, control and torsional oscillations. Identification and segregation of these oscillations behavior can be used for applying control actions such as excitation system and power system stabilizer parameters tuning in order to control the oscillations damping. Determining the frequency of the system's critical modes and participation factors of the generators in these modes are one of the conventional methods for analyzing these oscillations which are calculated using analytical methods such as modal analysis. In this paper, capability of the generators' participation factor for determining the interarea and local oscillations are studied at first by means of analytical methods. Conventional methods (e.g., modal analysis and time–domain simulations) are challenging and time consuming tasks. Thus, the generators' participation factor and power system oscillations type in the critical mode are predicted using a hybrid method containing a feature selection and probabilistic neural network (PNN) part. The advantage of the proposed method is the accuracy, fast calculations, simultaneous prediction of oscillations type and their participation in the dominant state variable of the generators in the critical modes.