تقويت پدافند غيرعامل شبكه‌هاي‌ برق با پيش‌بيني ميرايي، نوع و محل نوسانات سامانه قدرت

Enhancing Passive Defence of Power System Networks Using Prediction Damping, Type and Location of Power Systemʹʹs Oscillations

مبحث پدافند غير عامل در صنعت برق را مي‌توان از جنبه‌هاي گوناگون شامل اجرايي، مطالعاتي و بهره‌برداري، مورد بررسي قرار داد. برنامه‌ريزي و بهره‌برداري صحيح از سامانه‌هاي قدرت، به عنوان يك عامل پدافندي، تحت تاثير عوامل مختلفي از جمله پايداري زاويه‌اي اغتشاش كوچك ژنراتورها مي‌باشد. اين نوع از پايداري‌ها معمولاً در دو حالت نوساني شامل نوسانات درون ناحيه‌اي و بين‌ناحيه‎اي مورد بررسي قرار مي‌گيرند. از آنجا كه بررسي اين اتفاقات با استفاده از روش‌هاي مرسوم مطالعات پايداري سخت و پيچيده است، در اين مقاله ميرايي مد بحراني سامانه با استفاده از شبكه عصبي مورد پيش‌بيني قرار گرفته و در ادامه شاخصي مبتني بر ضريب مشاركت متغير حالت غالب ژنراتورها به منظور تعيين نوع و محل نوسانات سامانه قدرت در مد بحراني معرفي شده و سپس با استفاده شبكه عصبي پيش‌بيني شده است. روش پيشنهادي، اطلاعات بهره‌برداري سامانه قدرت در شرايط عادي و اضطراري را با دقت و سرعت بالايي در اختيار بهره‌برداران شبكه براي بهره‌برداري مناسب از آن قرار مي‌دهد.

Proper planning and operation of power system as a defence issue, is affected by several factors such as small signal rotor angle stability of generators. This type of stabilities are usually studied in two oscillatory modes including local and inter-area oscillations. Since the study of these events by using conventional methods of stability is difficult, in this paper, index-based participation factor of generators in the dominant mode is introduced and then type and location of the oscillations of power system are predicted by the neural network. In addition, the damping of the critical mode is predicted using neural network. Moreover, capability of the proposed method is evaluated by considering the effect of static load models and noisy data. The proposed method gives appropriate information of power system to the network operators in the normal and emergency conditions with high accuracy and speed.