پیش بینی حاشیه پایداری ولتاژ با استفاده از رویکرد ماشین یادگیری

نوع: Type: پایان نامه

مقطع: Segment: کارشناسی ارشد

عنوان: Title: پیش بینی حاشیه پایداری ولتاژ با استفاده از رویکرد ماشین یادگیری

ارائه دهنده: Provider: نیما صفرخانی - مهندسی برق

اساتید راهنما: Supervisors: دکتر صالح رازینی - دکتر محمد امین قاسمی

اساتید مشاور: Advisory Professors:

اساتید ممتحن یا داور: Examining professors or referees: دکتر علیرضا حاتمی و دکتر محسن حسن بابای نوزادیان

زمان و تاریخ ارائه: Time and date of presentation: ساعت 12 - 1403/12/20

مکان ارائه: Place of presentation: دپارتمان مهندسی برق کلاس 33

چکیده: Abstract: در این تحقیق از چندین روش یادگیری ماشین برای تخمین حاشیه بارگذاری بر اساس روش های رگرسیون و همچنین شاخص های پایداری ولتاژ استفاده می شود. سناریو های مختلفی برای تغییرات بار و دامنه ی ولتاژ ژنراتورها در نظر گرفته می شود. از شرایط بهره برداری مختلف شبکه پخش بار گرفته می شود و شاخص های پایداری و حاشیه بارگذاری برای شرایط متفاوت بهره برداری محاسبه می شود. این تحقیق یک رویکرد یادگیری ماشین برای پیش بینی حاشیه پایداری ولتاژ بلند مدت ارائه می کند. ویژگی تکنیک پیشنهادی استفاده از شاخص های پایداری ولتاژ های مختلف به عنوان ورودی به مجموعه ای از مدل های یادگیری ماشین است. همچنین این تحقیق یک روش برای تولید داده های آموزشی تحت شرایط عملیاتی مختلف و موارد احتمالی N-1 برای آموزش مدل های یادگیری ماشین ارئه می دهد. ورودی‌ ها و خروجی‌ های مدل، به ترتیب مقادیر فازورهای ولتاژ و شاخص حاشیه پایداری ولتاژ هستند. بهترین الگوریتم یادگیری ماشین و دسته های ورودی VSIs از طریق یک مطالعه مقایسه ای انتخاب میشوند. این مطالعات برروی یک سیستم IEEE 39 Bus انجام شده و نتایج نشان می دهد که بهترین عملکرد برای روش شبکه عصبی مصنوعی بدست می آید.