ارزیابی قابلیت ضریب مشارکت ژنراتورها به منظور تعیین نوع نوسانات سیگنال کوچک سیستم قدرت با استفاده از روش های تحلیلی و پیش بینی همزمان آن ها با استفاده از شبکه عصبی

محمد حسین ولایتی، mohammad hossein velayati دانشگاه سمنان نیما امجدی، nima amjady 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, inter-area, 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 inter-area 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. سید احمد حسینی، seyyed ahmad hosseini 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, inter-area, 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 inter-area 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.

Abstract

پایداری زاویه ای سیگنال کوچک رتور که از آن به عنوان پایداری سیگنال کوچک نیز یاد می شود، یکی از مهمترین عوامل در برنامه ریزی و بهره برداری سیستم های قدرت است. این نوع از پایداری ها، در چهار حالت نوسانی شامل نوسانات درون ناحیه ای، بین ناحیه‎ای، کنترلی و پیچشی مورد بررسی قرار می گیرد. شناسایی و تفکیک رفتار چنین نوسان هایی می تواند در اِعمال رفتارهای کنترلی مانند تنظیم پارامترهای سیستم تحریک و پایدارساز سیستم قدرت به منظور کنترل و میرایی نوسان ها، 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 روش های تحلیلی مانند آنالیز مدال تعیین می گردند. در این مقاله، ابتدا با استفاده از روش های تحلیلی، قابلیت ضرایب مشارکت ژنراتورها در تعیین نوع نوسانات درون ناحیه ای و بین ناحیه‎ای سیستم قدرت بررسی شده و در ادامه از آنجاکه در اینگونه بررسی ها، استفاده از روش های مرسوم مانند آنالیز مدال، سخت و زمانبر است، با استفاده از یک روشی ترکیبی شامل روش انتخاب مؤلفه و شبکه عصبی pnn، ضریب مشارکت ژنراتورها و نوع نوسان سیستم قدرت در مد بحرانی، مورد پیش بینی 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 می باشد.