Spannungsstabilitätsbewertung und –regelung elektrischer Netze mit Computational Intelligence

Dateibereich 26570

2,10 MB in einer Datei, zuletzt geändert am 05.04.2011

Dateiliste / Details

DateiDateien geändert amGröße
Nakawiro_Worawat_Diss.pdf05.04.2011 14:05:562,10 MB
Das Ziel dieser Dissertation ist die Entwicklung einer integrierten und effektiven Umgebung für die Stabilitätsbewertung und -regelung mit Hilfe von Computational Intelligence. Eine auf künstliche neuronale Netze (KNN) basierende Methode wurde entwickelt, zum Bewerten der Spannungsstabilitätsgrenze in Echtzeit. Diese wird verwendet um angemessen zu regeln. Diese KNN Methode liefert zuverlässige Abschätzungen für beliebige Netzzustände. Eine neue Methode zum Erzeugen von Trainingssets wurde in dieser Arbeit entwickelt, um die KNN zu trainieren. In dieser wurden die Zusammenhänge von unterschiedlichen Lastzuständen und verschiedenen Reglereinstellungen berücksichtigt. Ein weiterer Schwerpunkt dieser Arbeit ist die Entwicklung eines Black-Box Optimierungsalgorithmus mit möglichst geringer Benutzerkommunikation. Dieser Algorithmus soll in der Lage sein, praktische Optimierungen durchzuführen, mit komplexen Kostenstrukturen, gemischt ganzzahligen Variablen und einer großen Zahl von Randbedingung. Dazu wurde JADE, eine adaptive differential evolution Technik, erweitert zu JADE-vPS, um unterschiedlich große Populationen behandeln zu können. Dieser Algorithmus ist in der Lage nur mit den Randbedingungen eine Aufgabe zu optimieren, ohne weitere Benutzereingaben. Die Ergebnisse für Benchmarkfunktionen ohne Randbedingungen sind sehr erfolgversprechend. Für die Spannungsstabilität, beschrieben durch den optimalen Lastfluss, sind die Ergebnisse von JADE-vPS besser als von anderen betrachteten Algorithmen, in Bezug auf Robustheit und Qualität der Ergebnisse. Die abschließenden Untersuchungen fokussieren auf die Abschätzung der Fitness in rechenintensiven Optimierungsproblemen. Für einige Problemstellungen wird der Zusammenhang von Eingangsvariablen und Systemzustand durch eine zeitintensive Prozedure bestimmt, wie z.B. numerische Integration. In Evolutionstechniken müssen diese Berechnungen sehr häufig wiederholt werden. Daraus resultiert ein sehr langsamer Prozess, ungeeignet für Echtzeitanwendung. In dieser Arbeit werden einige Modelle vorgestellt die KNN verwenden um die Stabilitätsgrenze anzunähern, während des Optimierens der Regelungsvariablen unter Verwendung von Blindleistung als Randbedingung.
Lesezeichen:
Permalink | Teilen/Speichern
Dokumententyp:
Wissenschaftliche Abschlussarbeiten » Dissertation
Fakultät / Institut:
Fakultät für Ingenieurwissenschaften » Elektrotechnik und Informationstechnik » Elektrische Anlagen und Netze
Dewey Dezimal-Klassifikation:
600 Technik, Medizin, angewandte Wissenschaften » 620 Ingenieurwissenschaften
Stichwörter:
Voltage Stability, Computational Intelligence
Beitragende:
Prof. Dr.-Ing. habil. Erlich, István [Betreuer(in), Doktorvater]
Prof. Dr. Van Cutsem, Thierry [Gutachter(in), Rezensent(in)]
Sprache:
Englisch
Kollektion / Status:
Dissertationen / Dokument veröffentlicht
Datum der Promotion:
03.02.2011
Dokument erstellt am:
05.04.2011
Promotionsantrag am:
14.09.2010
Dateien geändert am:
05.04.2011
Medientyp:
Text