ایران ترجمه – مرجع مقالات ترجمه شده دانشگاهی ایران

تخمین حالت سیستم قدرت: تئوری و پیاده سازی – فصل ۶

تخمین حالت سیستم قدرت: تئوری و پیاده سازی – فصل ۶

تخمین حالت سیستم قدرت: تئوری و پیاده سازی – فصل ۶ – ایران ترجمه – Irantarjomeh

 

مقالات ترجمه شده آماده گروه برق – الکترونیک

مقالات ترجمه شده آماده کل گروه های دانشگاهی

مقالات رایگان

مطالعه ۲۰ الی ۱۰۰% رایگان مقالات ترجمه شده

۱- قابلیت مطالعه رایگان ۲۰ الی ۱۰۰ درصدی مقالات ۲- قابلیت سفارش فایل های این ترجمه با قیمتی مناسب مشتمل بر ۳ فایل: pdf انگیسی و فارسی مقاله همراه با msword فارسی  

چگونگی سفارش

الف – پرداخت وجه بحساب وب سایت ایران ترجمه (شماره حساب) ب- اطلاع جزئیات به ایمیل irantarjomeh@gmail.com شامل: مبلغ پرداختی – شماره فیش / ارجاع و تاریخ پرداخت – مقاله مورد نظر
مقالات ترجمه شده آماده گروه برق - الکترونیک - ایران ترجمه - Irantarjomeh

 

شماره
۱۲۰
کد مقاله
ELC120
مترجم
گروه مترجمین ایران ترجمه – irantarjomeh
نام فارسی
تخمین حالت سیستم قدرت: تئوری و پیاده سازی – فصل ۶
نام انگلیسی
Power System State Estimation: Theory and Implementation – Chapter 6
تعداد صفحه به فارسی
۶۱
تعداد صفحه به انگلیسی
۳۲
کلمات کلیدی به فارسی
تخمین حالت, سیستم قدرت, تئوری, پیاده سازی
کلمات کلیدی به انگلیسی
Power System, State Estimation, Theory, Implementation
مرجع به فارسی
علی ابور، دانشگاه A&M تگزاس، کالج استیشن، تگزاس، ایالات متحده؛ آنتونیو گومز اکسپوزیتو، دانشگاه سویل، اسپانیا
مرجع به انگلیسی
Ali Abur, Texas A&M University, College Station, Texas, USA; Antonio Gomez Exposito, University of Seville, Spain
قیمت به تومان
۲۲۰۰۰
سال
۲۰۰۴
کشور
ایالات متحده
تخمین حالت سیستم قدرت
تئوری و پیاده سازی
 
فصل ۶
 
علی ابور، دانشگاه A&M تگزاس، کالج استیشن، تگزاس، ایالات متحده
آنتونیو گومز اکسپوزیتو، دانشگاه سویل، اسپانیا
۲۰۰۴
فصل ۶
تخمین حالت مقاوم
۱-۶٫ مقدمه
یکی از دلایل استفاده از تقریب گر حالت شناسایی، تعیین و حذف خطاهایی می باشد که ممکن است در امر اندازه گیری، مدل شبکه یا پارامترهای آن به وجود آید. در صورتی که حالت تقریب، در برابر انحرافات اصلی، در تعداد محدودی از کمیت های حشو بدون حساسیت باقی ماند، تقریب گر مربوطه از نقطه نظر آماری مقاوم / استوار فرض می شود. متاسفانه، حصول این استواری در ارتباط با این مبحث  غالبا  به  بهای  پیچیدگی  محاسباتی  تمام خواهد شد. موضوع برآورد مقاوم / استوار یک مبحث کاملا گسترده بوده و ویژگیهای مرتبط با آن در چندین کتاب و مقاله مورد بحث قرار گرفته است.
هدف این فصل ارائه برخی از مسائل مربوط به پارامتر استواری و ویژگیهیا مقاوم در تخمین حالت سیستم قدرت و ارائه روش های تخمین جایگزینی می باشد که در مقایسه با تقریب گر حداقل مربعات موزون (WLS)، که تاکنون بتفصیل مورد بحث قرار گرفته است، از استواری بیشتری برخوردار باشد.
مشکل تخمین حالت WLS برمبنای برخی از فرضیه ها در ارتباط با خطاهای اندازه گیری فرمول بندی می شود. این خطاها به عنوان متغیرهای تصادفی مستقل به شمار می آیند که بر حسب توزیع گاوسی با میانگین صفر و واریانس شناخته شده توزیع شده اند. واریانس های خطای تخمین بر مبنای دقت رویه سنجشی مفروض و / یا داده های قبلی در زمینه خطاهای اندازه گیری انتخاب شده اند. با این وجود، احتمال وقوع برخی از خطاهای ناخالص و بزرگ مقطعی به واسطه نویز یا بروز مشکل در ویژگی های دورسنجی مختلف وجود دارد. پردازش پس- تخمین باقیمانده های این برآورد به منظور تشخیص و مشخص نمودن مقادیر دورافتاده در اندازه گیری ها در فصل ۵ مورد بحث قرار می گیرد. علاوه بر این ممکن است با دیگر انواع این مقادیر دورافتاده، با احتمال وجود یا عدم وجود داده های بد، نیز سروکار داشته باشیم که کاملا بر روی حالت تخمینی تاثیر گذار خواهند بود. علیرغم وجود انواع مختلف مقادیر دورافتاده، انتظار می رود که تقریب گر های مقاوم ناسودار باقی مانند.
۶-۲٫ ویژگی های استواری و نقاط فروریزش
استواری یا حالت مقاوم یک تقریب گر را می توان از طریف مفهوم نقطه فروریزش نمونه محدود مورد ارزیابی قرار داد [۲]. بر این مبنا، مجموعه ای از اندازه گیری ها را در نظر بگیرید
۶-۳٫ دور افتاده ها و نقاط اهرمی
مدل اندازه گیری خطی ذیل را در نظر بگیرید:
۶-۳-۱٫ مفهوم نقاط اهرمی
اجازه دهید مدل رگرسیون خطی ساده را مجددا ملاحظه نماییم.:
۶-۳-۲٫ شناسایی اندازه گیری اهرمی
مقدار مورد انتظار iامین المان قطری K را می توان به شرح ذیل مشخص ساخت:
۶-۴٫ تقریب گرهای M
مفهوم تقریب گر – M در ابتدا بوسیله هابر [۱] برای انجام تخمین مقاوم مرکز یک توزیع ارائه شد و متعاقبا به رگرسیون نیز تعمیم داده شد. بطور کلی، یک تقریب گر – M در حقیقت یک تقریب گر حداکثر درست نمایی می باشد. این مورد قابلیت کاهش یک تابع هدف، که بعنوان تابع باقیمانده های اندازه گیری  بیان شده است، را خواهد داشت که در ارتباط با محدودیت های داده شده بوسیله معادلات اندازه گیری می باشد:
۶-۴-۱٫ تقریب بوسیله روش نیوتن
مشکل بهینه سازی که بوسیله (۶-۲۲ الی ۶-۲۳) تعریف شده است را در نظر بگیرید:
۶-۴-۲٫ تخمین حداقل مربعات با وزن مجدد تکراری
یک جایگزین برای الگوریتم راه حل نیوتنی فوق الذکر بکارگیری یک روش حداقل مربعات تکراری با وزن مجدد (IRLS) می باشد، که در آن از کاربرد ماتریس  اجتناب می شود. یک مورد کاربرد روش IRLS برای تقریب تعمیم یافته – M شواپه – هاپر (SHGM) در مرجع [۸] نشان داده شده است، که در آن تقریب گر SHGM بعنوان یک تقریب گر مقاوم توسعه یافته و نه تنها قابلیت توقف داده های بد در اندازه گیری های متعارف را خواهد داشت، بلکه قابلیت اجتناب از تاثیر هر گونه نقاط اهرمی موجود به هنگامی که اقدام به حمل داده های بد می نمایند را نیز خواهد داشت. این  امر از طریق یک طرح وزن دار مجدد که متعاقبا خلاصه می شود اعمال می گردد.
۶-۵٫ تقریب کمترین قدر مطلق (LAV)
در مورد تقریب گر LAV این مورد را می توان نشان داد که چنین مشکلی را می توان بعنوان یک مشکل برنامه نویسی خطی (LP) فرمول بندی نمود، که در مقابل می توان آن را از طریق کاربرد یکی از روش های کاملا توسعه یافته راه حل LP حل نمود. ارتباط بین مشکل تقریب LAV و برنامه نویسی خطی در ابتدا در مرجع [۱۰] مشخص شده است. پیاده سازی مبتنی بر – LP تقریب LAV حالات سیستم قدرت نیز در ابتدا در مراجع [۱۱] و [۱۲] مورد بررسی قرار گرفته است.
۶-۵-۱٫ رگرسیون خطی
اجازه دهید تا مدل رگرسیون خطی ذیل را مدنظر قرار دهیم:
۶-۵-۲٫ تقریب LAV بعنوان یک مشکل LP
این مورد را می توان نشان داد که مشکل تقریب LAV  ارائه شده در (۶-۵۱) – (۶-۵۲)  را  می توان بعنوان یک مشکل برنامه نویسی خطی (LP) فرمول بندی نموده و آن را با استفاده از یکی از روش های به خوبی جاافتاده LP حل نمود. ما در ابتدا فرمول بندی مشکل تقریب LAV در محدوده یک چارچوب LP استاندارد را ملاحظه می کنیم و سپس دو الگوریتم راه حل مختلف را عرضه می نماییم که یکی از آنها مبتنی بر روش سیمپلکس و دیگری مبتنی بر روش نقطه داخلی است.
۶-۵-۳٫ الگوریتم مبتنی بر سیمپلکس
چندین نوع از روش شناخته شده سیمپلکس جهت حل مشکلات LP را می توان در مبحث تخمین LAV بکار گرفت. در خصوص بکارگیری روش سیمپلکس، ساختار خاص مشکل تخمین LAV را می توان برای کارایی محاسباتی مورد بررسی قرار داد. این مورد را می توان در مراحل آغازین و بهینه سازی حقیقی الگوریتم مدنظر قرار داد. با جایگزینی (۶-۲۸) در (۶-۲۲) مشکل تقریب LAV را می توان به شرح ذیل بیان داشت:
 بهینه سازی تکراری
راه حل سیمپلکس را می توان از طریق کاربرد قواعد سیمپلکس دنبال نمود [۲۱] که در آن اقدام به تبادل ستون های B و D گردیده تا آنکه بیش از این قابلیت حصول کاهش در تابع هدف وجود نداشته باشد. در طی اولین n تکرار سیمپلکس، انتخاب ستون ها جهت ورود مبانی یا مبنای خاص می بایست محدود به ستون های متناظر با متغیر های حالت  و  باشد. در صورتی که چنین ستون هایی جهت ورود این موارد در هر زمان در طی تکرارهای اولیه n وجود نداشته باشد، متعاقبا این مورد در بردارنده این نکته خواهد بود که بردار ناشناخته کامل  را نمی توان با استفاده از مجموعه های مشاهدات ارائه شده مورد ارزیابی و تخمین قرار داد، یعنی آنکه سیستم غیر قابل رویت خواهد بود.
۶-۵-۴٫ الگوریتم نقطه داخلی
یک روش جدید برای حل مشکلات LP بوسیله N.K. Karmarka در سال ۱۹۸۴ ارائه شد [۱۴]. متغیرهای متعدد الگوریتم اصلی Karmarkar [۱۵] پس از آن توسعه یافتند. جمع آوری این روش ها تشکیل دهنده مشخصه ای می باشد که در این مبحث تحت عنوان روش های نقطه داخلی برای برنامه نویسی خطی خوانده می شود. ویژگی متمایز این روش ها همانگونه که با روش سیمپلکس مقایسه شده است، راهکاری می باشد که برمبنای آن می توان به راه حل دست یافت. در حالی که در روش سیمپلکس، نقاط اکستریم ناحیه محتمل در امتداد با ویژگی های خارجی آن ردیابی و دنبال می شوند، روش های نقطه داخلی صرفا دنبال کننده یک مسیر داخلی به سمت ناحیه محتمل خواهد بود. این روش ها بطور موفقی در زمینه راه حل مشکل تقریب حالت LAV سیستم قدرت بکار گرفته شده اند و جزئیات اجرایی آنها را می توان در مراجع [۲۲، ۲۳ و ۲۴] یافت. تنها روش تابع مانع لگاریتمی اولیه [۲۲] بعنوان یک مثال در اینجا مورد بررسی قرار می گیرد.
۶-۶٫ مباحث
کلیه تقریب گرها که در این فصل مورد بررسی قرار گرفته اند دارای درجات خاصی از استواری در برابر داده های بد در اندازه گیری می باشند. وجود نقاط اهرمی، حشو اندازه گیری محلی، وزن های مرتبط با اندازه گیری ها و شبکه و همچنین پیکربندی اندازه گیری همگی نقش قابل توجهی در عملکرد این تقریب گرها خواهند داشت. بعلاوه، پیاده سازی این تقریب گرهای مختلف نیازمند الگوریتم های راه حل مختلفی می باشد. با این وجود، با نگاه (۶-۳۹) مرتبط با QC، QL، SR با استفاده از روش های نیوتن، (۶-۴۷) SHGM با استفاده از روش حداقل مربعات وزن دار مجدد تکراری و  (۶-۹۵) مرتبط با  LAV  با استفاده از روش نقطه داخلی،  می توان مشاهده نمود که کلیه معادلات راه حل تکراری دارای شکل یا قالب معادلات «نرمال» استفاده شده در تخمین حداقل مربعات وزنی می باشند. وزن های موثر اندازه گیری ها و بردار طرف سمت راست را می بایست به طرق مختلفی، منوط به روش انتخابی، به روز رسانی کرد. بنابراین، کلیه تکنیک محاسباتی که برای مشکل تخمین WLS توسعه یافته اند را می توان بطور موثری در پیاده سازی این تقریب گرها نیز بکار برد.
لطفا به جای کپی مقالات با خرید آنها به قیمتی بسیار متناسب مشخص شده ما را در ارانه هر چه بیشتر مقالات و مضامین ترجمه شده علمی و بهبود محتویات سایت ایران ترجمه یاری دهید.
تماس با ما

اکنون آفلاین هستیم، اما امکان ارسال ایمیل وجود دارد.

به سیستم پشتیبانی سایت ایران ترجمه خوش آمدید.