دانلود ترجمه مقاله بهبود پروفایل سازی بار برای مشتریان شبکه مسکونی

1. مقدمه 2. بارهای مسکونی 3. وضعیت AMI/AMR 4. الزامات پروفایل سازی بارهای مسکونی 5. طراحی مدل بار 6. پروفایلهای بار مسکونی تعلیم دیده 7. نتایج و ملاحظات عملی 8. نتیجه گیری

چکیده – پیش بینی مشخصه های بار برروی مدارهای فشار ضعیف، یکی از زمینه هایی است که باعث افزایش توجه برای «بهره برداران شبکه توزیع» با عدم قطعیت عمدتاً ناشی از اعتبار پروفایل های بار خانگی می باشد. شناسایی رفتار مشتری برروی یک فیدر LV، اطمینان می دهد که قیدهای حرارتی و ولتاژ تحمیل شده بروی زیرساخت شبکه، مناسب می باشند؛ مدل سازی این رفتار بسیار دینامیک نیاز به ابزار دخیل کردن نویز تحمیل شده از طریق نوسانات سبک زندگی و شرایط آب و هوایی دارد. افزایش نفوذ تولید پراکنده ممکن است این وضعیت را با ریسک پخش توان معکوس برروی یک شبکه با اتوماسیون ترانسفورماتور، بدتر کند. نصب کنتور هوشمند، دیدگاه قبلاً مبهم در مورد استفاده از برق خانگی را با فراهم کردن داده های پیشرفته دقت بالا، واضح تر می کند؛ درحالی که در اکثر موارد، این کار از لحاظ تاریخی، نه بلادرنگ، سطحی از جزئیات را ممکن می سازد که قبلاً حاصل نشده بود. تولید یک پروفایل مبتنی بر داده ها برای استفاده از انرژی خانگی به دقت فعالیت های نظارتی و پیکربندی انجام شده توسط DNO ها در سطح LV و بالاتر می افزاید که این نیاز به واقعیت گرایی بیشتر نسبت به پروفایل های بار استاتیک در شبکه های موجود دارد. در این مقاله، یک پروفایل بار گاوسی خطی توسعه یافته است که چینه بندی را تا حد دقیق تر جزئیات ممکن می سازد و در عین حال یک نمایش قطعیتی را حفظ می کند.

Anticipating load characteristics on low voltage circuits is an area of increased concern for Distribution Network Operators with uncertainty stemming primarily from the validity of domestic load profiles. Identifying customer behavior makeup on a LV feeder ascertains the thermal and voltage constraints imposed on the network infrastructure; modeling this highly dynamic behavior requires a means of accommodating noise incurred through variations in lifestyle and meteorological conditions. Increased penetration of distributed generation may further worsen this situation with the risk of reversed power flows on a network with no transformer automation. Smart Meter roll-out is opening up the previously obscured view of domestic electricity use by providing high resolution advance data; while in most cases this is provided historically, rather than real-time, it permits a level of detail that could not have previously been achieved. Generating a data driven profile of domestic energy use would add to the accuracy of the monitoring and configuration activities undertaken by DNOs at LV level and higher which would afford greater realism than static load profiles that are in existing use. In this paper, a linear Gaussian load profile is developed that allows stratification to a finer level of detail while preserving a deterministic representation.

بخشی از ترجمه مقاله (صفحه 22 فایل ورد ترجمه)