دانلود ترجمه مقاله ارزیابی قابلیت اطمینان سیستم های قدرت الکتریکی با روش مونت کارلو

1. مقدمه 2. ارزیابی قابلیت اطمینان سیستم قدرت بر اساس روش مونت کارلو 3. روش های یادگیری ماشین 4. روش تشکیل حالت های تصادفی برای EPS 5. مطالعات آزمایشی 6. نتیجه گیری

چکیده – قابلیت اطمینان سیستم های انرژی، برای کنترل عملیات و گسترش شبکه مورد ارزیابی قرار می گیرد. روش مونت کارلو، یک روش موثر برای ارزیابی قابلیت اطمینان است. این رویکرد در تضاد با مسائل بعدی کنترل قرار می گیرد. سرعت تخمین قابلیت اطمینان و دقت نتایج مونت کارلو، مستقیماً به تعداد حالت های تصادفی ایجاد شده برای سیستم بستگی دارند. کیفیت و پیچیدگی هر مساله جزئی، برای هر حالت قابل حل می باشد. در هنگام حل چنین مساله ای برای سنجش قابلیت اطمینان، حالت های تصادفی به عنوان حالت های دارای کمبود و بدون کمبود تعریف می شوند. برای اندازه گیری قابلیت اطمینان سیستم های قدرت به روش مونت کارلو، باید فقط حالت های سیستمی دارای کمبود را تحلیل نمود. استفاده از روش های یادگیری ماشین برای حذف یا دسته بندی حالت های دارای کمبود و بدون کمبود توصیه شده است. این مقاله کارایی این روش ها را به اثبات رسانده است. 1- ماشین بردار پشتیبان و 2- جنگل تصادفی. همچنین در صورت استفاده از روش های مونت کارلو و شبه مونت کارلو، وضعیت عملکردی آن ها را به نمایش می گذاریم. مقدمه: سیستم های قدرت مدرن دارای پیچیدگی بالا، و تعداد زیادی از مشکلات هستند که روی قابلیت اطمینان برق رسانی به مصرف کنندگان اثرگذار است. کیفیت و پایداری برق رسانی، یکی از مهم ترین شاخص ها هم برای مصرف کنندگان بزرگ و هم کوچک (خانوارها) تلقی می شود.مطالبات مصرف کنندگان مدرن برای دستیابی به منابع پایدار برق، بوسیله روش های کارآمدی برآورده می شوند. هدف این اقدامات، ارتقا و حفظ قابلیت اطمینان سیستم، در حین اجرای برنامه ریزی گسترش سیستم و کنترل عملیات است. این در حالیست که چنین اقداماتی از نظر اقتصادی غیرمقرون به صرفه و مازاد هستند. لذا مهم است که ارزیابی به هنگامی از قابلیت اطمینان سیستم قدرت داشت. بدین وسیله تصمیمات آگاهانه ای اتخاذ می شود. قابلیت اطمینان سیستم های قدرت به دو صورت آنلاین (برای شرایط عملیاتی فعلی)، و آفلاین (برای گسترش بالقوه) مورد ارزیابی قرار می گیرد.

The reliability of energy systems is assessed to control their operation and expansion. An effective method for reliability assessment is the Monte Carlo method. This process, however, is often time-consuming due to the large size of the power system. This interferes with subsequent control problems. The speed of reliability assessment and the accuracy of the result for the Monte Carlo method directly depend on the number of randomly generated states of the system, their quality and the complexity of the subproblem to be solved for each state. When solving such a subproblem for reliability assessment, random states can be defined as a shortage and shortage-free ones. To assess the reliability of power systems using the Monte Carlo method, one should analyze only the state of the system with a shortage. We suggest the use of machine learning methods to eliminate or sort the shortage and shortage-free states. The paper demonstrates the effectiveness of two methods: a support vector machine and a random forest. It also shows their performance when the Monte Carlo and quasi-Monte Carlo methods are used. Introduction: Modern power systems are characterized by high complexity and a great number of problems that influence the reliability of electricity supply to consumers. Quality and continuity of electricity supply become increasingly more critical indicators for both large consumers and small consumers (householders). Requirements of modern consumers for reliable electricity supply can be satisfied by the effective measures aimed at the improvement and maintenance of the power system reliability level in system expansion planning and its operation control. However, such measures may prove to be economically inefficient and excessive, and therefore, it is necessary to timely assess power system reliability to make informed decisions. The reliability of power systems can be assessed on-line (for the current operating conditions) and offline (for prospective expansion).

ترجمه این مقاله در 21 صفحه آماده شده و در ادامه نیز صفحه 17 آن به عنوان نمونه قرار داده شده است که با خرید این محصول می توانید، فایل WORD و PDF آن را دریافت نمایید.