دانلود ترجمه مقاله مدلی برای پیش بینی پایداری گذرای سیستم قدرت بر اساس منابع رایانشی

1. مقدمه 2. تشریح مساله و مقدمات الگوریتم 3. روش پیش بینی پایداری گذرای ترکیبی 4. مطالعه موردی 5. نتیجه گیری

چکیده – پیش بینی پایداری گذرای دقیق و فوری، یکی از روش های موثر کاهش خطر خاموشی سراسری یا خرابی های آبشاری (متوالی) می باشد. در تلاش برای دستیابی به بهبود بازده زمانی و دقت پیش بینی، یک روش پیش بینی پایداری گذرای جدید با ترکیب برازش مسیر (TF) و ماشین یادگیری بحرانی (ELM)، براساس فرآیند دو مرحله ای، یعنی روش هیبرید، در اینجا پیشنهاد می گردد. روش مبتنی بر ELM در ایستگاه مرکزی پیاده سازی می شود تا از بازده زمانی اطمینان حاصل گردد، درحالی که روش مبتنی بر TF در ایستگاه محلی برای تضمین دقت، بکار گرفته می شود. علاوه بر آن، تنزل داده ها (data corruption)، برای اطمینان حاصل کردن از استواری (مقاوم بودن) الگوریتم پیشنهادی، مورد ملاحظه قرار می گیرد. این روش هیبرید با سیستم آزمون 39 شینه ای نیوانگلند اعتبار یابی می شود و نتایج شبیه سازی، اثربخشی و قابل اطمینان بودن آن را نشان می دهند.

Accurate and prompt transient stability prediction is one of the effective ways to reduce the risk of blackout or cascading failures. In an effort to achieve improvements in time efficiency and prediction accuracy, a new transient stability prediction method combining trajectory fitting (TF) and extreme learning machine (ELM) based on two-stage process, named hybrid method, is proposed here. ELM-based method is implemented in central station to ensure the time efficiency, while TF-based method is adopted in local station to guarantee the accuracy. Furthermore, data corruption is taken into consideration to assure the robustness of the proposed algorithm. The hybrid method is validated with the New England 39-bus test system and the simulation results indicate its effectiveness and reliability.