دانلود ترجمه مقاله رویکردی جامع برای بهینه سازی پارامتر کیفیت توان

1. مقدمه 2. تشریح پلتفرم آزمایشی 3. پردازش داده ها و استخراج وابستگی متغیرها 4. پیش بینی PQ – کاربرد رگرسیون بردار پشتیبان 5. نتیجه گیری

چکیده – توسعه سیستم های انرژی مستقل با چالش های زیادی در زمینه مشخصه های خاص این سیستم ها مواجه هست، چالش هایی چون کنترل شارش توان، توسعه سیستم های حفاظتی با توجه به تغییرات دینامیکی در توان اتصال کوتاه و موضوعات مربوط به پارامترهای کیفیت توان. به منظور حفظ پارامترهای کیفیت توان انرژی الکتریکی در سیستم های خارج از شبکه، یک سری محدودیت ها با توجه به عرضه انرژی برق از منابع تجدیدپذیر دارای ماهیت تصادفی ایجاد می گردد که به عنوان منابع غالب برق و انرژی حرارتی مورد استفاده قرار می گیرند. تغییرات در توان اتصال کوتاه می تواند پایداری سیستم را شدیداً تحت تأثیر قرار داده و تأثیری منفی روی عملکرد تجهیزات حساس داشته باشد. ما ابزارها و روش هایی برای حفظ پارامترهای کیفیت توان در سیستم های خارج از شبکه دارای محدودیت با استفاده از روشی هوشمند بر اساس یک روش هوش مصنوعی ارائه داده ایم. مدل محاسباتی ما قادر به پیش بینی اختلالات در کیفیت توان و ایجاد مجموعه ای از واکنش های مناسب برای جلوگیری از چنین اختلالاتی با نرخ موفقیت بالای 60 درصد در افق زمانی 15 دقیقه ای می باشد. در نتیجه، بهینه سازی عملکرد سیستم های خارج از شبکه و بهبود پارامترهای کیفیت توان در سیستم های خارج از شبکه امکان پذیر می شود.

The development of autonomous energy systems has been accompanied by a number of challengesrelated to the specific characteristics of these systems, such as power flow control, development of pro-tection systems respecting the dynamic changes in short-circuit power and the issue of compliance withpower quality parameters. To keep the power quality parameters of electrical energy in Off-Grid systemswithin the limit is highly complicated with regards to the supply of electrical energy from renewablesources of a stochastic nature, which are used as dominant sources of electric or heat energy. Variationsin short-circuit power may significantly affect the system stability and may have a negative impact onthe operation in case of sensitive appliances. We developed tools and methods to keep the power qual-ity parameters in Off-Grid systems within the limits using an intelligent approach based on an artificialintelligence technique. Our computational model is able to predict disturbances in power quality andperform a set of proper reactions to avoid such disturbances with over 60% success rate in time horizonof 15 min ahead. As a result, it is subsequently possible to optimize the operation of Off-Grid systems andthus contribute to improvements in the power quality parameters in Off-Grid systems.