شماره کتابشناسی ملی
شماره
۲۲۲۳۰پ
زبان اثر
زبان متن نوشتاري يا گفتاري و مانند آن
per
عنوان و نام پديدآور
عنوان اصلي
مدل‌سازی ظرفیت دینامیکی خطوط انتقال به منظور برنامه‌ریزی بهینه شبکه‌های هوشمند انرژی
عنوان اصلي به زبان ديگر
Dynamic line rating modeling for optimal scheduling smart grid
نام نخستين پديدآور
/سجاد مددی یگانه
وضعیت نشر و پخش و غیره
نام ناشر، پخش کننده و غيره
: مهندسی برق و کامپیوتر
تاریخ نشرو بخش و غیره
، ۱۳۹۸
نام توليد کننده
، افشاری
مشخصات ظاهری
نام خاص و کميت اثر
۱۱۵ص
یادداشتهای مربوط به نشر، بخش و غیره
متن يادداشت
چاپی - الکترونیکی
یادداشتهای مربوط به پایان نامه ها
جزئيات پايان نامه و نوع درجه آن
دکتری
نظم درجات
مهندسی برق قدرت
زمان اعطا مدرک
۱۳۹۸/۰۷/۱۷
کسي که مدرک را اعطا کرده
تبریز
یادداشتهای مربوط به خلاصه یا چکیده
متن يادداشت
در سالیان اخیر با توجه به افزایش چشمگیر مصرف انرژی و توسعه روز افزون منابع انرژی تجدیدپذیر، شبکه قدرت با چالش‌های جدیدی روبه رو شده است .خطوط هوایی ضعیف به عنوان مهمترین چالش در استفاده بیشینه از منابع انرژی تجدید پذیر به خصوص مزارع بادی شناخته می‌شوند .استفاده از ظرفیت دینامیکی خطوط انتقال به عنوان پاسخی اقتصادی و فنی برای غلبه بر محدودیت ظرفیت خطوط ارائه شده است .این ظرفیت معمولا به عوامل آب و هوایی وابسته است به خصوص در سرعت باد زیاد و دمای محیط کم خط انتقال بیشترین ظرفیت دینامیکی خود را دارا می‌باشد .در نتیجه این روش می‌تواند با تولیدات مزارع بادی به خوبی هماهنگ شوند .با این حال در برنامه‌ریزی شبکه، ظرفیت دینامیکی خطوط انتقال همانند ظرفیت تولیدی نیروگاه‌های تجدیدپذیر قابل دستیابی نمی‌باشد .با این حال استفاده از ظرفیت دینامیکی تخمین زده شده خطوط انتقال برای برنامه‌ریزی بهینه و قابل اطمینان شبکه نیازمند پیش‌بینی مناسب از مقدار آینده آن می‌باشد .در این رساله ابتدا مروری بر کارهای صورت گرفته در زمینه پیش‌بینی ظرفیت حرارتی خطوط انتقال و برنامه ریزی شبکه با در نظر گرفتن این محدودیت انجام می‌شود و در ادامه تاثیر ماهیت متناوب این ظرفیت در برنامه‌ریزی شبکه بررسی می‌شود .همچنین یک مدل پیش‌بینی جدید برای پیش‌بینی ظرفیت دینامیکی ارائه می‌شود .به منظور توسعه شبکه خطوط انتقال با توجه به این محدودیت، یک مدل مناسب توسعه خطوط نیز ارائه می‌گردد
متن يادداشت
Dynamic line rating (DLR) technologies are fast becoming a key instrument in power systems with high penetration of wind farms, because power companies can reduce the value of wind power spillage and also can postpone the investments of transmission lines by using DLR equipment. In other words, weather data plays an important role in determining the value of the transmission line capacities. Moreover, wind power generations are related to weather data. Therefore, it can be concluded that the increase of wind power generations occurs when transmission lines operate with higher capacity. However, what we know about DLR is largely based on empirical studies that investigate how to change the capacity of transmission lines with changing the weather data. Therefore, it can be concluded that considering DLR constraint can be increased the stochastic set. The increase of stochastic variables in power systems has a significant effect on power system scheduling; therefore, the impact of stochastic variables on power systems should be carefully taken into account. This can be realized by probabilistic evaluation. In this thesis, a probabilistic approach is proposed to calculate the expected value of ATC and depict cumulative distribution function (CDF) of each variable. The proposed probabilistic model is based on dividing the stochastic set into smaller groups similar to clustering techniques. However, the significant differences between the proposed probabilistic model and cluster-based model are related to detect the optimal value of the reduced number of stochastic sets and find members of each cluster set. In other words, a sequential game-theoretic approach is applied to divide data into a smaller set. Also, Due to the intermittent nature of dynamic rating (DLR) of overhead lines, DLR forecasting plays an important role in the scheduling of power networks. In the DLR forecasting, the trend and fluctuation of past data are modeled and future DLR values are estimated. Autoregressive model and its variants are expanded to reach accurate forecasting. Such methods apply white noise assumption to account for the DLR fluctuations. Since DLR fluctuations are related to weather condition, the white noise assumption cannot model fluctuations correctly. The Brownian motion has been implemented to meet data fluctuation issues in time series prediction. The Ornstein-Uhlenbeck (OU) process is one of the most widely groups of forecasting methods by considering Brownian motion. However, this approach is able to model a single factor that has never driven over the time. Therefore, implementing this factor is not suitable for forecasting DLR. In this paper, the OU process is extended into an integrated factorized Ornstein-Uhlenbeck to model and predict DLR values by considering hidden factors of DLR such as the weather conditions and other latent factors. lack of a mathematical model for estimating the capacity of lines by considering the weather conditions across the line and wind farm generations can be accounted as a research gap of DLR problems. This thesis proposes a solution for transmission expansion planning (TEP) considering DLR technologies. The operational costs, penalty cost of wind power spillage and investment costs depending on constructing new lines and reinforcing lines are considered in the objective function of the proposed TEP model. In addition, this study seeks to develop a model which will help to address the research gap of DLR problems. The geostatistical analysis is used to develop a mathematical model, which can provide the relationship between wind farms as well as the capacity of lines calculated based on the weather conditions across the line. The efficiency of the proposed model is examined on a modified IEEE reliability test system
عنوان اصلی به زبان دیگر
عنوان اصلي به زبان ديگر
Dynamic line rating modeling for optimal scheduling smart grid
نام شخص به منزله سر شناسه - (مسئولیت معنوی درجه اول )
مستند نام اشخاص تاييد نشده
مددی یگانه، سجاد
مستند نام اشخاص تاييد نشده
Madadi Yeganeh, Sajad
دسترسی و محل الکترونیکی
يادداشت عمومي
سیاه و سفید
وضعیت فهرست نویسی
وضعیت فهرست نویسی
نمایه‌سازی قبلی
