مدل های پیش بینی قابلیت اطمینان برای شبکه های توزیع الکتریکی با در نظر گرفتن خرابی تجهیزات و خاموشی های برنامه ریزی شده

قیمت: 44,000 تومان

دانلود رایگان مقاله

خرید ترجمه مقاله

عنوان فارسی

مدل های پیش بینی قابلیت اطمینان برای شبکه های توزیع الکتریکی با در نظر گرفتن خرابی تجهیزات و خاموشی های برنامه ریزی شده

عنوان لاتین

Reliability forecasting models for electrical distribution systems considering component failures and planned outages

بسیاری از شرکت ها در کشورهای در حال توسعه نصب و تجدید تجهیزات سیستم توزیع الکتریکی (EDS) مانند خطوط هوایی، کابل ها و تجهیزات کلیدزنی را بررسی می کنند تا قابلیت اطمینان EDS را بهبود بخشیند و افزایش سریع دیماند بار را برآورده سازند. در شروع مرحله ی سرمایه گذاری، ارزیابی قابلیت اطمینان EDS به کمک روش های سنتی بسیار دشوار است زیرا توپولوژی EDS کاملا تعیین نمی شود. این مقاله یک مدل جامع برای پیش بینی قابلیت اطمینان EDS ارائه می کند که بصورت جداگانه در دو بخش ایجاد می شود یعنی مدلهایی برای خرابی های EDS و خاموشی های برنامه ریزی شده. ابتدا، یک مدل شبکه عصبی مصنوعی سه لایه (ANN) برای پیش بینی قابلیت اطمینان EDS با در نظر گرفتن خرابی های EDS پیشنهاد می شود. هر نورون در لایه ورودی ANN نمایشگر یک فاکتور کلیدی موثر بر خرابی های EDS می باشد که توسط روش آنالیز رابطه ای گری (GRA) شناسایی می شود. ANN پیشنهادی توسط داده های قابلیت اطمینان تاریخی یک EDS آموزش داده می شود. به علاوه، یک مدل قابلیت اطمینان خاموشی برنامه ریزی شده طبق دامنه سرمایه گذاری و نوع خاموشی برنامه ریزی ایجاد می شود. اولویت های معیارهای بهبود می تواند به کمک GRA نیز بدست آید تا قابلیت اطمینان EDS بهبود داده شود. مطالعات موردی EDSهای عملی سودمندی و قابلیت استفاده ی تکنیک های پیشنهادی را نشان می دهد.

Many utilities in developing countries are investing in installation and renewing of Electrical Distribution System (EDS) components, such as overhead lines, cables and switching devices, to improve the EDS reliability and meet the rapid increase of load demand. In the beginning stage of investment, it is very difficult to evaluate the EDS reliability by using traditional methods due to EDS topology not being fully determined. This paper presents a comprehensive model for forecasting EDS reliability, which is built separately into two parts, i.e. the models for EDS failures and planned outages. Firstly, a three-layer Artificial Neural Network (ANN) model is proposed to forecast the EDS reliability considering EDS failures. Each neuron in the ANN input layer represents a key influencing factor of EDS failures, which are recognized by Gray Relational Analysis (GRA) method. The proposed ANN is trained using historical reliability data of an EDS. In addition, a planned outage reliability model is also built according to the magnitude of investment and type of planned outage. The priorities of improvement measures can also be obtained using the GRA to improve the EDS reliability. Case studies of practical EDSs illustrate the efficiency and applicability of the proposed techniques.