مدل های پیش بینی قابلیت اطمینان برای سیستم های توزیع برق با در نظر گرفتن نقص های جزئی و قطعی های برنامه ریزی شده

قیمت: 44,000 تومان

دانلود رایگان مقاله

خرید ترجمه مقاله

عنوان فارسی

مدل های پیش بینی قابلیت اطمینان برای سیستم های توزیع برق با در نظر گرفتن نقص های جزئی و قطعی های برنامه ریزی شده

عنوان لاتین

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

بسیاری از صنعت آب و برق در کشورهای در حال توسعه بر روی نصب و بازسازی اجزای سیستم توزیع برق (EDS) مانند خطوط هوایی، کابل ها و وسایل سوئیچینگ برای بهبود قابلیت اطمینان EDS و ارضای سریع نیاز به بار سرمایه گذاری میکنند. در ابتدای مرحله سرمایه گذاری، ارزیابی قابلیت اطمینان EDS با استفاده از روش های سنتی بسیار دشوار است زیرا توپولوژی EDS به طور کامل مشخص نشده است. این مقاله یک مدل جامع برای پیش بینی قابلیت اطمینان EDS ارائه می دهد که به طور جداگانه به دو قسمت، یعنی مدل هایی برای قطعی های EDS و قطعی های های برنامه ریزی شده، ساخته شده است. اولا، یک مدل سه بعدی شبکه عصبی مصنوعی (ANN) برای پیش بینی قابلیت اطمینان EDS با توجه به قطعی EDS پیشنهاد شده است. هر نورون در لایه ورودی ANN یک عامل تأثیرگذار اصلی در قطعی های EDS است که توسط روش تجزیه و تحلیل رابطه گران (GRA) به رسمیت شناخته شده است. ANN ارائه شده با استفاده از داده های قابلیت اطمینان تاریخی EDS آموزش داده می شود. علاوه بر این، مدل قابلیت اطمینان قطعی های برنامه ریزی شده نیز بر اساس میزان سرمایه گذاری و نوع قطعی های برنامه ریزی شده ساخته شده است. اولویت های اقدامات بهبود نیز می تواند با استفاده از GRA برای بهبود قابلیت اطمینان EDS به دست آید. مطالعات موردی EDS های عملی نشان دهنده کارایی و کاربرد تکنیک های پیشنهادی است.

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.