دانلود ترجمه مقاله جریان بار احتمالی در سیستم با تولید بادی

• فهرست مطالب:

چکیده
۱٫مقدمه
۲٫پیشینه آماری
۲٫۱- گشتاورها انباشتگی های توزیع های چندمتغیره
۲٫۲- سری های بسط کورنیش-فیشر
۲٫۳- توزیع های چندوجهی
۲٫۴- تولید اعداد تصادفی همبسته
۳٫عدم قطعیت پیش بینی توان باد کوتاه مدت
۴٫معادلات پخش بار
۵٫شیوه محاسباتی
۶٫مورد مطالعاتی
۷٫نتیجه گیری

• بخشی از ترجمه:

۷- نتیجه گیری
پخش بار احتمالاتی در سیستم های با جبران توان بادی بالا به سبب تغییرات زیاد در توان تزریق شده، حائز اهمیت است. برای عملکرد روزانه سیستم ها، لازم است که عدم قطعیت در پیش بینی های توان بادی کوتاه مدت درنظر گرفته شوند. این عدم قطعیت ها برای مزارع بادی نزدیک به یکدیگر حائز اهمیت است. درکل، این موارد نمی توانند به صورت گوسی درنظر گرفته شوند و یک توزیع بتا، انتخاب بهتری است.
استفاده از انباشتگی ها جهت تخمین گشتاورهای پخش بار خط از عدم قطعیت تزریق توان، به نظر می رسد که به سبب دقت نتایج و سادگی شامل کردن وابستگی میان متغیرهای تصادفی ورودی، انتخاب مناسبی است.
تخمین CDF از انباشتگی ها با استفاده از سری های بسط کورنیش-فیشر، به نظر می رسد که رفتار معقولانه ای در توابع غیر-گوسی تک وجهی داشته باشد (مانند موارد عدم قطعیت پیش بینی توان بادی). تخمین خروجی PDF توسط یک توزیع نرمال نیز یک تخمین بهتر از صدک ها را حتی اگر تناسب نتایج PDF ضعیف باشند، ارائه می کند.
زمانی که در دسترس بودن نیروگاه یا دیگر متغیرهای تصادفی ورودی گسسته درنظر گرفته شوند، برخی از PDF متغیرهای خروجی ممکن است چندوجهی باشند، و لذا لازم است که کانولوشن هایی بین متغیرهای تصادفی انجام بگیرد. این روش از نظر محاسباتی هزینه بردار است و بهتر است که آن را تنها زمانی که ضروری است، انجام دهیم. به منظور متمایز کردن بین کانولوشن ها ضرورت و عدم قطعیت، یک تست تک وجهی می تواند در حوزه انجام بگیرد. اگر کانولوشن ها تنها زمانی که این تست قبول نشود، انجام شود، تعداد کانولوشن های ضروری به صورت قابل توجهی کاهش می یابد. به صورت مشخص، فرض نرمال بودن برای شرایط چندوجهی برقرار نمی باشد.

• بخشی از مقاله انگلیسی:

۷ Conclusion

Probabilistic power flow becomes more important in systems with high wind power penetration, because of the high variability of the injected power. For daily system operation, it is necessary to consider the uncertainties of short-term wind power predictions. These uncertainties are correlated for nearby wind farms. In general, they cannot be assumed to be Gaussian, and a beta distribution is a better choice. The use of cumulants to estimate the moments of line power flows from the uncertainty of random power injections seems to be a good choice, because of the accuracy of the results and the easiness to include dependence between input random variables. Estimation of CDF from cumulants using Cornish-Fisher expansion series seem to behave reasonably well in unimodal non-Gaussian functions (such as those of the wind power prediction uncertainty). To approximate the output PDF by a normal distribution also gives an approximation of the higher percentiles, even if the fitting of the resulting PDF is poor. When power plant availability or other discrete input random variables are to be considered, some of the PDF of the output variables may be multimodal, and it is necessary to perform convolutions between the PDF of random variables. This technique is computationally expensive, and it is better to perform it only when necessary. To discriminate between necessary and unnecessary convolutions, a unimodality test can be made in the frequency domain. If convolutions are made only when this test is not passed, the number of necessary convolutions reduces dramatically. Obviously, the normality assumption does not hold for multimodality conditions.

دانلود رایگان مقاله انگلیسی

خرید ترجمه فارسی مقاله