| عنوان فارسی مقاله: | اثر متقابل هارمونیک بین اینورتر قدرت و شبکه توزیع از لحاظ وابستگی تصادفی: مطالعه موردی شبکه تهران |
| عنوان انگلیسی مقاله: | Harmonic Interaction between the Power Inverters and the Distribution Network in Terms of Stochastic Dependence: a Case Study in Tehran’s Network |
| دانلود مقاله انگلیسی: | برای دانلود رایگان مقاله انگلیسی با فرمت pdf اینجا کلیک نمائید |
| سال انتشار | 2009 |
| تعداد صفحات مقاله انگلیسی | 9 صفحه |
| تعداد صفحات ترجمه مقاله | 12 صفحه |
| مجله | بیست و چهارمین کنفرانس بین المللی برق |
| دانشگاه | دانشگاه صنعتی خواجه نصیرالدین طوسی تهران |
| کلمات کلیدی | – |
| نشریه | PSC |
فهرست مطالب:
چکیده
۱ مقدمه
۲ اصول رابط و وابستگی
۱٫۲ تعاریف پایه
۲٫۲ معیارهای اندازه گیری همبستگی
۳٫۲ مدل سازی وابستگی تصادفی
۴٫۲ الگوریتم شبیه سازی
۳ وابستگی تصادفی بین هارمونیک غیر شاخص VSC و مبادله توان واکنشی
۴ نتیجه گیری
بخشی از ترجمه:
نتیجه گیری
مقاله حاضر تیپ جدیدی از تحلیل وابسته به وابستگی تصادفی- جبری در دستگاههای شبکه نیرو و سیگنالها معرفی نموده و در این میان بر تعامل سوئیچینگ الکترونیکی توان با شبکه تاکید می کند. به منظور مدل سازی وابستگی تصادفی مدل در تکنیک شبیه سازی چند متغیره مونت کارلو، نظریه عضو رابط پیشنهاد واجمالاً معرفی شده است. در این رابطه یک مطالعه موردی بر اساس داده های ثبت شده از ایستگاه فرعی توزیع ۲۰ KV/400 V واقع در تهران در طول یک هفته انجام گرفت. ابتدا، ساختار وابستگی کامل توان واکنشی و فعال سه فاز با استفاده از عضو رابط مدل سازی گردید. به محض بررسی داده های اندازه گیری شده، ویژگیهای مفیدی با صحت کافی از خود به معرض نمایش گذاشت. ثانیاً، روش شبیه سازی مونت کارلو بر اساس شیوه رابط توصیف شده جهت برآورد درجه وابستگی بین عدم تعادل واقعی ولتاژ شبکه ، هارمونیک غیر شاخص تولید شده و بارگذاری توان واکنشی، اجرا شده است. از نتایج بدست آمده برای ارزیابی عملکرد هارمونیک جبران کننده (متعادل کننده) برمبنای VSC استفاده شده است. کار آتی بر سایر کاربردهای ممکن تاکید کرده و به سایرشرایط واقعی کشیده خواهد شد.
بخشی از مقاله انگلیسی:
Introduction
In power systems analysis, it is preferred touse completely analytical and deterministicmethods anywhere possible; that is, theequations describing system models weresolved either explicitly or numerically. Inorder to finding these solutions we often hadto make simplifying assumptions andapproximations, alluding at the same time tothe possibility of obtaining more accurateresults with the help of simulation methods.In fact, simulation methods can often be theonly means of obtaining the solution to thesystem model, especially when the systemsstudied is large and complex or when theeffects of certain sequences of events are of aparticular interest or when the probabilitydistributions, rather than only the means andvariances, are required.Monte Carlo simulation as a numericalsimulation is a process of selecting a set ofvalues of system parameters and obtaining asolution of the system model for a selectedset. By repeating the simulation process fordifferent sets of system parameters, different sample solutions are obtained. The keyactivity in the Monte Carlo simulation processis the selection of system parameters to obtainsample solutions; which is applied toproblems involving random variables withknown, modeled or assumed probabilitydistributions. A sample from a Monte Carlosimulation is similar to a sample ofexperimental observations. Therefore, theresults of these studies, as modeled samples,can then be used to study mathematicalmodels of real-world systems, or for statisticalstudies.Systematic generation of the appropriatevalues of the random variables in accordancewith the respective prescribed probabilitydistribution is accomplished by firstgenerating a uniformly distributed randomnumber between 0 and 1 and then, throughappropriate transformations, obtaining thecorresponding random number with thespecified probability distribution. However one of the main difficulties associated withthe application of the analytical methods inprobabilistic power system studies is that therandom variables are often not independentand that the joint probability distributionfunctions must be used. This introduces anadditional difficulty in the already complexproblems, and therefore the majority ofanalytical approaches assume independenceof the random variables or somehowinaccurate dependencies through thecorrelations only.One of the main applications of copulas is inthe Monte Carlo studies where a multivariatedependency structure exists [1]. Using ofcopulas fits the stochastic modeling ofdependant chaotic variables and time series inpower systems well. They can efficiently usedto produce non-conventional multivariatedistributions for Monte Carlo studies. On theother hand, the use of copulas for modelingpurposes includes two straightforward steps.The first step is modeling the marginaldistributions along with their correlation matrix and the second consists in fitting theproper copula. It should be mentioned that it is an obscure task to find a multivariatedistribution and fit it to our data. The use ofcopulas is practical as some good softwarepackages have already provided its completeimplementation (such as [2], [3]).
| عنوان فارسی مقاله: | تعامل هارمونیک بین مبدل های نیرو و شبکه توزیع از لحاظ وابستگی تصادفی: مطالعه موردی شبکه تهران |
| عنوان انگلیسی مقاله: | Harmonic Interaction between the Power Inverters and the Distribution Network in Terms of Stochastic Dependence: a Case Study in Tehran’s Network |
