دانلود و نمایش مقالات مرتبط با reactive power::صفحه 1
بلافاصله پس از پرداخت دانلود کنید
نتیجه جستجو - reactive power

تعداد مقالات یافته شده: 32
ردیف عنوان نوع
1 Day-ahead energy management and feeder reconfiguration for microgrids with CCHP and energy storage systems
مدیریت انرژی روز و تنظیم مجدد فیدر برای میکروگرید با CCHP و سیستمهای ذخیره انرژی-2020
Energy management featuring distribution feeder reconfiguration (DFR) and reactive power control, improves the technical and economic efficiency of microgrids. The present work proposes a framework that leverages scenarios to jointly manage the real and reactive power dispatches of the controllable generation resources as well as the topology of the distribution feeder. Multiple operation measures are optimized including the operation cost, real power loss, the voltage stability index (VSI), and the greenhouse gas emissions of the microgrid. Hybrid Big Bang- Big Crunch (HBB-BC) algorithm is used to solve the formulated optimization problem. Nondispatchable and dispatchable distributed generation units (DGs), as well as the battery and thermal energy storage systems (BESS and TESS), are considered as a hybrid energy system. Combined cooling, heating, and power (CCHP) units are considered as dispatchable DGs and wind and solar photovoltaic generations are considered as non-dispatchable DGs. The efficiency of the proposed model and solution algorithm is investigated using a 33-bus microgrid, and the simulation outcomes are discussed.
Keywords: Combined cooling, heating, and power (CCHP) | Distribution feeder reconfiguration (DFR) | Distributed generation (DG) | Energy storage system (ESS)
مقاله انگلیسی
2 Multi-energy-storage energy management with the robust method for distribution networks
مدیریت انرژی ذخیره سازی چند منظوره با روش قوی برای شبکه های توزیع-2020
The randomness, volatility and anti-peaking characteristic from distributed renewable energy generation rise great challenges for the safe and economic operation of the distribution networks (DNs). To address this problem, this paper proposes a novel multi-energy-storage energy management system (EMS) to co-optimize the electricity-driven mobile energy storage (MES) and inverter air-conditioning (AC)-based thermal energy storage (TES). To facilitate the energy management of the DN, the MES that considers the delay factors and the TES that regulates reactive power have been developed into a unified analytic model capable of charging and discharging. In addition, considering the impact of the forecasting uncertainties and the risk-aversion of the dispatcher, a novel robust optimization method is proposed to obtain more accurate “worst scenario”. The dispatching model is then converted into a mixed integer second-order cone programming problem (MI-SOCP) and a mixed integer linear programming problem (MILP), and linearized techniques and an iteration method are used to efficiently solve these problems. Simulation studies on a 41-node DN in Ontario indicate that the operational cost and power loss of the DN can be reduced by no less than 1% and 8% using the proposed EMS, respectively, while a safer voltage level with a voltage deviation of 5% can be obtained. The results confirm the effectiveness of the MES and TES for peak shaving, valley filling and voltage supporting.
Keywords: Distribution network | Mobile energy storage | Thermal energy storage | Energy management system | Iterative method
مقاله انگلیسی
3 Design and Accomplishment of AI Control Platform for Reactive Power Cloud Compensation System
طراحی و تحقق بستر کنترل هوش مصنوعی برای سیستم جبران ابر برای توان راکتیو-2020
The balance of active and reactive power in the power system is very important for the normal operation of the whole system, the correct method is to inject the corresponding reactive power where much of the reactive power is consumed to maintain the balance. it is of great positive significance to develop a device with integrated new switching technology that can realize non-impact switching of capacitor banks and be controlled by better algorithms. In this paper ???? an artificial intelligent (AI) control platform for reactive power cloud compensation system is designed and achieved, by switching capacitors on the load side, the requirements of capacitor switching conditions are analyzed, the requirements of capacitor bank and capacitor controller are put forward, and the theoretical analysis is carried out. Results of the installation operation in site show high performance of the designed system.
Keywords: control platform | reactive power | artificial intelligent | cloud compensation system
مقاله انگلیسی
4 Active/reactive energy control scheme for grid-connected fuel cell system with local inductive loads
طرح کنترل انرژی فعال / واکنش پذیر برای سیستم سلول سوختی متصل به شبکه با بارهای استقرایی محلی-2020
In the grid interconnection of fuel cells, local reactive loads connected to the electrical systems generate reactive power which deteriorates the power factor in the utility-grids. This situation causes energy losses, excess electrical energy demand, overloading and bill penalties for consumers. In grid-connected fuel cells, conventional energy management methods are unable to compensate reactive powers in the utility-grid due to reactive loads. For this purpose, in the current study, a new energy management method is developed to reduce electrical energy demand with the elimination of reactive energy consumption from the electrical grid. In this regard, the developed method implemented in a grid-connected fuel cell power plant with reactive loads presents an effective way to prevent the demand charge penalties. In the performance stage, the electrical energy flow is analyzed in a single-phase system under different inductive load banks and compared to the conventional method in order to clarify the validity of the proposed control method. The case studies show that the proposed method based system can not only supply active power to consumers but also provides smooth power factor between grid voltage and current.
Keywords: Fuel cell | Grid connection | Energy management | Power control | Power factor | Reactive load
مقاله انگلیسی
5 Application of Machine Learning and Big Data in Doubly Fed Induction Generator based Stability Analysis of Multi Machine System using Substantial Transformative Optimization Algorithm
کاربرد یادگیری ماشین و داده های بزرگ در تحلیل پایداری مبتنی بر ژنراتور القایی تغذیه دوسویه سیستم چند دستگاهی با استفاده از الگوریتم بهینه سازی دگرگونی اساسی-2020
With the increase in the amount of data captured during the manufacturing process, surveillance sys- tems are the most important decision making decisions. Current technologies such as Internet of Things (IoT) can be considered a solution to provide efficient monitoring of productivity. In this study, it has suggested a real-time monitoring system that uses an IoT, big data processing and an Offshore Wind Farm (OWF) model is proposed. The Offshore Wind Farm (OWF) is an extended level invasion in modern power electronics systems, in this proposed work Doubly Fed Induction Generator (DFIG) based multi machined OWF was designed, and power stability was analyzed using Substantial Transformative Opti- mization Algorithm (STOA). The Voltage Source Converter (VSC) and High Voltage Direct Current (HVDC) system was combined with onshore network. The terminal voltage of onshore network was controlled through Onshore Side Converter (OSC), active and reactive power was regulated separately using VSC. The performance of the onshore network was evaluated under renewable network errors (Total Harmon- ics distortion and steady state error) beside with OWF. The OWF - DFIG active and reactive power was controlled smoothly with in the limit of HVDC, and the power framework security can be updated by controlling the active power of the OSC to help its terminal voltage using STOA methodology. From the voltage control mode, the electrical faults are recovered rapidly with minimum fluctuation. The dynamic simulation comes about additionally demonstrate that onshore network fault can’t impact OWF behind HVDC transmission system. Because of the specialized favorable circumstance, VSC-HVDC innovation, the constancy in OWF is very much ensured against the onshore grid faults. The proposed STOA based sys- tem has validated through simulation in Matlab Simulink environment. General, 97% effectiveness, ac- complished at full load condition in light of the proposed system. The results showed that the IoT system and the proposed large data processing system were sufficiently competent to monitor the manufacturing process.
Keywords: Offshore Wind Power | DFIG | Grid Side Converter | Rotor Side Converter | Substantial Transformative Optimization | Algorithm
مقاله انگلیسی
6 Safe deep reinforcement learning-based constrained optimal control scheme for active distribution networks
طرح کنترل بهینه محدود مبتنی بر یادگیری تقویتی عمیق ایمن برای شبکه های توزیع فعال-2020
Reinforcement learning-based schemes are being recently applied for model-free voltage control in active distribution networks. However, existing reinforcement learning methods face challenges when it comes to continuous state and action spaces problems or problems with operation constraints. To address these limitations, this paper proposes an optimal voltage control scheme based on the safe deep reinforcement learning. In this scheme, the optimal voltage control problem is formulated as a constrained Markov decision process, in which both state and action spaces are continuous. To solve this problem efficiently, the deep deterministic policy gradient algorithm is utilized to learn the reactive power control policies, which determine the optimal control actions from the states. In contrast to existing reinforcement learning methods, deep deterministic policy gradient is naturally capable of addressing control problems with continuous state and action spaces. This is due to the utilization of deep neural networks to approximate both value function and policy. In addition, in order to handle the operation constraints in active distribution networks, a safe exploration approach is proposed to form a safety layer, which is composed directly on top the deep deterministic policy gradient actor network. This safety layer predicts the change in the constrained states and prevents the violation of active distribution net works operation constraints. Numerical simulations on modified IEEE test systems demonstrate that the proposed scheme successfully maintains all bus voltage within the allowed range, and reduces the system loss by 15% compared to the no control case.
Keywords: Active distribution network | Constraint satisfaction | Deep deterministic policy gradient | Optimal voltage control | Smart transformer
مقاله انگلیسی
7 کنترل توان اکتیو و راکتیو با تمرکززدایی دوسطحی برای خوشه¬ی مزرعه¬ی بادی بزرگ¬مقیاس
سال انتشار: 2019 - تعداد صفحات فایل pdf انگلیسی: 15 - تعداد صفحات فایل doc فارسی: 38
این مقاله، کنترل توان اکتیو و راکتیو با تمرکززدایی دوسطحی (DARPC) برای خوشه¬ی مزرعه¬ی بادی بزرگ¬مقیاس (WFC) متشکل از چندین مزرعه¬ی بادی را ارائه می¬دهد. WFC مرجع توان اکتیو را از اپراتور سیستم انتقال (TSO) دنبال می¬کند و در عین حال ولتاژ باس نقطه¬ی اتصال (POC) را کنترل نموده و ولتاژ ترمینال توربین بادی (WT) را در تمامی مزارع بادی، پایدار نگه می¬دارد. در سطح بالاتر، طرح کنترل توزیع¬شده¬ی توان اکتیو و راکتیو مبتنی بر پروتکل اجماع برای WFC طراحی شده و این می¬تواند به اشتراک¬گذای منصفانه¬ی مراجع توان اکتیو و راکتیو برای تمامی مزارع بادی دست یابد. در سطح پایین¬تر، طرح کنترلی متمرکز مبتنی بر کنترل پیشگویانه¬ی مدل (MPC) پیشنهاد می¬شود که می¬تواند بطور مؤثر خروجی توان اکتیو و راکتیو تمامی توربین¬های بادی در مزرعه¬ی بادی را تنظیم کند. طرح کنترل متمرکز پیشنهادی می¬تواند ولتاژ ترمینال توربین¬های بادی را در مقادیر نزدیک به ولتاژ نامی حفظ نموده و در عین حال مرجع توان را از کنترل سطح بالاتر دنبال کند. DARPC می¬تواند به خوبی دشواری محاسباتی WFC کنترل¬شده را با توزیع کارهای محاسباتی و پایش برای چندین کنترل¬کننده¬ی مزرعه¬ی بادی، کاهش دهد. به علاوه، هزینه¬ی ارتباطی نیز کاهش می¬یابد. یک WFC با 8 مزرعه¬ی بادی و در مجموع 128 توربین بادی برای اعتبارسنجی طرح DARPC پیشنهادی مورد استفاده قرار گرفت.
مقاله ترجمه شده
8 Optimal allocation of SVC and TCSC using quasi-oppositional chemical reaction optimization for solving multi-objective ORPD problem
تخصیص بهینه SVC و TCSC با استفاده از بهینه سازی واکنش شیمیایی شبه مخالف برای حل مسئله چند هدفه ORPD-2018
This paper presents an efficient quasi-oppositional chemical reaction optimization (QOCRO) technique to find the feasible optimal solution of the multi objective optimal reactive power dispatch (RPD) problem with flexible AC transmission system (FACTS) device. The quasi-oppositional based learning (QOBL) is incorporated in conventional chemical reaction optimization (CRO), to improve the solution quality and the convergence speed. To check the superiority of the proposed method, it is applied on IEEE 14-bus and 30-bus systems and the simulation results of the proposed approach are compared to those reported in the literature. The computational results reveal that the proposed algorithm has excellent convergence characteristics and is superior to other multi objective optimization algorithms.
keywords: Quasi-oppositional chemical reaction optimization (QOCRO) |Reactive power dispatch (RPD) |TCSCSVC |Multi-objective optimization
مقاله انگلیسی
9 کنترل ولتاژ AC و توان راکتیو سیستم LCC HVDC با خازن های کنترل پذیر
سال انتشار: 2017 - تعداد صفحات فایل pdf انگلیسی: 12 - تعداد صفحات فایل doc فارسی: 45
کاملاً مشخص است که سیستم LCC HVDC سنتی توانایی کنترل توان راکتیو خود و ولتاژهای AC ترمینال ها را ندارد. این مقاله به بررسی کنترل ولتاژ AC و توان راکتیو در سمت اینورتر سیستم LCC HVDC با خازن های کنترل پذیر می پردازد. توانایی سیستم در عملکرد تحت زاویه ی خاموشی منفی برای دستیابی به گستره ی وسیعی از کنترل توان راکتیو، و بطور خاص، توانایی تحویل دادن توان راکتیو مورد استفاده قرار می گیرد. در ارتباط با ولتاژ ترمینال AC اینورتر یا کنترل توان راکتیو، و برخی دیگر از قابلیت-های کنترلی سمت یکسوساز، کنترل توان اکتیو، مطلوب است، زیرا تغییرات شدید انتقال توان اکتیو بسیار نامطلوب است. نخست، تحلیل نظری دقیق انجام می گیرد تا کنترل پذیری توان راکتیو را نشان دهیم، و سطح ولتاژ خازنی براساس گستره ی کنترلی مطلوب انتخاب می شود. به علاوه، یک روش جدید سنجش زاویه ی خاموشی برای اندازه گیری های زاویه ی خاموشی منفی پیشنهاد می شود. اثربخشی کنترل پذیری توان / ولتاژ راکتیو برای سیستم پیشنهادی از طریق نتایج شبیه سازی با استفاده از شبیه ساز دیجیتال زمان واقعی (RTDS) اعتبارسنجی شد. برای تأیید اثربخشی کنترل ولتاژ و توان راکتیو، CCC HVDC و LCC HVDC با SVC نیز در RTDS ایجاد شدند، و شبیه سازی ها با هم مقایسه شدند. افزون بر این، سهم کنترل ولتاژ AC در سیستم قدرت با استفاده از روش پیشنهادی از طریق نتایج شبیه سازی بر روی سیستم قدرت AC چهار ماشینه ی دو ناحیه ای نشان داده شد.
کلیدواژه: کنترل توان راکتیو | کنترل ولتاژ AC | LCC HVDC | HVDC با خازن کنترل پذیر | انتقال HVDC
مقاله ترجمه شده
10 رویکردی چند هدفه به منظور جایگیری بهینه و تغییر اندازه ژنراتورها و خازن های توزیع شده در شبکه توزیع
سال انتشار: 2017 - تعداد صفحات فایل pdf انگلیسی: 13 - تعداد صفحات فایل doc فارسی: 34
توان های اکتیو و راکتیو نقش مهمی در انتقال سیستم توان و شبکه های توزیع ایفا می کنند. در حالی که توان اکتیو کار مفیدی انجام می دهد، توان راکتیو از ولتاژی پشتیبانی می کند به طوری که کنترل از جنبه قابلیت اطمینان سیستم را ایجاب می کند چرا که انحراف ولتاژ ار محدوده نامی می تواند منجر به عملکرد غیر عمدی و از کار افتادگی عناصر سیستم شود. جریان توان راکتیو می بایست در سیستم کنترل شود تا میزان توان حقیقی که می تواند از طریق محیط انتقال توان ارسال شود را به حداکثر مقدار برساند. این مقاله رویکردی را برای کمینه کردن همزمان اتلاف توان واقعی و جریان توان راکتیو خالص در سیستم پیشنهاد می دهد هنگامی که توسط ژنراتورهای توزیع شده (DGs) و خازن های موازی (SCs) تقویت می شود. با وجود روش پیشنهادی، عملکرد سیستم، قابلیت اطمینان و ظرفیت بارگذاری با کاهش تلفات، قابل افزایش است. یک الگوریتم تکاملی چند هدفه مبتنی بر تجزیه (MOEA/D) برای انتخاب اندازه های بهینه و موقعیت های DG ها و SC ها در شبکه های توزیع در مقیاس بزرگ با هدف کمینه کردن تلفات توان واقعی و راکتیو سیستم پذیرفته شده است. روش MOEA/D فرآیند تجزیه یک مساله بهینه سازی چند هدفه به تعداد زیر مساله بهینه سازی اسکار و بهینه سازی آن ها به صورت همزمان است. مورد های مطالعاتی به همراه شبکه های توزیع استاندارد 33، 69 و 119 باسه IEEE و یک شبکه توزیع عملیاتی 83 باسه انجام شده است. نتایج خروجی روش MOEA/D با مطالعه مشابه گذشته مقایسه شده است و بهبود قابل توجهی مشاهده شده است.
مقاله ترجمه شده
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی
logo-samandehi