La fonctionnalité de recherche est en construction.
La fonctionnalité de recherche est en construction.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

A Real-Time Decision Support System for Voltage Collapse Avoidance in Power Supply Networks Un système d'aide à la décision en temps réel pour éviter les effondrements de tension dans les réseaux d'alimentation électrique

Chen-Sung CHANG

  • Vues en texte intégral

    0

  • Citer

Résumé:

Cet article présente un système d'aide à la décision (RDSS) en temps réel basé sur l'intelligence artificielle (IA) pour éviter l'effondrement de tension (VCA) dans les réseaux d'alimentation électrique. Le schéma RDSS utilise un réseau neuronal composite hyperrectangulaire flou (FHRCNN) pour effectuer l'identification des risques de tension (VRI). Dans le cas où une menace pour la sécurité du réseau d'alimentation électrique est détectée, un algorithme basé sur une programmation évolutive (EP) est déclenché pour déterminer les paramètres opérationnels requis pour restaurer le réseau d'alimentation électrique dans un état sécurisé. L'efficacité de la méthodologie RDSS est démontrée par son application au système American Electric Power Provider (AEP, système à 30 bus) dans diverses conditions de charge élevée et scénarios d'urgence. En général, les résultats numériques confirment la capacité du système RDSS à minimiser le risque d'effondrement de tension dans les réseaux d'alimentation électrique. En d’autres termes, le RDSS fournit aux entreprises de fournisseurs d’électricité (EPI) un outil viable pour effectuer une évaluation des risques de tension en ligne et des fonctions d’amélioration de la sécurité du système électrique.

Publication
IEICE TRANSACTIONS on Information Vol.E91-D No.6 pp.1740-1747
Date de publication
2008/06/01
Publicisé
ISSN en ligne
1745-1361
DOI
10.1093/ietisy/e91-d.6.1740
Type de manuscrit
PAPER
Catégories
Intelligence artificielle et sciences cognitives

Auteurs

Mots-clés

Table des matières