مدل های توربین بادی با سرعت نامعلوم باد و تخمین حالت دینامیکی برای آنها
ترجمه نشده

مدل های توربین بادی با سرعت نامعلوم باد و تخمین حالت دینامیکی برای آنها

عنوان فارسی مقاله: تخمین حالت دینامیکی برای مدل های توربین بادی با سرعت نامعلوم باد
عنوان انگلیسی مقاله: Dynamic State Estimation for Wind Turbine Models with Unknown Wind Velocity
مجله/کنفرانس: نتایج بدست آمده در حوزه سیستم های قدرت - Transactions On Power Systems
رشته های تحصیلی مرتبط: مکانیک، برق، مهندسی انرژی
گرایش های تحصیلی مرتبط: سیستم های قدرت، انرژی های تجدیدپذیر،، تبدیل انرژی و فناوریهای انرژی، مهندسی کنترل، مهندسی الکترونیک
کلمات کلیدی فارسی: ژنراتورهای القایی با تغذیه دوگانه، برآورد حالت دینامیکی، فیلترینگ کالمن، ورودی های ناشناخته، توربین های بادی
کلمات کلیدی انگلیسی: Doubly-fed induction generators، Dynamic state estimation، Kalman filtering، unknown inputs، wind turbines
شناسه دیجیتال (DOI): https://doi.org/10.1109/TPWRS.2019.2909160
دانشگاه: Department of Electrical and Electronic Engineering, Imperial College London, London, U.K
صفحات مقاله انگلیسی: 11
ناشر: آی تریپل ای - IEEE
نوع ارائه مقاله: ژورنال
نوع مقاله: ISI
سال انتشار مقاله: 2019
ایمپکت فاکتور: 3/140 در سال 2018
شاخص H_index: 221 در سال 2019
شاخص SJR: 3/140 در سال 2018
شناسه ISSN: 0885-8950
شاخص Quartile (چارک): Q1 در سال 2018
فرمت مقاله انگلیسی: PDF
وضعیت ترجمه: ترجمه نشده است
قیمت مقاله انگلیسی: رایگان
آیا این مقاله بیس است: خیر
آیا این مقاله مدل مفهومی دارد: ندارد
آیا این مقاله پرسشنامه دارد: ندارد
آیا این مقاله متغیر دارد: ندارد
کد محصول: E13078
رفرنس: دارای رفرنس در داخل متن و انتهای مقاله
فهرست مطالب (انگلیسی)

Abstract

I- Introduction

II- Wind Turbine Generator Model

III- Dynamic State Estimation with a Nonlinear Unknown Input

IV- Case Studies

V- Conclusion

References

بخشی از مقاله (انگلیسی)

Abstract

This paper proposes a novel Kalman filtering based dynamic state estimation method, which addresses cases of models with a nonlinear unknown input, and it is suitable for wind turbine model state estimation. Given the complexity characterising modern power networks, dynamic state estimation techniques applied on renewable energy based generators, such as wind turbines, enhance operators’ awareness of the components comprising modern power networks. In this context, the method developed here is implemented on a doubly-fed induction generator based wind turbine, under unknown wind velocity conditions, as opposed to similar studies so far, where all model inputs are considered to be known, and this does not always reflect the reality. The proposed technique is derivative-free and it relies on the formulation of the nonlinear output measurement equations as power series. The effectiveness of the suggested algorithm is tested on a modified version of the IEEE benchmark 68-bus, 16-machine system.

INTRODUCTION

ELECTRIC power systems all over the world are undergoing significant changes, mainly driven by energy market liberalisation taking place in various countries, as well as the advent of renewable energy based power generators [1], [2]. The adoption of new technologies introduces complexity in terms of network control and operation, therefore, good knowledge of the behavioural model characterising the newly introduced devices is challenging but very important. On the other hand, the longstanding operation of power networks is associated with the existence of aging components which are likely to increase system stress and put system operation at risk, with a notable example being the 1994 North American blackouts in WECC [2], [3]. Given the aforementioned modern network challenges, dynamic security assessment (DSA) and wide area monitoring systems (WAMS) are useful approaches, providing insight regarding the system behaviour with respect to the advent of contingencies [4]. In this context, dynamic state estimation (DSE) is a useful tool to monitor the operational status of the system.