Συμβολή μεθόδων μηχανικής μάθησης στην εκτίμηση και τον έλεγχο δυναμικής ασφάλειας συστημάτων ηλεκτρικής ενέργειας

Περίληψη

Η ασφάλεια ορίζεται ως η ικανότητα ενός συστήματος ηλεκτρικής ενέργειας να διατηρήσει τη συνεχή λειτουργία του, τόσο υπό κανονικές συνθήκες όσο και κάτω από σοβαρές διαταραχές. Τα σύγχρονα συστήματα αναγκάζονται να λειτουργούν με ολοένα και μικρότερα περιθώρια ασφάλειας καθώς η ζήτηση ηλεκτρικής ισχύος αυξάνεται με ρυθμούς συχνά μεγαλύτερους από τις δυνατότητες εγκατάστασης νέου εξοπλισμού παραγωγής και μεταφοράς. Έτσι η γρήγορη και αξιόπιστη εκτίμηση της κατάστασης ασφάλειας ενός συστήματος ηλεκτρικής ενέργειας καθίσταται αναγκαία. Στο πεδίο της Εκτίμησης της Δυναμικής Ασφάλειας (ΕΔΑ) δίνεται ιδιαίτερη έμφαση στον προληπτικό και τον διορθωτικό έλεγχο. Ο προληπτικός έλεγχος έχει να κάνει με ένα σύνολο δράσεων που εφαρμόζονται όταν εντοπίζεται ανασφαλής κατάσταση λειτουργίας, ενώ ο διορθωτικός έλεγχος εφαρμόζεται για να αντισταθμίσει τις συνέπειες της ανασφαλούς λειτουργίας του συστήματος αφού έχει συμβεί μια σοβαρή διαταραχή. Ο σκοπός αυτής της διατριβής είναι η εφαρμογή μεθόδων μηχανι ...
περισσότερα

Περίληψη σε άλλη γλώσσα

Security is defined as the capability of maintaining the continuous operation of a power system under normal operation and following significant perturbations. As the increase in electric power demand outpaces the installation of new transmission and generation facilities, power systems are forced to operate with narrower security margins; therefore fast and reliable assessment of the system security is necessary. In the field of Dynamic Security Assessment (DSA) much attention has been paid to preventive, as well as corrective control. Preventive control refers to a set of actions that are applied when a potentially dangerous violation is detected through DSA. Corrective actions are applied to offset a security violation after the occurrence of a threatening contingency. The scope of this dissertation is to apply machine learning methods to the dynamic security assessment and control of power systems. Machine learning methods are seen to have features that can bring benefits in compar ...
περισσότερα

Όλα τα τεκμήρια στο ΕΑΔΔ προστατεύονται από πνευματικά δικαιώματα.

DOI
10.12681/eadd/20087
Διεύθυνση Handle
http://hdl.handle.net/10442/hedi/20087
ND
20087
Εναλλακτικός τίτλος
Machine learning contribution to dynamic security control of power systems
Συγγραφέας
Βουμβουλάκης, Εμμανουήλ (Πατρώνυμο: Μιχαήλ)
Ημερομηνία
2010
Ίδρυμα
Εθνικό Μετσόβιο Πολυτεχνείο (ΕΜΠ). Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Ηλεκτρικής Ισχύος
Εξεταστική επιτροπή
Χατζηαργυρίου Νικόλαος
Βουρνάς Κωνσταντίνος
Κορρές Γεώργιος
Διαλυνάς Ευάγγελος
Σταφυλοπάτης Ανδρέας
Μπακιρτζής Αναστάσιος
Γεωργιλάκης Παύλος
Επιστημονικό πεδίο
Επιστήμες Μηχανικού και ΤεχνολογίαΕπιστήμη Ηλεκτρολόγου Μηχανικού, Ηλεκτρονικού Μηχανικού, Μηχανικού Η/Υ
Λέξεις-κλειδιά
Εκτίμηση δυναμικής ασφάλειας; Μηχανική μάθηση; Προληπτικός έλεγχος ασφάλειας; Δέντρα αποφάσεων; Αυτοοργανωμένος χάρτης; Βελτιστοποίηση σμήνους σωματιδίων; Ενισχυτική μάθηση; Ελεγχόμεη νησιδοποίηση
Χώρα
Ελλάδα
Γλώσσα
Ελληνικά
Άλλα στοιχεία
255 σ., εικ., ευρ.
Στατιστικά χρήσης
ΠΡΟΒΟΛΕΣ
Αφορά στις μοναδικές επισκέψεις της διδακτορικής διατριβής για την χρονική περίοδο 07/2018 - 07/2023.
Πηγή: Google Analytics.
ΞΕΦΥΛΛΙΣΜΑΤΑ
Αφορά στο άνοιγμα του online αναγνώστη για την χρονική περίοδο 07/2018 - 07/2023.
Πηγή: Google Analytics.
ΜΕΤΑΦΟΡΤΩΣΕΙΣ
Αφορά στο σύνολο των μεταφορτώσων του αρχείου της διδακτορικής διατριβής.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
ΧΡΗΣΤΕΣ
Αφορά στους συνδεδεμένους στο σύστημα χρήστες οι οποίοι έχουν αλληλεπιδράσει με τη διδακτορική διατριβή. Ως επί το πλείστον, αφορά τις μεταφορτώσεις.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
Σχετικές εγγραφές (με βάση τις επισκέψεις των χρηστών)