وبلاگ

از ابتدای پدید آمدن و گسترش شبکه قدرت همواره به دنبال مدل کردن آن بوده­ایم. همواره برای مطالعه، برنامه­ریزی، بالا بردن امنیت سیستم، توزیع اقتصادی بار به منظور کاهش هزینه تولید و تلفات و … نیازمند مدلی برای سیستم هستیم. این مدل شامل پارامترهای سری و موازی خطوط، مدل ترانسفورماتورها، ژنراتورها، جبران­سازها و دیگر المان­های استفاده‌شده در سیستم قدرت است. مدل سیستم می­تواند بسیار پیچیده و شامل معادلات غیرخطی باشد و یا ساده‌شده و به صورت خطی مدل شود؛ بنابراین مدل­های گوناگون با دقت­های مختلفی را می‌توان برای سیستم در نظر گرفت. از جمله پارامترهایی که در مدل سیستم بسیار مهم هستند پارامترهای خطوط هستند. پارامترهای خطوط شامل مقاومت و راکتانس سری خطوط و سوسپتانس موازی آن‌ها در راه­اندازی نرم­افزارهای آنالیز سیستم قدرت نقش مهمی دارند. دقت پارامترهای خطوط نقشی اساسی در تعیین دقت خروجی­های این نرم­افزارها دارد.
الگوریتم­های مختلفی برای محاسبه پارامترهای خطوط انتقال در گذشته ارائه‌شده است. روش­های کلاسیک و تئوری که در[[ii]] ارائه‌شده‌اند از فاکتورهایی مانند پارامترهای هندسی هادی­ها، نوع هادی و در نظر گرفتن شرایط محیطی برای تخمین پارامتر استفاده می­کنند. ممکن است مقادیر حقیقی این فاکتورها با مقادیر به کار گرفته‌شده در معادلات تفاوت داشته باشد. از طرف دیگر در محاسبات، ساده­سازی­هایی در ابعاد هندسی هادی­ها و روابط مغناطیسی آن صورت می­گیرد که این خود باعث کاهش دقت تخمین پارامترها می­شود. در این روش­ها امکان تخمین پارامترهای توالی مثبت و منفی و صفر با ساختارهای هندسی و هادی­هایی با جنس­های مختلف به راحتی امکان‌پذیر است.
روش دیگری در ][iii][ ارائه شده است که در آن یکی از ترمینال­ها را اتصال کوتاه کرده و یا آن را در حالت مدار باز قرار می­دهند و با استفاده از جریان خط و ولتاژ سر دیگر ترمینال به محاسبه پارامترها می­پردازد؛ اما باید دقت داشت که این‌چنین اندازه­گیری­هایی برای خطوط مشکل و در برخی حالات غیرممکن است.
روش­های ذکرشده، روش­های تخمین پارامتر بودند اما به صورت آنلاین قابل‌استفاده نیستند. برای بدست آوردن مقادیر دقیق­تری از پارامترهای خط، روش­های تخمین آنلاین در تخمین پارامتر خطوط بسیار مناسب­تر خواهد بود. این­گونه تکنیک­های تخمین، بوسیله ترکیبی از اندازه­گیری­های ولتاژ، جریان و توان، به تخمین پارامتر می­پردازند. در این­گونه روش­ها به صورت آنلاین کمیت­های مورد نیاز شبکه از شین­ها و خطوط استحصال ‌شده و به نرم­افزارهای مرتبط منتقل می­شوند. این نرم­افزارها با توجه به الگوریتم برنامه‌ریزی‌شده به تخمین پارامترها می­پردازند.
الگوریتم­هایی که به صورت آنلاین به محاسبه پارامترها می­پردازند را می‌توان به دو گروه اصلی تقسیم کرد.

1. الگوریتم­هایی که به صورت مستقیم و با اندازه­گیری کمیت­های بهره­برداری شبکه به محاسبه پارامترها می­پردازند.

1. الگوریتم­هایی که به کمک الگوریتم تخمین حالت به تخمین پارامتر می­پردازند.

شکل ‏2‑1: دسته‌بندی روش­های تخمین پارامتر

در ادامه به بررسی این دو روش پرداخته خواهد شد.

2-2-     روش تخمین پارامتر با استفاده از الگوریتم تخمین حالت

همان طور که قبلاً بیان شد به علل مختلف نیازمند دسترسی به مقادیر دقیق و آنلاین پارامترهای سیستم قدرت هستیم؛ اما باید دقت داشت که اساس پیدایش الگوریتم­های تخمین پارامتر چیز دیگری بود. در سال 1970 مقاله­ای راجع به تخمین حالت سیستم منتشر شد. در این مقاله الگوریتمی برای تخمین حالت سیستم قدرت ارائه گردید. در این الگوریتم تخمین حالت فرض بر این بود که مقادیر صحیح پارامترهای شبکه را در اختیار داریم تا به نتایج صحیحی از تخمین حالت دست یابیم؛ اما واقعیت امر چیز دیگری است. پارامترهای نادقیق در این الگوریتم موجب پایین آمدن دقت تخمین حالت خواهند شد. پس از انتشار این مقاله، الگوریتم­های زیادی ارائه شد که هدف آن‌ها پیدا کردن خطای پارامترها و تصحیح آن‌ها برای بالا بردن دقت الگوریتم تخمین حالت بود. در این روند تکاملی الگوریتم تخمین حالت بود که اولین بار روشی برای تخمین پارامتر پیدا شد [[iv]].
پس از سال 1970 و انتشار این مقاله، کمتر مقاله­ای به طور جداگانه به تخمین پارامتر پرداخته است. روش­های تخمین پارامتر اکثراً در کنار روش تخمین حالت آورده شده است و به تعبیر دیگر در این روش، تخمین پارامتر روشی است که اساس آن تخمین حالت سیستم است. در این روش مقادیر اولیه­ای برای پارامترها در نظر گرفته می­شود. سپس با انجام تخمین حالت به پیدا کردن مقادیر دقیق پارامترها نادقیق پرداخته می­شود. روش­هایی که در تعیین خطای پارامتر در الگوریتم تخمین حالت ارائه‌شده­اند را می‌توان به صورت زیر دسته‌بندی کرد ][v][:

• روشی بر اساس آنالیز حساسیت باقی­مانده­ها

• روشی بر اساس گسترش بردار حالت

همان طور که از نام‌گذاری این دو روش پیداست در روش اول مقادیری را به عنوان مقادیر اولیه پارامترها در نظر گرفته و الگوریتم تخمین حالت را به پایان می­رسانیم. سپس با پیدا کردن رابطه­ای میان خطای پارامترها و باقی­مانده الگوریتم به مقادیر صحیح پارامترها دست می­یابیم؛ اما در روش دوم مقادیر اولیه­ای را به بردار حالت الگوریتم تخمین حالت اضافه کرده و به طور همزمان به تخمین حالت و تخمین پارامتر می­پردازیم.
در روش اول، معادله تخمین حالت به دو معادله مجزا بر حسب متغیرهای حالت و پارامترهای شبکه تبدیل می­شود. در این روش ابتدا تخمین حالت پرداخته و سپس به سراغ بروز کردن پارامترها می­رویم. در اینجا مرحله اول تخمین به اتمام رسیده است. این مرحله را آن‌قدر تکرار می­کنیم تا پارامترها و متغیرهای حالت مسئله به مقدار نهایی همگرا شوند. این راه به محاسبات و زمان زیادی نیازمند است؛ بنابراین بهتر است در هنگام به‌روزرسانی کردن متغیرها از روش دیگری استفاده کنیم. در [9] روشی برای به‌روزرسانی کردن پارامترها بر اساس آنالیز بردار باقیمانده ارائه‌شده است. در این روش از رابطه­ای میان باقی­مانده و خطای پارامترها استفاده می­شود. در هر مرحله پس از تخمین حالت با استفاده از باقی­مانده­ها، خطای پارامترها محاسبه‌شده و به این طریق پارامترها به‌روزرسانی می­شود. این روش به زمان حل کوتاه­تری نیاز دارد.
[1]- Parameter Estimation (PE)
[2] Phasor Measurement Unit (PMU)
[[1]] W Liu, W.-H.E.; Wu, F.F.; Shau-Ming Lun, “Estimation of parameter errors from measurement residuals in state estimation ,” Power Systems, IEEE Transactions on , vol.7, no.1, pp.81,89, Feb 1992 doi: 10.1109/59.141690
[[ii]] J. Grainger and W. Stevenson, Power System Analysis. New York: McGraw-Hill, 1994
[[iii]] S Kurokawa, S.; Pissolato, J.; Tavares, M.C.; Portela, C.M.; Prado, A.J., “A new procedure to derive transmission-line parameters: applications and restrictions,” Power Delivery, IEEE Transactions on , vol.21, no.1, pp.492,498, Jan. 2006
[[iv]] Borda, C.; Olarte, A.; Diaz, H., “PMU-based line and transformer parameter estimation,” Power Systems Conference and Exposition, 2009. PSCE ’09. IEEE/PES , vol., no., pp.1,8, 15-18 March 2009
[[v]] Zarco, P.; Gomez-Exposito, A., “Power system parameter estimation: a survey,” Power Systems, IEEE Transactions on , vol.15, no.1, pp.216,222, Feb 2000

اضطراب­ اجتماعی یکی از ناتوان­ کننده­ترین اختلالات اضطرابی می­باشد که از ابتدای نوجوانی نشانه­های آن شروع شده و تا دوره­های بعدی تحول، تداوم پیدا می­کند و در زندگی شخصی، تعاملات اجتماعی، زندگی حرفه­ای و سایر ابعاد عملکردی فرد سازش نایافتگی ایجاد می­کند. مطالعات متعددی  عوامل مرتبط با این اختلال را بررسی کرده­اند، و با توجه به فقدان مطالعاتی که سهم متغیرهای حساسیت اضطرابی، عدم تحمل بلاتکلیفی و ذهن ­آگاهی را در اختلال اضطراب اجتماعی در ایران تصریح نماید مطالعه کنونی شکل گرفته است .

هدف: هدف پژوهش حاضر تعیین الگوی پیش­بینی اضطراب­ اجتماعی از راه بررسی متغیرهای حساسیت اضطرابی، عدم تحمل بلاتکلیفی و ذهن­ آگاهی به عنوان پیش­بینی کننده­های اضطراب اجتماعی بوده است.

روش: روش این پژوهش توصیفی از نوع همبستگی بوده و جامعه آماری این پژوهش شامل کلیه دانشجویان کارشناسی و دکتری حرفه­ای دانشگاه شاهد می­باشد. که تعداد 390 نفر (234 دختر و 156 پسر) از بین آن­ها با روش نمونه­گیری خوشه­ای انتخاب شدند. برای جمع­آوری داده­ها از  پرسشنامه­های «هراس اجتماعی» (SPIN)، «حساسیت اضطرابی» (ASI)، «عدم تحمل بلاتکلیفی» (IUS)، و «ذهن آگاهی» (FFMQ)، استفاده شد. داده­های پژوهش با روش آماری همبستگی پیرسون و رگرسیون چند­­­متغیره، توسط SPSS.19 تجزیه تحلیل شد.

یافته­ها: همه متغیرها به طور معناداری با اضطراب اجتماعی همبستگی داشتند. نتایج رگرسیون چند متغیره نشان داد که الگوی پیش­بینی اضطراب اجتماعی شامل حساسیت اضطرابی، عدم تحمل بلاتکلیفی، و ذهن­ آگاهی می­باشد. و البته این نتایج تا حدودی بر اساس جنس متفاوت بود.

نتیجه­گیری: متغیرهای پیش­بین (حساسیت اضطرابی، عدم تحمل بلاتکلیفی، و ذهن­ آگاهی) 48 درصد از واریانس اضطراب اجتماعی را تبیین می­کنند. این متغیرها در زنان 50 درصد از واریانس اضطراب اجتماعی و در مردان 44 درصد از واریانس اضطراب اجتماعی را تبیین می­کنند.

• بر کارهای گذشته

• اهداف مورد نظر

• ساختار کلی رساله

1-1- برکارهای گذشته
1-1-1- راهبرد کنترل گشتاور
با توجه به اینکه بهبود عملکرد سیستم‌های کنترل ربات‌ها تأثیر بسزایی در کیفیت محصولات صنعتی و افزایش راندمان تولید دارد، طراحی سیستم‌های کنترل ربات‌ها همواره یکی از جذابترین حوزه­های تحقیقاتی بوده است. مطالعه سیر تاریخی روش­های کنترلی ارائه شده، پیشرفت­های صورت گرفته در این زمینه را روشن می­سازد.
بازوهای رباتیک، سیستم­های غیر­خطی چند­متغیره پیچیده با تزویج زیاد هستند. به همین دلیل، محققان روشهای بسیار متنوعی برای كنترل آنها ارائه نموده اند که ساده­ترین آنها، روش­های مبتنی بر مدل هستند. خطی سازی فیدبکی [2-1] محبوب­ترین و پرکاربردترین تکنیک­ برای کنترل سیستم­های غیرخطی است، زیرا با استفاده از آن می‌توان به راحتی دینامیك غیر خطی پیچپده ربات را به معادلات خطی مرتبه دوم تبدیل كرد. این روش، در رباتیک به نام‌های گشتاور محاسباتی، دینامیک وارون یا کنترل گشتاور مشهور است. اما موفقیت روش­های مبتنی بر مدل، منوط به در اختیار داشتن مدل دقیق سیستم است. متأسفانه بدست آوردن مدل ریاضی دقیق سیستم­های رباتیک بسیار مشكل، وقت گیر و گاهی غیر‌ممكن می‌باشد. زیرا ممكن است برخی از دینامیك‌های سیستم مانند اصطكاك، تكرار پذیر نباشند یا نتوان مدل دقیقی برای آنها پیشنهاد داد. علاوه بر این، ممكن است پارامترهای مدل سیستم با گذشت زمان یا تحت تأثیر شرایطی خاص تغییر كند. به عنوان مثال، هنگامی که ربات اجسام با جرم­های مختلف را بلند می­کند، مرکز جرم لینک آخر که یکی از پارامترهای دینامیکی ربات می­باشد، تغییر می­کند. به همین دلیل، مدلی که برای سیستم پیشنهاد می­دهیم (مدل نامی) با مدل واقعی سیستم اختلاف دارد. بنابراین، عدم قطعیت همواره یكی از مهمترین چالش های طراحی سیستمهای كنترل بوده­است. باید توجه داشت که عدم قطعیت در سیستم­های رباتیک معمولاً از نوع غیر­تصادفی فرض می­شود و منظور از آن نامعلوم بودن پارامترهای سیستم، وجود دینامیک­های ناشناخته یا مدل نشده و همچنین اغتشاش خارجی می­باشد.
برای غلبه ­بر عدم قطعیت ناشی از عدم تطابق مدل، روش­های کنترل تطبیقی و مقاوم [7-3] ارائه شده­اند. کنترل تطبیقی می­تواند اثرات عدم­قطعیت پارامتری را جبران نماید. کنترل مقاوم قادر است علاوه بر عدم­قطیعت پارامتری، عدم قطعیت های ناشی از دینامیک مدل­نشده و اغتشاش خارجی را نیز جبران کند. تحقیقات گسترده‌ای برای طراحی سیستم‌های كنترل تطبیقی ربات های صلب به منظور تضمین پایداری سیستم كنترل و محدود ماندن سیگنال‌های داخلی انجام شده است. اسپانگ طبقه‌بندی جامعی از روش‌های تطبیقی ارائه داده است [8] و

 آنها را به دو گروه عمده روش‌های مبتنی بر دینامیك وارون و روش‌های مبتنی بر غیرفعال بودن تقسیم می‌‌کند. در تمامی روش‌های فوق فقط عدم قطعیت پارامتری لحاظ شده است. نكته مهم دیگر در مورد روش‌های تطبیقی، تحریك پایا بودن سیگنال‌های تحریك است [7]. در غیر این­صورت، پارامترهای تخمین زده شده به پارامترهای واقعی همگرا نخواهد شد.

در روشهای کنترل مقاوم، دانستن حدود عدم قطعیت لازم است. حدود عدم قطعیت یکی از چالش­های بسیار مهم در این روشها می­باشد. اگر حدود عدم قطعیت بزرگتر از مقدار واقعی باشد، ممکن است اندازه سیگنال کنترل بیشتر از مقدار مجاز آن شود که در این صورت پدیده اشباع رخ خواهد داد و کنترل کننده قادر به کنترل سیستم نخواهد بود. علاوه بر این، اگر دامنه سیگنال کنترل بیش از حد مجاز باشد، ممکن است به سیستم آسیب برساند، همچنین پدیده لرزش سیگنال کنترل نیز تقویت می­شود. از طرف دیگر، اگر حدود عدم قطعیت کمتر از مقدار واقعی باشد، خطای ردگیری زیاد می­شود و ممکن است منجر به ناپایداری سیستم کنترل شود [11-9]. برخی از روشهای کنترل مقاوم، منجر به قوانین کنترل ناپیوسته می­شوند. به عنوان مثال می­توان به روش کنترل مود لغزشی اشاره کرد [2]. این قوانین، احتمال بروز نوسانات فرکانس بالا (لرزش) در سیگنال کنترل را افزایش می­دهند. لرزش سیگنال کنترل پدیده­ای نامطلوب است که موجب فرسودگی قطعات و تحریک دینامیک های مدل نشده می­شود.
با ظهور منطق فازی به عنوان یك ابزار توانمند در كنترل سیستمهای نامعین و پیچیده، تحول شگرفی در مهندسی كنترل بوجود آمد. به کمک قوانین فازی می توان سیستم‌هایی را که مدل ریاضی دقیقی از آنها در اختیار نیست، توصیف کرد [12]. روش فازی تطبیقی غیر مستقیم از این ایده استفاده می‌کند [15-13]. ویژگی دیگر منطق فازی، مدلسازی دانش و توانایی انسان به منظور كنترل سیستم‌های پیچیده می باشد که روش فازی تطبیقی مستقیم [17-16] این امکان را فراهم می‌آورد. علاوه بر این، می‌توان روش‌های فازی تطبیقی مستقیم و غیر مستقیم را با هم ترکیب نمود و روشی بدست آورد که عملکرد بهتری داشته باشد [18]. یکی از مهمترین ویژگی های منطق فازی که منجر به استفاده گسترده از آنها در سیستمهای کنترل شده است، ویژگی تقریبگر عمومی بودن سیستمهای فازی است [12]. به همین دلیل در سال‌های اخیر، محققان تمركز بیشتری روی كنترل فازی داشته‌اند و تلاش‌های فراوانی برای كنترل مقاوم ربات با استفاده از کنترل فازی و شبکه های عصبی صورت گرفته است [35-19]، زیرا ویژگی تقریب عمومی برای انواع مختلف شبکه­های عصبی مانند پرسپترون چند لایه و شبکه­های توابع پایه شعاعی نیز برقرار می­باشد [40-36]. در [19]، از سیستم­های فازی تطبیقی برای جبران عدم قطعیت­ها از قبیل عدم قطعیت پارامتری، اغتشاش خارجی (مانند جرم جسمی که ربات جابجا می­کند)، دینامیک مدل نشده (مانند اصطکاک) و همچنین خطای تقریب سیستم فازی، ارائه شده است. در [20]، روشی برای کاهش تعداد سیستمهای فازی مورد نیاز ارائه شده است. همچنین، نشان داده شده است که چگونه با انتخاب مناسب پارامترهای قانون کنترل می­توان خطای ردگیری را کاهش داد. در [22]، فرض شده است که فیدبک­های سرعت و شتاب در اختیار نیستند و برای تخمین این سیگنالها رویت­گری غیرخطی پیشنهاد شده است. در [26]، برای تقریب دینامیک ربات از شبکه­های عصبی دو لایه استفاده شده است و قوانین تطبیق جدیدی برای تنظیم وزن­های هر دو لایه با استفاده از اثبات پایداری لیاپانوف بدست آمده­اند. اما تعداد ورودی­های شبکه­های عصبی طراحی شده زیاد هستند. این ورودی­ها جریان موتورها، موقعیت و سرعت مفاصل، مسیر مطلوب و مشتقات اول و دوم آن هستند. در این روشها، برای پایداری سیستم کنترل یک تابع لیاپانوف پیشنهاد می­شود و قانون تطبیق پارامترهای سیستم های فازی یا وزن های شبکه های عصبی از شرط منفی معین بودن مشتق تابع لیاپانوف بدست می­آید. برخی از مراجع با استفاده از سیستمهای فازی یا شبکه های عصبی، دینامیک سیستم را تقریب می­زنند و از این تقریب در طراحی قانون کنترل استفاده می­کنند و برخی دیگر کنترل کننده را به صورت یک سیستم فازی یا شبکه عصبی در نظر گرفته و به تنظیم پارامترهای آن با استفاده از قوانین تطبیق بدست آمده می­پردازند. در [41] یک روش فازی تطبیقی جدید و متمایز از این دو روش مرسوم ارائه شده است. در این روش برای سیستم یک مدل نامی در نظر گرفته می­شود و قانون کنترل بر اساس این مدل نامی طراحی می­شود. سپس برای جبران عدم قطعیت ناشی از عدم تطابق مدل نامی و مدل واقعی یک سیستم فازی به قانون کنترل اضافه می­شود. برای اثبات پایداری سیستم از روش مستقیم لیاپانوف استفاده می­گردد و قانون تطبیق پارامترهای سیستم فازی از شرط منفی معین بودن مشتق تابع لیاپانوف استخراج می­شود.
[1] Persistency of excitation

به تناسب توسعه صنعت و گستردگی و پیچیدگی سیستم­های قدرت، بر سطح اتصال کوتاه در سیستم قدرت افزوده می­شود که این موضوع سبب افزایش نقش رله­های حفاظتی و تجهیزات واسط در جلوگیری از واردآمدن خسارت به تجهیزات فشارقوی در سیستم­های قدرت شده است. این رله­ها برای کارکرد صحیح، نیاز به دریافت اطلاعات صحیح داشته و لذا در صورت ایجاد اعوجاج در سیگنالهای دریافتی، انتظار عملکرد مورد نظر از آنها، امری بیهوده تلقی می­گردد. ترانسفورماتور جریان (CT) از جمله عناصر بسیار مهم بعنوان واسط رله­هاست که برای اخذ سیگنال جریانی متناسب با جریان اولیه و با دامنه­ای کوچکتر بکار گرفته می­شود. با وجود اینکه CTها از هسته­های آهنی برای بیشینه­کردن شار پیوندی بین سیم­پیچی اولیه و ثانویه (و کمینه­کردن شار نشتی) استفاده می­کنند، به دلیل غیرخطی­بودن مشخصه­ی مغناطیسی هسته، مستعد اشباع­شدن می­باشند. در نقاط بالاتر از زانوی منحنی مغناطیس­شوندگی، به ازای تغییرات جریان اولیه، جریان مغناطیسی هسته افزایش چشمگیری خواهد یافت. از آنجا كه جریان ثانویه‌ی CTها از تفاضل جریانِ ترانسفورماتوری اولیه و جریان مغناطیس­كنندگی بدست می­آید، تحت شرایط اشباع، جریان ثانویه با نسبت ثابتی جریان اولیه را دنبال ننموده و علاوه بر افزایش خطای نسبت تبدیل، اعوجاجی در سیگنال خروجی ظاهر خواهد شد. به هنگام بروز خطا، در اثر مولفة DC جریان خطا (که معمولاً در طراحی CT لحاظ نمی­گردد)، پدیدة اشباع رخ خواهد داد که یکی از راههای محدودکردن این اثر، استفاده از CT با مشخصات نامی بالاتر یا استفاده از الگوریتم­های خاص برای اصلاح این پدیده است. از آنجا که استفاده از CT با مشخصات نامی بالاتر، از نظر اقتصادی مقرون به صرفه نیست، جبرانسازی نرم­افزاری پدیدة اشباع CT در سیستم­های قدرت، راهکار مناسبی برای حل مسئله بوده که منجر به کاهش هزینه و افزایش قابلیت اطمینان سیستم قدرت خواهد شد؛ بویژه آنکه چنین الگوریتمی را می­توان بسهولت در ساختار رله­های عددی (بعنوان یک پیش­پردازشگر اطلاعات) اعمال نمود. لذا هدف از انجام این پروژه، تشخیص پدیده اشباع و جبران­سازی اعوجاج جریان ثانویه CT با استفاده از روش­های پردازش سیگنال می­باشد.

1-2-              بر کارهای انجام شده

همانطور که اشاره شد، بر اثر اشباع ترانسفورماتور جریان علاوه بر افزایش خطای نسبت تبدیل، سیگنال خروجی معوج نیز خواهد شد. در [3-1] مشکلات ناشی از بروز اشباع در ترانسفورماتورهای جریان مورد بررسی قرار گرفته­شده است.
در [4] یک روش برای آشکارسازی اشباع در ترانسفورماتورهای جریان بر اساس این واقعیت که جریان در هنگام شروع اشباع به تندی تغییر می­کند، ارائه شده است. این روش، اشباع CT را به سبب کاهش ناگهانی مقدار جریان، تشخیص داده و لیکن در صورت استفاده از یک فیلتر پایین­گذر آنتی­الیاسینگ، از موفقیت چندانی برخوردار نیست. در [5] و [6] یک روش برای آشکارسازی اشباع ترانسفورماتور

 جریان بر اساس مشتق مرتبه سوم جریان ثانویه ارائه شده است. در این مقالات اثر فیلتر پایین گذر آنتی الیاسینگ در نظر گرفته شده است.

در [7] یک الگوریتم برای محاسبه شار هسته از روی جریان ثانویه و سپس جبران­سازی آن پیشنهاد شده است. این الگوریتم به خوبی شار هسته را محاسبه می­کند و اشباع CT را در شرایط مختلف تشخیص می­دهد. با این وجود در این روش از این فرض استفاده شده است که شار پسماند در شروع محاسبات برابر صفر است که در شرایط واقعی فرض مناسبی نمی­باشد.
یک روش دیگر برای آشکارسازی اشباع با محاسبه متوسط خطا و واریانس دامنه جریان در [8] پیشنهاد شده است. مقدار خطا با این فرض که اگر یک جریان سینوسی کامل باشد، باید جمع آن جریان با ضریبی از مشتق دومش صفر باشد، تعیین می­گردد. در [9] یک روش امپدانسی برای آشکار سازی اشباع در یک ترانسفورماتور جریان به منظور حفاظت دیفرانسیلی باسبار پیشنهاد شده است. این روش بر پایه معادله دیفرانسیل مرتبه اول امپدانس منبع سیستم قدرت در محل رله می­باشد و در آن از ولتاژ باسبار و جریان ثانویه ترانسفورماتور جریان برای محاسبه امپدانس استفاده شده است. تغییرات در این امپدانس برای تعیین وضعیت ترانسفورماتور جریان به کار می­روند. همچنین در مورد اثرات شار پسماند در هسته، اندازه اندوکتانس مغناطیس کنندگی و حالات مختلف خطا بحث شده است. در [10] یک روش آشکارسازی با استفاده از مولفه­های متقارن برای حفاظت دیفرانسیل پیشنهاد شده است. در [11] یک روش دیگر برای آشکارسازی با استفاده از شبکه عصبی مصنوعی و الگوریتم ژنتیک پیشنهاد شده است. در این روش از شبکه عصبی به منظور تشخیص اشباع و از الگوریتم ژنتیک برای پیدا کردن ساختار بهینه شبکه عصبی از نظر تعداد لایه­ها و تعداد نرون­ها در هر لایه استفاده شده است. در [12] یک روش جدید ترکیبی با استفاده از مشتق دوم جریان خروجی ترانسفورماتور جریان و قاعده گذر از صفر ارائه شده است.
در [13] یک روش جبران­سازی پیشنهاد شده است که طی آن، پس از تخمین جریان مغناطیس­کنندگی هسته CT، این جریان به جریان ثانویه اندازه­گیری­شده اضافه ­شده، تا جریان ثانویه حاصل شود. این الگوریتم برای شرایط مختلف خطا و سیستم به خوبی کار می­کند ولی (همانند [7]) بر این فرض استوار است که شار پسماند قبل از وقوع خطا صفر است. الگوریتم پیشنهاد شده در [14] جریان ثانویه اعوجاج دار را جبران می­کند و سطح شار پسماند روی آن اثر نامطلوب ندارد. این الگوریتم از یک تایع دیفرانسیل مرتبه دوم برای تشخیص لحظه به اشباع رفتن استفاده می­کند.
یک روش جایگزین بکار بردن یک شبکه عصبی-مصنوعی برای تخمین تابعی است که جریان ثانویه ترانسفورماتور جریان که در اثر اشباع اعوجاج دار شده است را تصحیح کند. این روش در مقالات زیادی استفاده شده است[19- 15]. وابستگی به ظرفیت ثانویه ترانسفورماتور جریان، عدم در نظر گرفتن کلیه عواملی که می­توانند روی اشباع تاثیر بگذارند و بهینه نبودن ساختار شبکه عصبی از نقایصی است که در این مقالات به چشم می­خورند. در [20] از شبکه عصبی مصنوعی که تعداد نرون­ها و لایه­های این شبکه بوسیله الگوریتم ژنتیک بهینه شده است، بمنظور آشکارسازی و جبرانسازی اشباع استفاده شده است.

1-3-             ساختار پایان نامه

در این پایان­نامه، پس از معرفی اولیه پروژه در همین فصل، به معرفی ترانسفورماتورهای جریان، مدار معادل آن، مدل هسته و در نهایت بررسی پدیده اشباع CT و اثر پارامترهای موجود بر آن، در فصل دوم پرداخته شده است. در فصل سوم تکنیک­های مورد استفاده در پایان نامه برای آشکارسازی اشباع CT تشریح گردیده و فصل چهارم دربرگیرنده مراحل مدلسازی CT، شبکه نمونه (قسمتی از شبکه برق ایران) و پیاده­سازی روش­های بررسی­شده در فصل سوم است. پس از مقایسه روش­های پیاده­سازی شده و تعیین روش مناسب برای آشکارسازی پدیده اشباع در فصل چهارم، روش­های جبرانسازی جریان معوج­ ثانویه CT در فصل پنجم بررسی شده و نتایج حاصل از پیاده­سازی روش­های جبرانسازی جریان معوج ثانویه CT و انتخاب روش مناسب، ارائه گردیده است. در فصل ششم به تشریح و پیاده­سازی روش­های پیشنهادی پایان­نامه جهت آشکارسازی پدیده اشباع و جبرانسازی جریان معوج ثانویه CT در شرایط Online اختصاص داده شده و در نهایت، در فصل هفتم جمع­بندی، نتیجه­گیری و پیشنهادات ارائه گردیده است.
-Currant Transfirmer
***ممکن است هنگام انتقال از فایل اصلی به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود ولی در فایل دانلودی همه چیز مرتب و کامل و با فرمت ورد موجود است***

متن کامل را می توانید دانلود نمائید

چون فقط تکه هایی از متن پایان نامه در این صفحه درج شده (به طور نمونه)

ولی در فایل دانلودی متن کامل پایان نامه

 با فرمت ورد word که قابل ویرایش و کپی کردن می باشند

موجود است

از یک دیدگاه، سیستم قدرت از سه بخش تولید، انتقال و توزیع تشکیل می‏شود. سیستم توزیع مسؤلیت انتقال انرژی الکتریکی به مصرف‏کنندگان را برعهده دارد، به نحوی که هم از نظر اقتصادی به‏صرفه بوده و هم از نظر قابلیت اطمینان در حد مطلوبی باشد. نتایج تحقیقات نشان می‏دهد که حدود 13% توان الکتریکی کل تولید شده، در بخش توزیع تلف می‏شود [1]. از طرفی به لحاظ اقتصادی کاهش تلفات، کم هزینه‏تر از افزایش تولید است. روشهای متنوعی جهت تحقق این امر پیشنهاد شده است همچون [1]:

• برنامه‏های مدیریت از جانب تقاضا

• مدیریت بار ترانسفورماتور توزیع

• بازآرایی سیستم[3]

• تغییر در سطح مقطع هادی‏های انتخابی[4]

• با افزایش سطح ولتاژ سیستم توزیع اولیه، میزان یکسانی از توان می‏تواند در جریانهای کمتری تحویل داده شود که منجر به کاهش تلفات خواهد شد.

• کاهش ولتاژ به روش سنتی که عبارتست از کم کردن یک درصد کوچک بخصوصی از ولتاژ در ترانس نیروگاهی که به حفظ ولتاژ در یک سطح قابل قبول در فیدرهای ثانویه منجر شود.

• یکی از روشهای اساسی و پرکاربرد در بحث کاهش تلفات در شبکه‏های توزیع، استفاده از خازن موازی و تولید پراکنده[5] می‏باشد.

آمارهای‏ خرابی اغلب شرکت‏های برق نشان می‏دهد که سیستم توزیع بیشترین سهم را در عدم دسترسی انرژی الکتریکی به مصرف‏کننده‏ها

 به خود اختصاص داده است، بنابراین بررسی قابلیت اطمینان سیستم توزیع، از اهمیت خاصی برخوردار است. بخش قابل توجهی از وقفه‏های (قطعی‏های) مشترکین ناشی از خرابی تجهیزات در سیستم توزیع می‏باشد که در این میان کابلهای زیرزمینی و خطوط هوایی سهم بالایی را به خود اختصاص داده‏اند. عبور جریانهای بالا از کابلهای زیرزمینی و خطوط هوایی منجر به افزایش دمای آنها می‏شود. کابلهای زیرزمینی دارای یک حد حرارتی معین جهت کار در حالت عادی می‏باشند که در صورت افزایش دمای کابل به بیش از آن، شاهد وقوع مشکلات عایقی و در نتیجه افزایش نرخ خطای تجهیز خواهیم بود. از طرفی افزایش دما در خطوط هوایی با تأثیر بر خصوصیات مکانیکی هادی، موجب ایجاد شکم[6]، کاهش فضای خالی با زمین و افزایش احتمال وقوع شکست الکتریکی می‏شود.

جایگذاری خازن و تولید پراکنده در سیستم توزیع، منجر به کاهش اندازه جریان عبوری در کابل‏ها و خطوط هوایی می‏شود بنابراین می‏تواند به تعدیل اثرات مخرب ناشی از جریانهای زیاد بر قابلیت اطمینان سیستم توزیع کمک کند در این پایان‏نامه این اثر بصورت کاهش در نرخ خرابی این دو تجهیز اعمال می‏شود. در حقیقت جایابی همزمان خازن و مولد تولید پراکنده با هدف بهبود در شاخص‏های قابلیت اطمینانی سیستم توزیع از طریق کاهش در نرخ وقوع خرابی کابلها و خطوط هوایی و نیز کاهش تلفات سیستم، نوآوری اصلی این پایان‏نامه می‏باشد. نتایج بررسی‏های مختلف نشان می‏دهد جایابی و تعیین ظرفیت بهینه خازن و تولید پراکنده تأثیر بسزایی در دسترسی حداکثری به منافع حاصل از نصب آنها در سیستم توزیع الکتریکی دارد. همچنین جایابی غیربهینه تولید پراکنده می‏تواند منجر به اثرات نامطلوبی از جمله افزایش در تلفات و هزینه‏های سیستم شود. فصل دوم این پایان نامه، به ارایه روشهای متداول در موضوع جایابی خازن و تولید پراکنده پرداخته و در آن بر کارهای انجام شده تاکنون، صورت گرفته است. در فصل سوم قابلیت اطمینان در سیستم های توزیع مورد بررسی قرار گرفته و در ادامه، اثرات ناشی از عبور جریانهای زیاد بر نرخ خرابی کابلها و خطوط هوایی بیان شده است. تابع هدف پیشنهادی این پایان‏نامه برای مسئله جایابی بهینه خازن و تولید پراکنده، در فصل چهارم ارایه می‏شود جهت بهینه‏سازی از الگوریتم ژنتیک استفاده شده که چگونگی کدبندی کروموزوم مسئله جایابی در این فصل توضیح داده می‏شود. در فصل پنجم، نتایج حاصل از شبیه‏سازی بر روی دو سیستم 10 و 33 شین IEEE نشان داده شده و بررسی و تحلیل می‏شود. نتیجه‏گیری و پیشنهادات جهت ادامه کار، در فصل ششم ارایه شده است.
1-2- نتیجه‏گیری
کاهش تلفات و بهبود قابلیت اطمینان، دو هدف عمده در بحث ارتقاء کیفیت توان الکتریکی تحویلی به مشترکین می‏باشند استفاده از خازن موازی و تولید پراکنده می‏تواند راه‏حلی مطمئن جهت دستیابی به این اهداف باشد.

1Demand Side Management
2Distribution Transformer Load Management
3Reconfiguration
4Reconductoring
5Distributed Generation
1Sag
***ممکن است هنگام انتقال از فایل اصلی به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود ولی در فایل دانلودی همه چیز مرتب و کامل و با فرمت ورد موجود است***

متن کامل را می توانید دانلود نمائید

چون فقط تکه هایی از متن پایان نامه در این صفحه درج شده (به طور نمونه)

ولی در فایل دانلودی متن کامل پایان نامه

 با فرمت ورد word که قابل ویرایش و کپی کردن می باشند

موجود است