مقاله انگلیسی رایگان در مورد تخمین حالت دینامیکی برای مدل های توربین بادی با سرعت نامعلوم باد – ۲۰۱۹ IEEE

مقاله انگلیسی رایگان در مورد تخمین حالت دینامیکی برای مدل های توربین بادی با سرعت نامعلوم باد – ۲۰۱۹ IEEE

 

مشخصات مقاله
ترجمه عنوان 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
انتشار مقاله سال ۲۰۱۹
تعداد صفحات مقاله انگلیسی ۱۱ صفحه
هزینه دانلود مقاله انگلیسی رایگان میباشد.
پایگاه داده نشریه IEEE
مقاله بیس این مقاله بیس نمیباشد
نمایه (index) JCR – Master Journal List – Scopus
نوع مقاله ISI
فرمت مقاله انگلیسی  PDF
ایمپکت فاکتور(IF)
۳٫۱۴۰ در سال ۲۰۱۸
شاخص H_index ۲۲۱ در سال ۲۰۱۹
شاخص SJR ۳٫۱۴۰ در سال ۲۰۱۸
شناسه ISSN ۰۸۸۵-۸۹۵۰
شاخص Quartile (چارک) Q1 در سال ۲۰۱۸
مدل مفهومی ندارد
پرسشنامه ندارد
متغیر ندارد
رفرنس دارد
رشته های مرتبط مکانیک، برق، مهندسی انرژی
گرایش های مرتبط سیستم های قدرت، انرژی های تجدیدپذیر،، تبدیل انرژی و فناوریهای انرژی، مهندسی کنترل، مهندسی الکترونیک
نوع ارائه مقاله
ژورنال
مجله  نتایج بدست آمده در حوزه سیستم های قدرت – Transactions On Power Systems
دانشگاه Department of Electrical and Electronic Engineering, Imperial College London, London, U.K
کلمات کلیدی 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
کد محصول E13078
وضعیت ترجمه مقاله  ترجمه آماده این مقاله موجود نمیباشد. میتوانید از طریق دکمه پایین سفارش دهید.
دانلود رایگان مقاله دانلود رایگان مقاله انگلیسی
سفارش ترجمه این مقاله سفارش ترجمه این مقاله

 

فهرست مطالب مقاله:
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 متن مقاله:

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.

برچسب ها

ثبت دیدگاه