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 | |
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. |