Προτείνεται στη διατριβή ένα περιβάλλον ανάλυσης και μελέτης ενδεχόμενων διαταραχών με τη χρήση μεθόδων μηχανικής μάθησης για ηλεκτρικά δίκτυα. Δομείται ένα ελεγμένο σύνολο πιθανών λειτουργικών καταστάσεων πάνω στο οποίο ορίζεται και μελετάται ένα σύνολο από ενδεχόμενες διαταραχές. Βάσει προτεινόμενων στη βιβλιογραφία δεικτών κατάστασης, οι οποίοι υπολογίζονται ανά λειτουργική κατάσταση, εκπαιδεύονται ανά ενδεχόμενη διαταραχή μέθοδοι μηχανικής μάθησης οι οποίες για μη γνωστές καταστάσεις του δικτύου είναι δυνατό να παράγουν προγνώσεις σχετικά με τις πιθανές επιπτώσεις μιας ενδεχόμενης διαταραχής. Στα πλαίσια της διατριβής έχει σχεδιαστεί ένα πρωτότυπο υπολογιστικό περιβάλλον ανάλυσης και εκτίμησης της επικινδυνότητας ενός προκαθορισμένου συνόλου διαταραχών απώλειας συνδυασμού γραμμών και ζυγών, ενώ παράλληλα προτείνεται μια μεθοδολογία ανάλυσης ενδεχόμενων διαταραχών η οποία εφαρμόζεται στο ηλεκτρικό δίκτυο της νήσου Κρήτης. Το περιβάλλον μελέτης είναι ανεξάρτητο του ηλεκτρικού δικτύου και εκπαιδεύει αλγόριθμους μηχανικής μάθησης με προγενέστερη γνώση με σκοπό την εκτίμηση του αποτελέσματος εφαρμογής μιας ενδεχόμενης διαταραχής σε μια τυχαία λειτουργική κατάσταση του δικτύου. Η προγενέστερη γνώση αποκτάται με προσομοίωση, δηλαδή με την εφαρμογή μιας διαταραχής σε διαφορετικές μεταξύ τους ελεγμένες λειτουργικές καταστάσεις. Έτσι, είναι δυνατή η εκτίμηση της επικινδυνότητας μιας ενδεχόμενης διαταραχής με παράκαμψη της υπολογιστικά δαπανηρής διαδικασίας ανάλυσης ροής φορτίου. / Within thesis an environment implementing machine learning techniques for the analysis and study of electrical network contingencies is proposed. A set of contingencies is defined and studied on a filtered set of simulated possible operating points. Machine learning methods based on proposed in bibliography indices are calculated per simulated operating point and are trained per contingency. They are capable to generate a prediction for an unknown network state about the possible outcome of a contingency. In the scope of thesis a novel computing environment has been developed for the analysis and risk assessment of a predefined set of contingencies comprising line outage combinations. In parallel, a general methodology for contingency analysis is proposed that is in particular implemented on the electrical network of the island of Crete. The environment of study is electrical network independent and trains machine learning algorithms based on previous knowledge. It aims at the estimation of the application result of a contingency to a certain network operating state. Previous knowledge is acquired through simulation, that is the application of a contingency to different filtered operating states. Thus, the risk estimation of a contingency is achieved, bypassing the computer intensive procedure of power flow analysis.
| Identifer | oai:union.ndltd.org:upatras.gr/oai:nemertes:10889/315 |
| Date | 25 June 2007 |
| Creators | Σεμιτέκος, Δημήτριος |
| Contributors | Αβούρης, Νικόλαος, Semitekos, Dimitrios, Αλεξανδρίδης, Αντώνιος, Γιαννακόπουλος, Γαβριήλ, Χούσος, Ευθύμιος, Βοβός, Νικόλαος, Καρακαπιλίδης, Νικόλαος, Κουμπιάς, Σταύρος |
| Source Sets | University of Patras |
| Language | gr |
| Detected Language | Greek |
| Relation | Η ΒΥΠ διαθέτει αντίτυπο της διατριβής σε έντυπη μορφή στο βιβλιοστάσιο διδακτορικών διατριβών που βρίσκεται στο ισόγειο του κτιρίου της. |
Page generated in 0.0021 seconds