A funcionalidade de pesquisa está em construção.
A funcionalidade de pesquisa está em construção.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

A Real-Time Decision Support System for Voltage Collapse Avoidance in Power Supply Networks Um sistema de apoio à decisão em tempo real para evitar colapso de tensão em redes de fornecimento de energia

Chen-Sung CHANG

  • Exibições de texto completo

    0

  • Cite isto

Resumo:

Este artigo apresenta um sistema de suporte à decisão em tempo real (RDSS) baseado em inteligência artificial (IA) para evitar colapso de tensão (VCA) em redes de fornecimento de energia. O esquema RDSS emprega uma rede neural composta hiperretangular difusa (FHRCNN) para realizar a identificação de risco de tensão (VRI). Caso seja detectada uma ameaça à segurança da rede de fornecimento de energia, um algoritmo baseado em programação evolutiva (EP) é acionado para determinar as configurações operacionais necessárias para restaurar a rede de fornecimento de energia a uma condição segura. A eficácia da metodologia RDSS é demonstrada através da sua aplicação ao American Electric Power Provider System (AEP, sistema de 30 barramentos) sob diversas condições de carga pesada e cenários de contingência. Em geral, os resultados numéricos confirmam a capacidade do esquema RDSs em minimizar o risco de colapso de tensão nas redes de fornecimento de energia. Em outras palavras, o RDSS fornece às Empresas Fornecedoras de Energia (PPEs) uma ferramenta viável para realizar avaliações de risco de tensão on-line e funções de aprimoramento da segurança do sistema de energia.

Publicação
IEICE TRANSACTIONS on Information Vol.E91-D No.6 pp.1740-1747
Data de publicação
2008/06/01
Publicitada
ISSN online
1745-1361
DOI
10.1093/ietisy/e91-d.6.1740
Tipo de Manuscrito
PAPER
Categoria
Inteligência Artificial e Ciência Cognitiva

autores

Palavra-chave