CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)
عنوان
مقاله

Possibility of Synchronous Machine Parameters Estimation via On-Line Field Tests using Genetic Algorithm in Bisotun Power Plant

اعتبار موردنیاز: ۱ | تعداد صفحات: ۱۰ | تعداد نمایش خلاصه: ۱۰۹۹ | نظرات: ۰
سال انتشار: ۱۳۸۱
کد COI مقاله: PSC17_007
زبان مقاله: انگلیسی
حجم فایل: ۲۱۶.۸۵ کلیوبایت (فایل این مقاله در ۱۰ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید. در پایگاه سیویلیکا عموما مقالات زیر ۵ صفحه فولتکست محسوب نمی شوند و برای خرید اینترنتی عرضه نمی شوند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۱۰ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳۰,۰۰۰ ریال

آدرس ایمیل خود را در زیر وارد نموده و کلید خرید با پرداخت اینترنتی را بزنید. آدرس ایمیل:

رفتن به مرحله بعد:

در صورت بروز هر گونه مشکل در روند خرید اینترنتی، بخش پشتیبانی کاربران آماده پاسخگویی به مشکلات و سوالات شما می باشد.

مشخصات نویسندگان مقاله Possibility of Synchronous Machine Parameters Estimation via On-Line Field Tests using Genetic Algorithm in Bisotun Power Plant

  Esmi Jahromi - Niroo Research Institute Tehran, Iran, Electrical Department, Sharif University of Technology Tehran, Iran
   Ranjbar - Niroo Research Institute Tehran, Iran, Electrical Department, Sharif University of Technology Tehran, Iran
   Rasouli - Niroo Research Institute Tehran, Iran

چکیده مقاله:

Generator modelling plays an important role in system planning, operation and post-disturbance analysis. Synchronous generator parameter estimation can be performed by two general methods: Standstill and Rotating Time Domain Response (RTDR) method.
Standstill testing in the time and frequency domains has gained rapid popularity, Owing to the simplicity of its implementation even on very large machines. It is still sometimes criticized for its excessively low levels of test currents, not to mention that the rotational effects of the coupling axes, the centrifugal force effects on damper windings and the magnetic saturation effects can not be observed during standstill [1,2].
These limitations triggered the emergence of running time-domain response (RTDR) testing, based on small [31 or large signal disturbances around the nominal operating point. The genetic algorithm approach as an estimator is a new approach and in this paper it is used for synchronous machine parameters identification from time-domain response data. The purpose of this work is to present a new approach based on genetic algorithm identification of the synchronous machine parameters from timedomain on-line small-disturbance test, obtained by abruptly changing the reference voltage or torque. For this purpose small and large disturbances are introduced and small disturbances is simulated as a suitable disturbance to determine the dynamic parameters of the synchronous generators in Bisotun Thermal Power Plant. This paper consists of the following parts:
In section (2) Bisotun Power Plant synchronous generator characteristics and its applied model is introduced ; section (3) presents RTDR method, Small and large disturbances and introduces a full algorithm for on-line methods, in section (4) the results of simulati on of small disturbances for Bisotun Power Plant generator is shown; section (5) outlines the applied genetic algorithm; the full algorithm of on-line method is simulated in section (6) and finally estimated and simulated results is shown for comparison.

کلیدواژه‌ها:

Synchronous Generator, Parameter Estimation, On-Line Test, Genetic Algorithm

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-PSC17-PSC17_007.html
کد COI مقاله: PSC17_007

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
Jahromi, Esmi; Ranjbar & Rasouli, ۱۳۸۱, Possibility of Synchronous Machine Parameters Estimation via On-Line Field Tests using Genetic Algorithm in Bisotun Power Plant, هفدهمین کنفرانس بین المللی برق, تهران, شرکت توانیر, پژوهشگاه نیرو, https://www.civilica.com/Paper-PSC17-PSC17_007.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (Jahromi, Esmi; Ranjbar & Rasouli, ۱۳۸۱)
برای بار دوم به بعد: (Jahromi; Ranjbar & Rasouli, ۱۳۸۱)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :

  • I. Kamwa, P. Viarouge, E. J. Dickinson, "Identification of generalized ...
  • R. Wamkeue, 1. Kamwa, X. Dai-Do, A. Keyhani, "Iteratively Reweighted ...
  • H. Tsai, A. Keyhani, J. Demcko, R. G. Farmer, "On-Line ...
  • P. A. E. Rusche, G. J. Brock, L. N. Hannet, ...
  • Paul C. Krause, "Analysis of Electric Machinery", Mc Graw-Hil series ...
  • S. Homing, A. Keyhani, 1, Kamwa, "Online Evaluation of a ...
  • R. L. Haupt, S. E. Haupt, "Practical Genetic Algorithms", Jhon ...
  • C. T. Huang, Y. T. Chen, C. L. Chang, C. ...
  • S. Shande, Z. Shouzhen. H. Bo, "Identification of Parameters of ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز:
    تعداد مقالات: ۱۸۲۵۲
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مدیریت اطلاعات پژوهشی

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.