Wyniki wyszukiwania - BazTech

Ograniczanie wyników

1 Przegląd Elektrotechniczny

1 2022

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Sortuj według:

Ogranicz wyniki do:

Forecasting voltage collapse when large-scale wind turbines penetrated to power systems using optimally pruned extreme learning machines (OPELM) - case study: electric power system South Sulawesi-Indonesia

Chaerah Gunadin Indar, Siswanto Agus, Safrizal Safrizal, Syukriyadin Syukriyadin, Rosyadi Marwan, Muslimin Zaenab, Gassing, Rasyid Ramly

Przegląd Elektrotechniczny

2022

R. 98, nr 5

80--84

The problem of voltage collapse is a major issue in the operation of the current power system, especially when the penetration of wind turbines into the system continues to increase. The intermittency of the wind turbine has an impact on the stability of the system voltage. Fast Voltage Stability Index (FVSI) is used as a parameter for the condition of the system with the phenomenon of voltage collapse. This study aims to observe and predict the value of the Line stability index using Optimally Pruned Extreme Learning Machine (OP-ELM). The test case in this study is the South Sulawesi-Indonesia Electric Power System, with a total wind turbine penetration of 142 MW. From the simulation, it can be seen that OPELM can do forecasting very well with an error rate of 0.0886%.

Problem załamania napięcia jest poważnym problemem w funkcjonowaniu obecnego systemu elektroenergetycznego, zwłaszcza gdy penetracja turbin wiatrowych do systemu nadal wzrasta. Przerywalność turbiny wiatrowej ma wpływ na stabilność napięcia systemu. Wskaźnik stabilności szybkiego napięcia (FVSI) jest używany jako parametr stanu systemu ze zjawiskiem załamania napięcia. Niniejsze badanie ma na celu obserwowanie i przewidywanie wartości wskaźnika stabilności linii przy użyciu maszyny OP-ELM (ang. Optimally Pruned Extreme Learning Machine). Przykładem testowym w tym badaniu jest system elektroenergetyczny South Sulawesi-Indonesia, z całkowitą penetracją turbin wiatrowych 142 MW. Z symulacji widać, że OP-ELM może bardzo dobrze wykonywać prognozy ze wskaźnikiem błędu 0,0886%.