دانلود مقاله ISI انگلیسی شماره 46661
عنوان فارسی مقاله

پشتیبانی از مدل رگرسیون بردار برای پیش بینی حاشیه قابلیت بارگذاری در سیستم قدرت

کد مقاله سال انتشار مقاله انگلیسی ترجمه فارسی تعداد کلمات
46661 2014 12 صفحه PDF سفارش دهید محاسبه نشده
خرید مقاله
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
عنوان انگلیسی
Support Vector Regression Model for the prediction of Loadability Margin of a Power System
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Applied Soft Computing, Volume 24, November 2014, Pages 304–315

کلمات کلیدی
حاشیه قابلیت بارگذاری ؛ پشتیبانی از رگرسیون بردار - شبکه های عصبی مصنوعی؛ ارزیابی پایداری ولتاژ ؛ پارامتر هسته
پیش نمایش مقاله
پیش نمایش مقاله پشتیبانی از مدل رگرسیون بردار برای پیش بینی حاشیه قابلیت بارگذاری در سیستم قدرت

چکیده انگلیسی

Loadability limits are critical points of particular interest in voltage stability assessment, indicating how much a system can be stressed from a given state before reaching instability. Thus estimating the loadability margin of a power system is essential in the real time voltage stability assessment. A new methodology is developed based on Support Vector Regression (SVR) which is the most common application form of Support Vector Machines (SVM). The proposed SVR methodology can successfully estimate the loadability margin under normal operating conditions and different loading directions. SVR has the feature of minimizing the generalization error in achieving the generalized network over the other mapping methods. In this paper, the SVR input vector is in the form of real and reactive power load, while the target vector is lambda (loading margin). To reduce both mean square error and prediction time in SVR, the kernel type and SVR parameters are chosen determined by using grid search based on 10-fold cross-validation method for the best SVR network. The results of SVRs (nu-SVR and epsilon-SVR) are compared with RBF neural networks and validated in the IEEE 30 bus system and IEEE 118 bus system at different operating scenarios. The results demonstrate the effectiveness of the proposed method for on-line prediction of loadability margins of a power system.

خرید مقاله
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.