Полное описание

Тащилин, Валерий Александрович. Направления применения синхронизированных векторных измерений в задачах противоаварийного управления энергосистемами на основе методов машинного обучения = Review of Machine Learning Based on Pmu Application in Terms of Power System Emergency Control / В. А. Тащилин, П. Ю. Губин, М. М. Шакиров. - DOI 10.18503/2311-8318-2022-3(56)-12-27. - Текст : непосредственный // Электротехнические системы и комплексы = Electrotechnical systems and complexes : журнал. - 2022. - N 3. - С. 12-27. - Библиогр. в конце ст. - ISSN 2311-8318.

ГРНТИ	УДК
47.59	621.316.9
45.01	621.3:004.8
28.23.25	004.85
28.23.37	004.032.26

Рубрики:
Машинное обучение
Нейронные сети -- Применение
Искусственный интеллект -- Применение
Электротехника

Кл.слова (ненормированные): искусственные нейронные сети -- машинное обучение -- автоматика предотвращения нарушения устойчивости -- автоматика ликвидации асинхронного режима -- автоматическая частотная разгрузка -- противоаварийная автоматика -- синхронизированные векторные измерения
Аннотация: Распространение синхронизированных векторных измерений (СВИ) расширяет возможности в управлении режимом как на уровне объединенных энергосистем, так и в распределительных сетях и сетях микрогрид. Спектр задач, решаемых с помощью этих устройств, не ограничивается оценкой состояния сети и распространяется на анализ параметров режимов в переходных процессах. Это дает новый импульс развитию систем противоаварийной автоматики, задействующих не локальные измерения в точке установки, но и глобальные: в масштабе района сети или энергосистемы в целом. В представленной работе сделан обзор существующих подходов к интеграции систем векторных измерений в следующие задачи противоаварийного управления и виды автоматики: автоматическая частотная разгрузка, автоматика ликвидации асинхронного режима, контроль параллельной работы с внешней сетью, автоматика деления сети, управления режимом системы и автоматика предотвращения нарушения устойчивости, идентификация и демпфирование электромеханических колебаний, идентификация и классификация аварийных ситуаций в энергосистеме. Показано, что широкое распространение при решении перечисленных задач сегодня получают различные алгоритмы машинного обучения. Главных препятствий для развития противоаварийной автоматики на базе СВИ можно выделить два: в большинстве работ предполагается избыточность измерений в системе, что не в полной мере соответствует действительности, поскольку число действующих устройств СВИ пока невелико; предлагаемые алгоритмы машинного обучения пока не получили широкого распространения в электроэнергетике в силу субъективных причин, а также трудностей в обучении и тестировании подходов в отсутствии реальных данных от СВИ. Как показано в этой работе, данные с реальных устройств использовались только для решения задачи идентификации и классификации аварийных событий.
Доп. точки доступа:
Губин, Павел Юрьевич
Шакиров, Михаил Маратович


Нет сведений об экземплярах
Держатели документа:
Государственная публичная научно-техническая библиотека России : 123298, г. Москва, ул. 3-я Хорошевская, д. 17 (Шифр в БД-источнике (KATBW): -094591-558509)

Шифр в сводном ЭК: 1310554c11d71d2ddd84a1485756afac

Заказать
Заказ фрагмента документа ₽