کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
11031467 1645986 2018 8 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
A novel approach for load profiling in smart power grids using smart meter data
ترجمه فارسی عنوان
یک رویکرد جدید برای طبقه بندی بار در شبکه های هوشمند با استفاده از داده های هوشمند
کلمات کلیدی
ترجمه چکیده
افزایش نفوذ منابع انرژی توزیع شده، نیازهای مختلف بار و داده های بزرگ از دستگاه های هوشمند، نیازمند مدل های جدید بار برای پشتیبانی از مطالعات سیستم های قدرت است. داده های بزرگ متریک های هوشمند و غیر خطی در تقاضای بار، نیاز به داده های هوشمند متر را به روش دیگری برای استفاده در شبیه سازی های تصادفی برای بهبود پردازش ارائه شده است. در این مقاله روش جدیدی برای مدل بارگذاری تصادفی داده های هوشمند ارائه شده است. این رویکرد، داده های هوشمند متر را با استفاده از خطی کردن الگوهای مصرف انرژی تولید طبقه بندی انرژی، به سطح قابل کنترل تبدیل می کند. مطالعه موردی، با استفاده از داده های هوشمند دنیای واقعی، سناریوهای شبیه سازی شده برای اثبات استحکام و دقت روش. دقت نتایج اعتبار پایایی و استحکام رویکرد و اعتبار سنجی مدل ارائه شده برای اثبات کاربرد در مطالعات احتمالی است.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی انرژی مهندسی انرژی و فناوری های برق
چکیده انگلیسی
Increasing penetration of distributed energy resources, varying load demands and big data of smart meters require new load models to support power system studies. The big data of smart meters and non-linearities in the load demand require the smart meter data to be represented in an alternative way to use in stochastic simulations to enhance processing. This paper proposes a novel method for stochastic load modelling of smart meter data. The approach turns smart meter data to a manageable level by linearizing energy consumption patterns producing energy classifications. A case study, using real world smart meter data, simulated scenarios to prove the robustness and accuracy of the method. The accuracy of results validates the stability and robustness of the approach and model validation provided substantiation for application in probabilistic studies.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Electric Power Systems Research - Volume 165, December 2018, Pages 191-198
نویسندگان
, , ,