MPSO 기반 동기발전기 시스템 모델정수 추정에 관한 연구 :(A) Study on the Parameter Estimation of the Synchronous Generator System based on Modified Particle Swarm Optimization

최형주

추천

검색

자료유형: 학위논문

저자정보: 최형주 (충남대학교, 忠南大學校大學院)

지도교수: 이흥호

발행연도: 2015

저작권: 충남대학교 논문은 저작권에 의해 보호받습니다.

이용수4

이 논문의 연구 히스토리 (2)

2015

MPSO 기반 동기발전기 시스템 모델정수 추정에 관한 연구

최형주 전기공학과 2015.01 학위논문

PSO 기반 동기발전기 시스템 모델정수 추정에 관한 연구

최형주 , 김인수 , 이흥호 전기학회논문지 2015.01 학술저널

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

전력계통에서 동요가 발생할 때 동기발전기의 응동 특성은 전력계통 시스템이 갖고 있는 제정수의 영향에 따른 결과로서 동기발전기의 단자전압, 여자시스템의 계자전압과 계자전류는 이러한 동요 현상을 보여주는 주요 성분이 된다. 이러한 응동 특성은 정의된 모델을 사용하여 시정수를 포함하는 전달함수의 형태로 표현되고 수치 해석적인 방법으로 풀이된다. 그러나 발전기 포화에 따른 비선형 특성에 대한 2차 미분방정식의 풀이는 쉽지 않고 결과 도출에도 많은 시간이 소요된다. 기존에 시행하고 있는 정의된 모델에서 모델정수를 변경하면서 최적치를 구하는 시행착오법(Trial and Error Method)은 전문가의 역량에 따라 분석 결과에 오차가 커지는 문제로 인해 정량적인 정밀도 확보에 한계성을 가지고 있다.
동기발전기 시스템과 전력계통의 특성이 이미 반영되어 있는 실측된 신호들과 일치할 수 있는 정의된 모델에서 출력을 얻는 것은 그 모델이 갖고 있는 모델정수가 적합한 것을 의미한다. 그러므로 가능한 모델정수의 조합을 탐색하여 최적해를 구할 수 있으며, 최적화 알고리듬(Optimization Algorithm)을 통해 모델정수를 추정할 수 있다.
동기발전기 시스템의 모델정수를 최적화하기 위한 방법으로 시험 대상 발전기는 실측된 신호가 목표치로 설정되고, 수학적으로 정의된 모델에서 출력된 추정치와 곡선적합(Curve Fitting)하여 비교한다. 두 신호의 오차를 계산하는 목적함수(Object Function)의 결과가 최소가 되도록 하는 모델정수를 반복적으로 탐색하는 기법이 사용된다.
실시간으로 정확하고 신속한 모델정수의 추정은 전력계통의 취약점을 보완할 수 있는 기초 자료를 제시할 뿐 아니라 발전설비의 최적조정을 통해 설비 신뢰도를 향상시키는데 기여하므로 전력계통 안정도 제고에 기여할 수 있다. 그러므로 동기발전기 시스템 모델정수의 추정을 위한 알고리듬의 확보는 계통안정도 해석에 핵심 요소가 되며, 실시간으로 발전기의 안정도를 해석하기 위한 첫 걸음이 된다.
본 논문에서는 다음에 기술한 단계로 동기발전기와 여자시스템에 대한 기본적인 이론과 각종 시험방법에 대해 고찰하고 동기발전기 시스템의 모델정수를 추정하기 위한 새로운 기법에 대해 연구목표를 설정하였다.
○ 동기발전기 시스템에 대한 기본적인 이론과 제정수 특성을 이해하고 계통안정도와 관련하여 동기발전기와 여자시스템의 응동 특성과 보호 요소에 대해 살펴본다.
○ 제작사에서 수행하고 있는 동기발전기의 특성시험과 전기연구소에서 수행하고 있는 동기발전기 시스템의 모델정수 산출 기법에 대해 고찰한다.
○ 동기발전기 시스템 모델정수를 추정하기 위해 최적화 알고리듬에 기반한 새로운 해석 기법에 대해 아래 기술된 내용을 연구하고 실현 결과를 도출한다.
- 동기발전기, 여자시스템과 전력계통 등 동기발전기 시스템의 모델링
- 정의된 상태 공간모델에서 상태변수의 초기치 설정을 위한 고유치 해석
- 모델정수 추정을 위한 최적화 알고리듬의 활용
- 동기발전기 시스템의 모델정수를 추정하고 해석결과에 대한 성능평가
동기발전기 시스템의 모델정수를 추정할 수 있는 최적화 알고리듬을 구현하는 것은 전력시스템의 해석을 위해 유용한 도구를 확보하는 것이며, 계통안정도의 제고를 위한 고급 정보를 창출할 수 있는 기회도 얻을 수 있다.

The dynamic response characteristics of the synchronous generator system appears as the influence of the model parameters in the event of a power failure. It is possible to estimate the parameters of the model by using the objective function for calculating the deviation between the estimated signals of the defined model and measured signals as a reference. Not only the parameters of the synchronous generator model but also those of exciter model have been estimated considering the load current flowing into the grid regarded as the single machine infinite bus(SMIB) including the estimated saturation factors under no-load operating conditions.
The parameters of the models have been estimated by the Particle Swarm Optimization(PSO) algorithm at an equilibrium point obtained by eigenvalues. The PSO is a population search algorithm based on the simulation of the social behavior of birds, bees or a school of fishes. Each individual particle within the swarm is represented by a vector in multidimensional search space. Each particle updates its velocity and the next location towards the global best position explored by the swarm so far. The behavioral characteristics of the particles flying in the analysis region needs to be reflected in the algorithm because the particles contributing to reduce the fitness values calculated by the objective function require a leading activities than other particles. The relative correlation coefficients between the fitness values and the assigned particles in consideration of the previously described effects which were to reflect the algorithm named modified PSO(MPSO).
The correctly estimated model parameters and the rapid analysis are key factors to improve the power system stability because it is possible to recognize several potential problems in the power system and they can be resolved through a pre-appropriate measures. These efforts are expected to contribute to prevent the unexpected wide-area power failures. The MPSO algorithm is useful in estimating the parameters of the power system model in on-line or real time because it is simple and easy to implement.
The new analysis solution to identify the parameters of the model have to be more developed in the future beyond the conventional trial-and-error method and solving differential equations. Study on the parameter estimation based on the MPSO needs to be continuously performed under with/without the power stabilizer system, load rejection, and transient conditions etc., in order to more accurately describe the power system.

제 1 장 서 론 1
1.1 연구 배경 1
1.2 연구 목표 7
제 2 장 동기발전기 시스템 이론과 특성시험 9
2.1 동기발전기 기본이론과 제정수 9
2.1.1 동기발전기 기본이론 9
2.1.2 동기발전기 제정수 19
2.2 동기발전기 시스템 제어 및 보호 23
2.2.1 동기발전기 시스템 제어 23
2.2.2 동기발전기 시스템 보호 46
2.3 동기발전기 특성시험 61
2.3.1 무부하/부하 특성시험 61
2.3.2 동기발전기 제정수 산출 67
2.4 동기발전기 시스템 모델정수 산출 기법 93
2.4.1 동기발전기 모델정수 산출 93
2.4.2 여자시스템 모델정수 산출 107
제 3 장 MPSO 기반 동기발전기 시스템 모델정수 추정 109
3.1 최적화 알고리듬 (Optimization Algorithm) 109
3.1.1 Particle Swarm Optimization 109
3.1.2 Modified PSO with Correlation Coefficient 114
3.2 고유치 해석 (Eigenvalue Analysis) 119
3.3 동기발전기 시스템 모델링 122
3.3.1 전력시스템 122
3.3.2 원통형 동기발전기 123
3.3.3 정지형 여자시스템 129
3.3.4 계통안정화장치 131
3.3.5 터빈-조속기 134
3.3.6 1기 무한대 모선 137
3.4 동기발전기 시스템 모델정수 추정 142
3.4.1 시험조건 142
3.4.2 성능평가 지표 145
3.4.3 여자시스템 무부하 모델정수 추정 145
3.4.4 동기발전기 시스템 모델정수 추정 152
3.4.5 정밀도 증대 효과와 최적해 분포 특성 159
제 4 장 결 론 178
참고문헌 180
ABSTRACT 184
감사의 글 186

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (2)

초록· 키워드

목차

최근 본 자료

댓글(0)