지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 손영익
- 발행연도
- 2021
- 저작권
- 명지대학교 논문은 저작권에 의해 보호받습니다.
이용수8
이 논문의 연구 히스토리 (4)
2021
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
본 논문은 증가하는 전력 시스템의 수요와 복잡성에 발맞춰 새로운 방식의 지능형 동기 탈조 예측 알고리즘을 제안하고 RTDS(Real Time Digital Simulator)를 이용하여 제안하는 알고리즘의 성능을 검증한다. 1기 무한모선(SMIB; Single Machine Infinite Bus) 시스템을 대상으로 시스템 안정도 해석이 가능한 동요 방정식을 이용하여 시스템을 수학적으로 모델링하고 선로 고장이 발생했을 때 추정 가능한 외란을 정의하며 내부 모델 원리 기반의 외란 관측기의 설계를 통해 외란을 추정한다. 이때 설계된 관측기는 gain-scheduling을 근간으로 하여 측정 잡음과 외란의 크기에 의해 영향을 받는 시스템의 환경에 따라서 관측기 스스로 학습된 방향으로 최적의 이득을 취하도록 하는 강화학습 기반의 외란 관측기이며, 학습에는 강화학습 알고리즘 중 하나인 Deep Q-Network(DQN)를 이용하였다. 제안하는 DQN 기반 외란 관측기로부터 추정된 외란과 RSCAD로부터 수집된 CCT(Critical Clearing Time) 데이터를 이용해 CCT Deep Neural Network (DNN)를 구성하고 제안하는 동기 탈조 예측 알고리즘을 설계하였다. 실제 계통 상황을 모의할 수 있는 RTDS를 이용하여 HILS(Hardware In the Loop Simulation)를 구성하고 실제 계통에서 발생할 수 있는 고장 시나리오를 고려하여 제안하는 DQN 기반 외란 관측기의 외란 추정 강인성을 확인하고 제안하는 알고리즘의 성능을 검증하였다.
목차
제 1 장 서론 1제 2 장 동기 탈조 예측을 위한 전력 계통 모델링 32.1 SMIB 전력 계통 모델링 32.2 RSCAD SMIB 시스템 설계 52.3 SMIB 시스템에 대한 외란 관측기 설계 10제 3 장 측정 잡음에 강인한 DQN 기반 외란 관측기 설계 153.1 Deep Q-Network 153.2 DQN 기반 외란 관측기 설계 193.3 SMIB 시스템의 상태, 행동, 보상 정의 및 검증 20제 4 장 CCT DNN을 이용한 제안하는 동기 탈조 예측 알고리즘 314.1 CCT Table을 이용한 DNN 학습 314.1.1 CCT Table 데이터 확보 314.1.2 CCT DNN 학습 344.2 제안하는 동기 탈조 예측 알고리즘 36제 5 장 RTDS를 이용한 제안하는 외란 관측기 성능 검증 385.1 RTDS 기반 HILS 구성 385.2 RTDS 검증 395.2.1 제안하는 알고리즘 구현 395.2.2 RTDS 검증 결과 43제 6 장 결론 46참고문헌 47Abstract 50
최근 본 자료
댓글(0)
0