ترجمه مقاله پخش بار احتمالی برای تولید توزیع شده فوتوولتائیک با بسط کورنیش-فیشر - نشریه الزویر

قیمت خرید این محصول

۱۸۴,۰۰۰ تومان

دانلود رایگان نمونه دانلود مقاله انگلیسی

عنوان فارسی

پخش بار احتمالی برای تولید توزیع شده فوتوولتائیک با استفاده از بسط کورنیش-فیشر

عنوان انگلیسی

Probabilistic load flow for photovoltaic distributed generation using the Cornish–Fisher expansion

صفحات مقاله فارسی

27

صفحات مقاله انگلیسی

10

سال انتشار

2012

نشریه

الزویر - Elsevier

فرمت مقاله انگلیسی

PDF

فرمت ترجمه مقاله

ورد تایپ شده

رفرنس

دارد

کد محصول

4906

وضعیت ترجمه عناوین تصاویر و جداول

ترجمه شده است

وضعیت ترجمه متون داخل تصاویر و جداول

ترجمه نشده است

وضعیت فرمولها و محاسبات در فایل ترجمه

به صورت عکس، درج شده است

رشته های مرتبط با این مقاله

مهندسی برق

گرایش های مرتبط با این مقاله

تولید، توزیع و انتقال، سیستمهای قدرت، مهندسی الکترونیک و برق قدرت

مجله

تحقیقات سیستم های برق قدرت

دانشگاه

گروه مهندسی برق، دانشگاه Jaén، اسپانیا

کلمات کلیدی

تابش، تابع چگالی احتمال، تولید توزیع شده، روش مونت کارلو، پخش بار احتمالی

۰.۰ (هنوز امتیازی ثبت نشده است)

فهرست مطالب

چکیده
1.مقدمه
2.مدلسازی سیستم PV احتمالاتی
2.1- تولید تصادفی تزریق توان PV وابسته
3.مدل بار احتمالاتی
4.پخش بار شعاعی احتمالی
4.1- روش مونت کارلو
4.2- روش تحلیلی
4.2.1- تخمین خطی
4.2.2- گشتاورها و انباشتگی ها
4.2.3- روش تفکیک پخش بار شعاعی احتمالاتی
4.2.4- بسط گرام-چارلیر
4.2.5- بسط کورنیش-فیشر
5.مطالعات موردی
6.نتیجه گیری

نمونه چکیده متن اصلی انگلیسی

abstract This paper shows that in order to solve a probabilistic load flow in radial distribution networks, it is necessary to apply effective techniques that take into account their technical constraints. Among these constraints, voltage regulation is one ofthe principal problems to be addressed in photovoltaic distributed generation. Probabilistic load flows can be solved by analytical techniques as well as the Monte Carlo method. Our research study applied an analytical method that combined the cumulant method with the Cornish–Fisher expansion to solve this problem. The Monte Carlo method is used to compare the results of analytical method proposed. To evaluate the performance of photovoltaic distributed generation,this paper describes a probabilistic model that takes into account the random nature of solar irradiance. Therefore, load and photovoltaic distributed generation are modelled as independent/dependent random variables. The results obtained show thatthe technique proposed gave a better performance than the Monte Carlo method. This technique provided satisfactory solutions with a smaller number of iterations. Therefore, convergence was rapidly attained and computational cost was lower than that required for the Monte Carlo method. Besides, the results revealed how the Cornish–Fisher expansion had a better performance than the Gram–Charlier expansion, when input random variables were non-Gaussian

نمونه چکیده ترجمه متن فارسی

چکیده- این مقاله نشان می دهد که به منظور حل یک پخش بار احتمالی در شبکه های توزیع شعاعی، ضروری است که روش های موثری اعمال شود که محدودیت های فنی را نیز مدنظر قرار دهد. در میان این محدودیت ها، تنظیم ولتاژ یکی از مسائل پایه ای جهت بررسی در تولید توزیع شده فوتوولتائیک می باشد. پخش بار احتمالی می تواند با استفاده از روش های تحلیل وهمچنین روش مونت کارلو حل شود. مطالعات تحقیقاتی ما یک روش تحلیلی را اعمال می کند که روش انباشتگی را با بسط کورنیش-فیشر جهت حل این مسئله ترکیب می کند. روش مونت کارلو به منظور مقایسه نتایج روش تحلیلی پیشنهاد شده، استفاده شده است.
به منظور ارزیابی عملکرد تولید توزیع شده فوتوولتائیک، این مقاله یک مدل فوتوولتائیک را توصیف می کند که طبیعت تصادفی تابش خورشیدی را مدنظر قرار می دهد. درنتیجه، تولید توزیع شده فوتوولتائیک و بار به صورت متغیرهای تصادفی مستقل/وابسته مدلسازی می شود.
نتایج به دست آمده نشان می دهد که روش پیشنهاد شده عملکرد بهتری نسبت به روش مونت کارلو دارد. این روش جواب های رضایت بخشی را با تعداد کمتری از بازگشت ها فراهم می کند. درنتیجه، همگرایی به سرعت حاصل شده و هزینه محاسبات کمتر از مقدار مورد نیاز برای روش مونت کارلو است. بعلاوه، نتایج نشان می دهد که چگونه زمانی که متغیرهای تصادف ورودی غیر گوسی هستند، بسط کورنیش-فیشر دارای عملکرد بهتری نسبت به بسط گرام-چارلیر است.