선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 이 방법을 적용할 경우 할당 비율에 의한 전동기 부하의 무효전력 소모가 작으므로 이를 보상하는 캐패시터가 전동기 부하출력단에 위치해 있다고 가정하고 이에 대한 값도 함께 추정하였다. 본 논문에서는 간단한 8모선 시험계통로부터 구한 시뮬레이션 데이터를 이용하여 추정 알고리즘을 테스트하였다.
- 본 논문에서는 정적 및 동적 부하모델을 동시에 포함하는 부하모델 구조에 대한 모델 파라미터를 추정하는 기법으로 PSO 기반의 부하모델링 기법을 제안하였다. 본 기법은 샘플링된 데이터인 전압 및 유효․무효 전력 부하값에 대한 시계열 데이터를 사용하여 샘플링된 데이터와 부하모델을 통해 나오는 출력의 오차를 최소로 하는 파라미터 셋을 제공한다.
- 본 논문은 유도전동기를 포함하고 있는 부하에 대하여 적용할 수 있는 등가적인 정적-동적 부하모델에 대한 파라미터를 추정하는 방법을 논하고자 한다. 본 논문에서 제안하는 방법은 입자 군집 최적화 (PSO, particle swarm optimization) 기법 [2-3]을 기반으로 하여 샘플링된 입력 출력 데이터에 해당하는 전압 및 유효/무효 전력에 대한 시계열 데이터를 사용하여 출력 오차를 최소화시키는 파라미터를 결정한다.
가설 설정
- 여기서 B는 서셉턴스이며 시모의시 그 투입되는 양을 알지 못하기 때문에 추정해야 할 파라미터중 하나로 가정하였다. 적합함수는 다음 식 (14)과 같으며 PSO 기법은 적합함수 값이 최소가 될 때까지 파라미터 값을 재조정하여 적절한 파라미터를 추정한다.
- Eberhart에 의해 제안된 시뮬레이션 기반의 최적화 기법의 일종으로, 종래의 새나 물고기 무리의 움직임에 관한 연구로부터 유도되었다. 원리는 무리 또는 집단이 여러 개의 입자로 이루어져 있음을 가정하고, 각각의 입자들은 매번 반복하여 자신의 위치는 풀고자 하는 문제에 대한 가능한 각각의 해가 된다. 이 과정에서 모든 입자들의 위치 중에 가장 좋았으며 적합도가 높았던 위치 (Gbest)와 각 입자들의 위치변화 중 가장 적합도가 높았던 위치(Pbest)를 고려하여 점점 적합도가 높아지는 위치로 이동하게 되며 이때 해가 점점 좋은 성능을 발휘하는 쪽으로 변화된다.
- 본 부하모델 구조에 대한 파라미터를 예측하기 위하여 정적 부하와 전동기 부하의 비율을 미리 설정하였다. 이 방법을 적용할 경우 할당 비율에 의한 전동기 부하의 무효전력 소모가 작으므로 이를 보상하는 캐패시터가 전동기 부하출력단에 위치해 있다고 가정하고 이에 대한 값도 함께 추정하였다. 본 논문에서는 간단한 8모선 시험계통로부터 구한 시뮬레이션 데이터를 이용하여 추정 알고리즘을 테스트하였다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.