Библиографическое описание:Идентификация низкочастотных колебаний и синхронных качаний методами искусственного интеллек : доклад, тезисы доклада / А. А. Ачитаев, М. О. Перцевой. - [Б. м. : б. и.], 2023. - Текст : непосредственный // Электроэнергетика глазами молодежи – 2023 : Материалы XIII Международной научно-технической конференции: в 2 томах / Электроэнергетика глазами молодежи – 2023 (2023 ; 23.10 - 27.10 ; Красноярск) : Сибирский федеральный университет, 2023. - 2. - С. 16-19.
Аннотация:Состояние вопроса: Рассмотрены причины низкочастотных колебаний и синхронных качаний с целью их идентификации и обучения искусственного интеллекта. Материалы и методы: Использовались методы оценки состояния электроэнергетической системы и контрольных уравнений, эмулятор для обучения нейронной сети в программе Matlab и модель нейронной сети с затухающими синусоидами. Результаты: При помощи математической модели получен эмулятор в программе Matlab, предназначенный для обучения нейронной сети с последующей идентификацией низкочастотных колебаний и синхронных качаний. Выводы: В статье рассматриваются результаты исследований мониторинга низкочастотных колебаний и синхронных качаний на базе системы мониторинга переходных режимов. Был проведён литературный обзор, анализ низкочастотных колебаний и синхронных качаний, были приведены математическое описание состояний энергосистемы, математическая модель устройств синхронизированных векторных измерений, тесты сигналов, а также перспективы внедрения искусственного интеллекта. Результаты исследований и проведённых тестов утверждают об эффективности системы мониторинга переходных режимов и внедрения в данную систему нейронных сетей.
Background:The causes of low-frequency oscillations and synchronous swings are considered in order to identify them and train artificial intelligence. Materials and methods: Methods for assessing the state of the electric power system and control equations, an emulator for training a neural network in the Matlab program and a neural network model with damped sinusoids were used. Results:Using a mathematical model, an emulator was obtained in the Matlab program, designed to train a neural network with subsequent identification of low-frequency oscillations and synchronous swings. Conclusions:The article discusses the results of research on monitoring of the low frequency oscillations and synchronous swings based on the supervisory control and data acquisition. A literature review was conducted, an analysis of the low frequency oscillations and synchronous swings was carried out, a mathematical description of the states of the electric power system, a mathematical model of the synchronized vector measurement devices, signal tests, as well as prospects for the introduction of artificial intelligence were given. The results of research and tests conducted confirm the effectiveness of supervisory control and data acquisition and the introduction of neural networks into this system.
Ключевые слова:Unified Energy System, transient monitoring system, synchronized vector measurement devices, low-frequency oscillations, synchronous swings, repair by condition, monitoring of the state of the electric power system, mathematical model of the supervisory control and data acquisition, neural networks, neural network with damped sinusoids, единая энергетическая система, система мониторинга переходных режимов, устройства синхронизированных векторных измерений, низкочастотные колебания, синхронные качания, ремонт по состоянию, мониторинг состояния электроэнергетической системы, математическая модель системы мониторинга переходных режимов, нейронные сети, нейронная сеть с затухающими синусоидами
