Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
High Through-Put VLSI Architecture for FFT Computation Kapitel lesen Erstes Kapitel lesen

2013 | OriginalPaper | Buchkapitel

65. Artificial Neural Network Based Power System Stability Analysis

verfasst von : S. Kumari Lalitha, Y. Chittemma

Erschienen in: Proceedings of the Third International Conference on Trends in Information, Telecommunication and Computing

Verlag: Springer New York

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

In this paper, an Artificial Neural Network (ANN) approach for the analysis of a power system stability has been proposed and proved to be effective. Here the main consideration is the power system voltage stability i.e. static voltage stability. With instance of 9-Bus [3] power system, also worked on IEEE-57 Bus [4] system and it is verified that the method is effective for power system voltage stability assessment.[3, 4, 8] The implementation of these structures is shown through Mat lab and by the use of ANN approach [5, 6] and the above two methods are compared for the test system. The network would be a useful tool to assess power system voltage stability quickly.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Design of a Two Phase Inverter for a Specific Two Phase Induction Motor Through MATLAB Simulation
Nächstes Kapitel Efficient Bandwidth Utilization in Client–Server Models
Literatur
1.
Han X, Zheng Z Voltage stability assessment based on BP neural network. Nannan TIAN College of Electrical and Power Engineering Taiyuan University of Technology Taiyuan China
2.
Kessel P, Glavitch H (1986) Estimating the voltage stability of power systems. IEEE Trans Power Deliv 1(3):346354CrossRef
3.
Subramani C, Sekhar Dash S, Jagadeesh kumar M (2009) Voltage stability based collapse prediction and weak cluster identification. Int J Electr Power Eng 3(2):124–128
4.
Kamalasadan S, Srivastava AK, Thukaram D (2006) Novel algorithm for online voltage stability assessment based on feed forward neural network. 2006 IEEE
5.
Chen D, Mohler RR (2003) Neural-network-based load modeling and its use in voltage stability analysis. IEEE Trans Control Sys Technol 11(4):460–470
6.
Chen X, Guang PX (2003) Artificial Neural network technology and its application. China Electric Power Press, Beijing
7.
Shuangxi Z, Lingzhi Z, Xijiu G, Xiaohai W (2003) The voltage stability and its controlling of power system. China Electric Power Press, Beijing
8.
Salama MM, Ebtsam MS et al (2001) Estimating the voltage collapse proximity indicator using artificial neural network. Energy Convers Manage 42:6979
9.
Abdul Rehman M, Musirin I, Othman MM (2008) Evolutionary programming based technique for secure operating point identification in static voltage stability assessment. J Artif Intell 1(1):12–20
10.
Anderson PM, Fouad AA (2003) Power system control and stability, 2nd edn. IEEE Press
11.
Tamura Y, Mori H, Iwamoto S (1983) Relationship between voltage instability and multiple load flow solutions in electric power systems. IEEE Trans Power Apparat Sys PAS-102:5
12.
Jarjis J, Galiana FD (1981) Quantitative analysis of steady state stability in power networks. IEEE Trans Power Apparat Sys PAS-100:1
13.
Martin T, Howard B, Demuth MH, Beale H (1996) Neural networks design. PWS pub, pp 170–178
14.
Simon H (2004) Neural networks a comprehensive foundation. Pearson Education, India pp 30–35
15.
Dinavahi VR, Srivastava SC (2001) ANN based voltage stability margin prediction. IEEE PES Summer Meet 2001 2:1275–1280
16.
Charabarti S, Jeyasurya B (2004) On-Line voltage stability monitoring using artificial neural network. Large engineering system conference on power engineering, 2004, LESCOPE 2004, pp 71–75
Metadaten
Titel
Artificial Neural Network Based Power System Stability Analysis
verfasst von
S. Kumari Lalitha
Y. Chittemma
Copyright-Jahr
2013
Verlag
Springer New York
Buch
Proceedings of the Third International Conference on Trends in Information, Telecommunication and Computing

Print ISBN: 978-1-4614-3362-0

Electronic ISBN: 978-1-4614-3363-7

Copyright-Jahr: 2013

DOI
https://doi.org/10.1007/978-1-4614-3363-7_65

Neuer Inhalt

    Bildnachweise