Εκτίμηση παραμέτρων μη γραμμικού μοντέλου γεννήτριας diesel εγκατεστημένης σε μικροδίκτυο

Μαντζιώρου, Μαρία; Mantziorou, Maria

dc.contributor.author	Μαντζιώρου, Μαρία	el
dc.contributor.author	Mantziorou, Maria	en
dc.date.accessioned	2016-09-13T10:05:17Z
dc.date.available	2016-09-13T10:05:17Z
dc.date.issued	2016-09-13
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/43492
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.12633
dc.rights	Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/3.0/gr/	*
dc.subject	Σύγχρονη γεννήτρια	el
dc.subject	Αναγνώριση συστήματος	el
dc.subject	Μικροδίκτυο	el
dc.subject	Μέθοδος σφάλματος πρόβλεψης	el
dc.subject	Προσομοιωμένη ανόπτηση	el
dc.subject	Synchronous generator	en
dc.subject	System identification	en
dc.subject	Microgrid	en
dc.subject	Prediction error method	en
dc.subject	Simulated annealing	en
dc.title	Εκτίμηση παραμέτρων μη γραμμικού μοντέλου γεννήτριας diesel εγκατεστημένης σε μικροδίκτυο	el
heal.type	bachelorThesis
heal.classification	Εκτίμηση παραμέτρων γεννήτριας diesel	el
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2016-07-13
heal.abstract	H γεννήτρια diesel παίζει καθοριστικό ρόλο στην εξασφάλιση της ευστάθειας ενός μικροδικτύου και για την ενσωμάτωση της σε αυτό, είναι αναγκαία η γνώση των τιμών των παραμέτρων που περιγράφουν τη δυναμική της συμπεριφορά. Η κυρίαρχη τάση τα μικροδίκτυα να αναπτύσσονται γύρω από ήδη εγκατεστημένες γεννήτριες, για τις οποίες η γνώση των τιμών των τυπικών παραμέτρων τους είναι συχνά αδύνατη, είτε λόγω απώλειας των κατασκευαστικών τους στοιχείων, είτε λόγω αλλαγής των τιμών των παραμέτρων με την πάροδο των ετών, δημιουργεί την ανάγκη ανάπτυξης μεθόδων αναγνώρισης συστήματος για τον προσδιορισμό των παραμέτρων αυτών. Στην παρούσα διπλωματική, επιχειρείται ο προσδιορισμός τους, εφαρμόζοντας μια μέθοδο που ακολουθεί την προσέγγιση του Γκρίζου Κουτιού, δηλαδή υποθέτει μια γνωστή δομή για την περιγραφή της γεννήτριας και βασίζεται σε πραγματικές μετρήσεις των αποκρίσεων της για την εκτίμηση των παραμέτρων της. Για τη μοντελοποίηση της γεννήτριας χρησιμοποιείται το μη γραμμικό μοντέλο τρίτης τάξης στο χώρο κατάστασης, ενώ οι αποκρίσεις της πραγματικής γεννήτριας προέρχονται από την προσομοίωση του ίδιου και του ανώτερης (πέμπτης) τάξης μοντέλου. Αρχικά, η μέθοδος που χρησιμοποιείται είναι η Μέθοδος Σφάλματος Πρόβλεψης, η οποία χρησιμοποιεί για τον υπολογισμό γνωστούς αλγόριθμους τοπικής βελτιστοποίησης όπως ο αλγόριθμος Trust-Region Reflective Newton και ο αλγόριθμος Levenberg-Marquardt. Η μέθοδος εφαρμόζεται τόσο για δεδομένα από την προσομοίωση του μοντέλου τρίτης τάξης όσο και για δεδομένα από το μοντέλο πέμπτης τάξης. Στο πλαίσιο αυτό, εξετάζονται όλοι οι παράγοντες που επηρεάζουν τη διαδικασία αναγνώρισης και ορίζονται συγκεκριμένα μέτρα και δοκιμές για την αξιολόγηση των μοντέλων. Έτσι, εξάγονται συμπεράσματα για την αποτελεσματικότητα και τα κρίσιμα σημεία της μεθόδου. Τέλος, μελετάται η εφαρμογή της μεθόδου ολικής βελτιστοποίησης Προσομοιωμένη Ανόπτηση στο πρόβλημά και αξιολογείται η αποτελεσματικότητα της σε σχέση με την προηγούμενη μέθοδο. Για την υλοποίηση χρησιμοποιήθηκε το System Identification Toolbox της Μatlab.	el
heal.abstract	Diesel generator plays a key role in ensuring the stability of a microgrid and the knowledge of the parameter values that describe its dynamic behavior is necessary for its integration into the microgrid. The dominant trend for microgrids is to be built around already installed diesel generators. The knowledge of their parameters is often impossible, either because of the loss of the designing data of the machine, either because the parameter values have changed over the years. This fact creates the need for developing system identification methods to determine these parameters. In this thesis, an attempt is made to identify these parameters, using a method which follows the Grey Box approach, i.e. assumes a known structure for the description of the generator and the estimation of the parameters is based on actual measurements of its responses. For the modeling of the generator a nonlinear third-order state space model is used while the responses of the actual generator come from the simulation of the same and the higher-order (fifth-order) model. To start with, the used method is the Prediction Error Method (PEM), which uses for the calculation known local optimization algorithms such as the Trust-Region Reflective Newton algorithm and the Levenberg-Marquardt algorithm. The method is applied both for data from the simulation of the third-order model and for data from the simulation of the fifth-order model. In this context, we examined all the factors that influence the identification process and we defined specific measures and tests to evaluate the models. Thus, conclusions are drawn about the effectiveness and the critical points of the method. Finally, we applied the global optimization method Simulated Annealing to the problem and evaluated its effectiveness in comparison with the prior method. For the implementation of the methods, we used the System Identification Toolbox of Matlab.	en
heal.advisorName	Χατζηαργυρίου, Νικόλαος	el
heal.committeeMemberName	Χατζηαργυρίου, Νικόλαος	el
heal.committeeMemberName	Παπαθανασίου, Σταύρος	el
heal.committeeMemberName	Γεωργιλάκης, Παύλος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Ηλεκτρικής Ισχύος	el
heal.academicPublisherID	ntua
heal.numberOfPages	98 σ.	el
heal.fullTextAvailability	true