การแสดงข้อมูลเชิงภาพของผลการประเมินเสถียรภาพแรงดันไฟฟ้าในโครงข่าย 115 kV ของการไฟฟ้าส่วนภูมิภาค

Visualization of voltage stability assessment of PEA 115 kV networks

Name: อัณศยา ตรีวรเวทย์

ThaSH: มหาวิทยาลัยเกษตรศาสตร์ -- วิทยานิพนธ์. วศ.ม. (วิศวกรรมไฟฟ้า) 2562

Classification :.LCCS: TK3001

ThaSH: มหาวิทยาลัยเกษตรศาสตร์. -- สาขาวิศวกรรมไฟฟ้า -- วิทยานิพนธ์

ThaSH: การจ่ายพลังงานไฟฟ้า

ThaSH: ระบบจำหน่ายไฟฟ้า

ThaSH: ระบบไฟฟ้ากำลัง

ThaSH: แรงเคลื่อนไฟฟ้า

ThaSH: โครงข่ายไฟฟ้าอัจฉริยะ

Abstract: การประเมินเสถียรภาพแรงดันในระบบไฟฟ้า ก่อนเกิดการสูญเสียเสถียรภาพที่ถูกต้องแม่นยำ มีบทบาทสำคัญต่อการควบคุมระบบไฟฟ้าในปัจจุบัน ซึ่งการประเมินเสถียรภาพแรงดันสามารถทำได้หลากหลายวิธีด้วยกัน วิธีหนึ่งที่เป็นที่นิยมคือการหาค่าขอบเขตเสถียรภาพของแรงดัน (Voltage stability margin: VSM) งานวิจัยชิ้นนี้จึงได้นำเสนอการประมาณค่าขอบเขตเสถียรภาพของแรงดัน โดยใช้วิธีการเรียนรู้ของเครื่องจักร (Machine learning) รูปแบบของเครื่องมือที่เลือกใช้เรียกว่า ซัพพอร์ตเวกเตอร์รีเกรสชัน (Support Vector Regression: SVR) เป็นเครื่องมือที่สามารถจัดการกับข้อมูลที่มีความสัมพันธ์ไม่เป็นเชิงเส้นได้ และใช้หลักการเดียวกับซัพพอร์ตเวกเตอร์แมชชีน (Support Vector Machines: SVM) ซึ่งได้รับการยอมรับว่าสามารถประมาณค่าผลลัพธ์ได้อย่างมีประสิทธิภาพ มีความยืดหยุ่น และใช้ข้อมูลนำเข้าจากอุปกรณ์ที่ใช้มาตรฐานการวัดแบบซิงโครเฟสเซอร์ (Synchrophasor data) ที่สามารถวัดค่าสัญญาณทางไฟฟ้ากระแสสลับได้ทั้งขนาดและมุม โดยข้อมูลผลลัพธ์ที่ได้คือค่าขอบเขตเสถียรภาพของแรงดัน ณ จุดวิกฤติ ผลการศึกษาเชิงจำลองแสดงให้เห็นว่าแนวทางในการประมาณค่าดังกล่าว สามารถประมาณค่าขอบเขตเสถียรภาพของแรงดันได้อย่างรวดเร็วและแม่นยำ นอกจากนั้นยังได้ศึกษาการนำข้อมูลของการประเมินเสถียรภาพแรงดันมาแสดงผลในรูปแบบข้อมูลเชิงภาพผ่านการใช้งานเครื่องมือกูเกิล ชีทส์ (Google Sheets) ซึ่งเป็นเครื่องมือที่ทำงานไม่ซับซ้อน เข้าถึงได้ง่าย สามารถสร้างสรรค์การนำเสนอข้อมูลเชิงภาพได้หลากหลายเพิ่มความเข้าใจง่ายให้แก่ข้อมูล และสามารถนำไปเพิ่มประสิทธิภาพในการให้บริการของ กฟภ.ได้ In modern power systems, accurate estimation of load margin limits becomes important in guiding the system operator to determine the operating limit before reaching the instability. This paper proposes a model of machine learning based method to improve the load margin estimator performance. The proposed method based on Support Vector Regression (SVR) efficiently performs non-linear regression cases. This tool uses the same principles as Support Vector Machines (SVM) which is recognized for being flexible and able to estimate efficiently output results. The input data are voltage amplitude and phase angles, obtained in real-time from phasor measurement units (PMU), while the target output is load margin at the critical point. The simulation results reveal the effectiveness of the proposed method for a fast estimating of load margin in a power system. In addition, this thesis has studied the use of Google Sheets to visualize voltage stability assessment results. It is a systematic tool, easy access and is able to create a variety of visual presentations that increase the understandability of the results and can be used to increase the efficiency of PEA’s services

มหาวิทยาลัยเกษตรศาสตร์. สำนักหอสมุด

Address: กรุงเทพมหานคร

Email: tdckulib@ku.ac.th

Name: สัญชัย เดชานุภาพฤทธา

Role: อาจารย์ที่ปรึกษาวิทยานิพนธ์หลัก

Created: 2562

Modified: 2568-07-07

Issued: 2568-07-07

วิทยานิพนธ์/Thesis

วิทยานิพนธ์/Thesis

application/pdf

URL: https://www.lib.ku.ac.th/KUthesis/2562/ansaya-tre-all.pdf

CallNumber: TK3001 .อ114

tha

DegreeName: วิศวกรรมศาสตรมหาบัณฑิต

Level: ปริญญาโท

Descipline: วิศวกรรมไฟฟ้า

Grantor: มหาวิทยาลัยเกษตรศาสตร์

©copyrights มหาวิทยาลัยเกษตรศาสตร์

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	ansaya-tre-all.pdf	3.71 MB

ใช้เวลา

0.028981 วินาที