This paper has presented a methodol

This paper has presented a methodology for producing estimates of future load values in distribution systems using ANNs. A software tool is currently running in a real-world distribution substation and preliminary results are very encouraging regarding forecast errors.
The module for dealing with load transfers between primary feeders during contingencies (included in Module 1) is currently in its final stages of development.
Besides the continuing development of Module 3 (FAP value estimation and risk assessment), an important extension that is in advanced stage of development corresponds to the automatic detection of load transfer between feeders and/or substations during contingency situations. The problem in this case is how to produce accurate estimates of future demand values knowing that a switching operation in the primary network has a substantial impact on the load profiles of the involved feeders. An MLP network trained with normal data only (without contingency situations) does not perform well when such situations arise. On the other hand, assembling comprehensive training sets allowing for all switching combinations leads to enormous amount of data and additional training difficulties.
At present, a solution between these two extreme situations is being developed and tested. It uses the concept of typical load curves [8]. In this case, the typical curves are determined for each load island, a set of busses and network sections in the primary network delimited by adjacent protective switches. This approach allows for a substantial reduction on training data amount without compromising forecast accuracy. MLP networks associated to the different load islands are used for obtaining the global load profile under contingency.

ผลลัพธ์ (ไทย) 1:

เอกสารนี้ได้นำเสนอวิธีการผลิตการประเมินค่าโหลดในอนาคตในระบบจำหน่ายที่ใช้ ANNs เครื่องมือซอฟต์แวร์กำลังทำงานอยู่ในสถานีย่อยที่จำหน่ายจริง และผลลัพธ์เบื้องต้นจะส่งเสริมให้มากเกี่ยวกับการคาดการณ์ข้อผิดพลาดโมดูลสำหรับการโอนย้ายโหลดระหว่างอุปกรณ์ให้อาหารหลักในช่วงภาระผูกพัน (รวมอยู่ในโมดูล 1) กำลังอยู่ในขั้นตอนสุดท้ายของการพัฒนานอกจากการพัฒนาอย่างต่อเนื่อง 3 โมดูล (สภาวิชาชีพบัญชีการประเมินความเสี่ยงและประเมินมูลค่า), นามสกุลสำคัญที่อยู่ในขั้นสูงของการพัฒนาที่สอดคล้องกับการตรวจหาอัตโนมัติของโหลดส่งระหว่างเครื่องให้อาหารหรือสถานีในช่วงสถานการณ์ฉุกเฉิน ปัญหาในกรณีนี้คือ วิธีการผลิตการประเมินความถูกต้องของค่าในอนาคตที่รู้ว่า การดำเนินการสวิตช์ในเครือข่ายหลักได้เป็นอย่างมากในการโหลดส่วนกำหนดค่าของอุปกรณ์ให้อาหารเกี่ยวข้อง เครือข่ายแบบ MLP กับข้อมูลปกติเท่านั้น (ไม่มีสถานการณ์ฉุกเฉิน) การฝึกอบรมทำดีเมื่อสถานการณ์เช่นนี้เกิดขึ้น บนมืออื่น ๆ ประกอบชุดฝึกอบรมที่ครอบคลุมสำหรับลูกค้าเป้าหมายรวมทั้งหมดที่สลับไปจำนวนมหาศาลของข้อมูลและความยากลำบากในการฝึกอบรมเพิ่มเติมในปัจจุบัน การแก้ไขปัญหาระหว่างสองสถานการณ์รุนแรงเหล่านี้กำลังถูกพัฒนาขึ้น และทดสอบ ใช้แนวคิดของเส้นโค้งโหลดทั่วไป [8] ในกรณีนี้ เส้นโค้งปกติจะถูกกำหนดสำหรับแต่ละเกาะโหลด ชุดรถบัสและส่วนของเครือข่ายในเครือข่ายหลักที่มีคั่น ด้วยสวิทช์ป้องกันติด วิธีการนี้ช่วยให้การลดที่พบเกี่ยวกับการฝึกอบรมจำนวนข้อมูลโดยไม่ต้องทำการคาดการณ์แม่นยำ MLP เครือข่ายที่เกี่ยวข้องกับเกาะโหลดแตกต่างกันจะใช้สำหรับการรับค่าโหลดทั่วโลกภายใต้ฉุกเฉิน

ผลลัพธ์ (ไทย) 2:

บทความนี้ได้นำเสนอวิธีการในการผลิตประมาณการของค่าภาระในอนาคตในระบบการกระจายการใช้ ANNs เครื่องมือซอฟต์แวร์กำลังทำงานอยู่ในสถานีกระจายจริงของโลกและผลการศึกษาเบื้องต้นมีกำลังใจมากเกี่ยวกับข้อผิดพลาดของการคาดการณ์
โมดูลสำหรับการรับมือกับการถ่ายโอนภาระระหว่างเครื่องให้อาหารหลักในช่วงภาระผูกพัน (รวมอยู่ในโมดูล 1) ขณะนี้อยู่ในขั้นตอนสุดท้ายของการพัฒนา
นอกจากนี้ยังมีการพัฒนาอย่างต่อเนื่องของโมดูล 3 (สภาวิชาชีพบัญชีการประมาณค่าและการประเมินความเสี่ยง) เป็นส่วนสำคัญที่อยู่ในขั้นตอนของการพัฒนาที่ทันสมัยสอดคล้องกับการตรวจสอบโดยอัตโนมัติของการถ่ายโอนภาระระหว่างเครื่องป้อนและ / หรือสถานีในช่วงสถานการณ์ฉุกเฉิน ปัญหาที่เกิดขึ้นในกรณีนี้คือวิธีการในการผลิตที่ถูกต้องของการประมาณการค่าความต้องการในอนาคตรู้ว่าการดำเนินการเปลี่ยนในเครือข่ายหลักที่มีผลกระทบอย่างมีนัยสำคัญในโปรไฟล์ภาระของเครื่องให้อาหารที่เกี่ยวข้อง เครือข่ายที่ได้รับการฝึกฝน MLP กับข้อมูลปกติเท่านั้น (ไม่มีสถานการณ์ฉุกเฉิน) ไม่ทำงานได้ดีเมื่อสถานการณ์ดังกล่าวเกิดขึ้น ในทางตรงกันข้ามการประกอบชุดฝึกอบรมที่ครอบคลุมเพื่อให้สามารถอยู่รวมกันเปลี่ยนทั้งหมดจะนำไปสู่จำนวนมหาศาลของข้อมูลและความยากลำบากในการฝึกอบรมเพิ่มเติม
ในปัจจุบันการแก้ปัญหาระหว่างทั้งสองสถานการณ์ที่รุนแรงจะถูกพัฒนาและทดสอบ จะใช้แนวคิดของเส้นโค้งโหลดทั่วไป [8] ในกรณีนี้เส้นโค้งปกติจะถูกกำหนดสำหรับแต่ละเกาะโหลดชุดของรถบัสและส่วนเครือข่ายอยู่ในเครือข่ายหลักที่คั่นด้วยสวิทช์ป้องกันที่อยู่ติดกัน วิธีการนี้จะช่วยให้การลดลงอย่างมากกับปริมาณข้อมูลการฝึกอบรมโดยไม่สูญเสียความถูกต้องของการคาดการณ์ เครือข่าย MLP ที่เกี่ยวข้องไปยังหมู่เกาะโหลดที่แตกต่างกันจะใช้สำหรับการได้รับรายละเอียดการโหลดทั่วโลกภายใต้ฉุกเฉิน

ผลลัพธ์ (ไทย) 3:

งานวิจัยนี้ได้เสนอวิธีการประมาณค่าภาระในอนาคตในการผลิตการใช้ระบบทาง . โปรแกรมกำลังทำงานอยู่ ผลจริง และมีการกระจายกริยาเบื้องต้นมากสนับสนุนเกี่ยวกับการพยากรณ์ .โมดูลสำหรับจัดการกับโหลดการถ่ายโอนระหว่างอาหารหลักในภาระผูกพัน ( รวมอยู่ในโมดูล 1 ) อยู่ในขั้นตอนสุดท้ายของการพัฒนานอกจากการพัฒนาอย่างต่อเนื่องของโมดูลที่ 3 ( สภาวิชาชีพบัญชีค่าประเมิน และการประเมินความเสี่ยงสำคัญนามสกุลที่อยู่ในขั้นตอนขั้นสูงของการพัฒนาที่สอดคล้องกับการตรวจสอบโดยอัตโนมัติของโหลดการถ่ายโอนระหว่าง feeders และ / หรือสถานีย่อยในเงื่อนไขสถานการณ์ ปัญหาในคดีนี้เป็นวิธีการผลิตที่ถูกต้องประมาณค่าความต้องการในอนาคต ว่าเปลี่ยนงานในเครือข่ายหลักที่มีผลกระทบอย่างมากเกี่ยวกับการโหลดโปรไฟล์ของเกี่ยวข้องตัวกิน เป็นเครือข่าย MLP ฝึกด้วยข้อมูลปกติเท่านั้น ( โดยไม่ต้องสำรองสถานการณ์ ) ไม่แสดงเมื่อสถานการณ์ดังกล่าวเกิดขึ้น บนมืออื่น ๆ , การประกอบ การฝึกอบรมที่ครอบคลุมชุดให้ทุกคนเปลี่ยนชุดนักมหาศาลข้อมูลและปัญหาการฝึกอบรมเพิ่มเติมปัจจุบัน โซลูชั่นระหว่างทั้งสองสุดขั้ว สถานการณ์ที่ถูกพัฒนาและทดสอบ มันใช้แนวคิดของเส้นโค้งปกติโหลด [ 8 ] ในกรณีนี้ เส้นโค้งปกติจะพิจารณาโหลดแต่ละเกาะ ตั้งค่าของบัสและหน่วยงานเครือข่ายในเครือข่ายปฐมภูมิ ได้แก่ โดยสวิตช์ป้องกันที่อยู่ติดกัน วิธีการนี้จะช่วยให้บริษัทลดปริมาณข้อมูลในการฝึกอบรมโดยไม่คาดการณ์แม่นยำ เครือข่าย MLP ที่เกี่ยวข้องกับเกาะต่าง ๆที่ใช้สำหรับการโหลดไฟล์โหลดทั่วโลกภายใต้ความไม่แน่นอน