Enhancing power system security using soft computing and machine learning

Abstract

To guarantee proper operation of the system, the suggested method infers the loss of a single transmission line in order to calculate a contingency rating. Methods. The proposed mathematical model with the machine learning with particle swarm optimization algorithm has been used to observe the stability analysis with and without the unified power flow controller and interline power flow controller, as well as the associated costs. This allows for rapid prediction of the most affected transmission line and the location for compensation. Results. Many contingency conditions, such as the failure of a single transmission line and change in the load, are built into the power system. The single transmission line outage and load fluctuation used to determine the contingency ranking are the primary emphasis of this work. Practical value. In order to set up a safe transmission power system, the suggested stability analysis has been quite helpful.Щоб гарантувати правильну роботу системи, запропонований метод передбачає втрату однієї лінії передачі розрахунку рейтингу непередбачених обставин. Методи. Запропонована математична модель з алгоритмом машинного навчання з оптимізацією рою частинок використовувалася для спостереження за аналізом стійкості з уніфікованим регулятором потоку потужності та міжлінійним регулятором потоку потужності та без нього, а також з відповідними витратами. Це дозволяє швидко передбачити найбільш постраждалу лінію передачі та місце для компенсації. Результати. Багато позаштатних ситуацій, таких як відмова однієї лінії електропередачі та зміна навантаження, вбудовані в енергосистему. Основна увага у цій роботі приділяється відключенню однієї лінії електропередачі та коливанням навантаження, які використовуються для визначення рейтингу непередбачених обставин. Практична цінність. Пропонований аналіз стійкості виявився дуже корисним до створення безпечної системи передачі електроенергії.