Loss-of-load state identification using self-organizing map

Luo, Xiaochuan; Singh, Charanjit Kaur Swaran; Patton, A.D.

doi:10.1109/pess.1999.787397

Cited by 16 publications

(14 citation statements)

References 4 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Maiores detalhes relativos aos processos de treinamento e de classificação do SOM podem ser verificados em Kohonen (1982); Luo et al (1999); e Luo et al (2000).…”

Section: Kohonen Self-organizing Map (Som)unclassified

“…Com o intuito de acelerar o processo da avaliação de confiabilidade composta de sistemas elétricos, diversos trabalhos da literatura relacionada vêm propondo estratégias inovadoras. Destaque pode ser dado ao emprego de técnicas de redução de variância (e.g., González-Fernández et al, 2013e Shu et al, 2014, métodos de representação fuzzy (e.g., Saraiva et al, 1996), computação paralela e distribuída (e.g., Borges et al, 2001), métodos de otimização inteligentes baseados em população (e.g., Benidris et al, 2015), e técnicas de reconhecimento de padrão (e.g., Luo et al, 1999;Luo et al, 2000, e Urgun et al, 2019. De forma geral, muitas dessas estratégias configuram ferramentas híbridas, que combinam o emprego de técnicas diversas com métodos de simulação Monte Carlo (Alan & Billinton, 1996).…”

Section: Introductionunclassified

See 1 more Smart Citation

Técnicas Não Supervisionadas de Aprendizado de Máquina Aplicadas na Avaliação da Confiabilidade Composta de Sistemas Elétricos de Potência

Assis

Coelho

Rezende

et al. 2020

Anais Do Congresso Brasileiro De Automática 2020

View full text Add to dashboard Cite

Neste artigo é proposta uma metodologia simples e nova para avaliação da confiabilidade composta de sistemas elétricos de potência. O método de simulação Monte Carlo não sequencial é combinado com técnicas não supervisionadas de aprendizado de máquina com o intuito de reduzir o esforço computacional envolvido no processo de estimativa dos índices de confiabilidade composta. A metodologia permite que diferentes técnicas não supervisionadas sejam empregadas, tendo em vista a obtenção de reduções significativas nos tempos de processamento, sem que haja perda de precisão dos índices de desempenho estimados. Os resultados obtidos com a utilização de três diferentes técnicas de classificação (Kohonen self-organizing map, K-means, and K-medoids) são apresentados e amplamente analisados.

show abstract

“…Maiores detalhes relativos aos processos de treinamento e de classificação do SOM podem ser verificados em Kohonen (1982); Luo et al (1999); e Luo et al (2000).…”

Section: Kohonen Self-organizing Map (Som)unclassified

Section: Introductionunclassified

Técnicas Não Supervisionadas de Aprendizado de Máquina Aplicadas na Avaliação da Confiabilidade Composta de Sistemas Elétricos de Potência

Assis

Coelho

Rezende

et al. 2020

Anais Do Congresso Brasileiro De Automática 2020

View full text Add to dashboard Cite

show abstract

“…Techniques to reduce or prune the state space to consider in a power system reliability analysis have been studied for several decades [4], [5], often with the objective of identifying loss-ofload states. Most previous work appear to focus on reducing the set of contingencies to consider (i.e.…”

Section: Clustering and Identification Of Operating Statesmentioning

confidence: 99%

Identifying high-impact operating states in power system reliability analysis

Sperstad

2018

2018 IEEE International Conference on Probabilistic Methods Applied to Power Systems (PMAPS)

View full text Add to dashboard Cite

The reliability of a power system depends, among other things, on the operating states of the system. For reliability analysis for long-term planning purposes, it may be necessary to consider a large set of representative operating states, and clustering techniques can be applied to reduce this set to make the analysis computationally tractable. However, the values of reliability indices for the system may be dominated by the contributions from a relatively small number of high-impact operating states that are not easily captured in the analysis. The objective of this paper is to identify high-impact operating states in the context of power system reliability analysis based on clustering techniques. A secondary objective is to characterize features of these operating states to better understand how they could be recognized, prepared for, and if possible avoided. An approach and an algorithm are proposed, and they are illustrated using a reliability analysis case study for a region of the Norwegian transmission grid with realistic operating states for the Nordic power system.

show abstract

“…In this study, optimal power flow (OPF) is used to minimize load shedding at each bus subject to a set of constraints [6]. The problem can be formulated as follows.…”

Section: A Loss Of Load Identificationmentioning

confidence: 99%

Adequacy Evaluation of Bulk Power Systems via Combination of Monte Carlo Simulation and Artificial Immune Recognition System

Wang

Singh

2008

2008 Joint International Conference on Power System Technology and IEEE Power India Conference

View full text Add to dashboard Cite

Monte Carlo simulation (MCS) is very useful in adequacy evaluation of complex power systems. However, it may be time-consuming when power flow analysis is needed to determine the status of each system state. In this study, we combine Monte Carlo simulation and artificial immune recognition system (AIRS), an effective classifier for imbalanced data set, in order to expedite the state evaluation process. An IEEE Reliability Test System is used for the simulation study. Numerical studies are conducted to show the effectiveness of the proposed method in approximating the loss of load probability (LOLP) with and without incorporating transmission line outages.

show abstract

Loss-of-load state identification using self-organizing map

Cited by 16 publications

References 4 publications

Técnicas Não Supervisionadas de Aprendizado de Máquina Aplicadas na Avaliação da Confiabilidade Composta de Sistemas Elétricos de Potência

Técnicas Não Supervisionadas de Aprendizado de Máquina Aplicadas na Avaliação da Confiabilidade Composta de Sistemas Elétricos de Potência

Identifying high-impact operating states in power system reliability analysis

Adequacy Evaluation of Bulk Power Systems via Combination of Monte Carlo Simulation and Artificial Immune Recognition System

Contact Info

Product

Resources

About