Abstract: Arefi, Chowdhury (2019)

Classifying disturbance events in a power system is a challenging task. This paper proposes an online application of event detection and classification using the Recurrence Quantification Analysis (RQA). Nonlinear measures based on recurrence plots are examined to assess the characteristics of location and type of disturbance events. The Principle Components Analysis is used for dimensionality reduction and an unsupervised clustering method is applied to identify two types of disturbance events, namely, short circuit faults and generator trips. Simulations are conducted on a 29-machine 179-bus reduced WECC system to validate the proposed algorithm. Results show that the RQA measures might be an effective tool to identify the location and type of disturbance events.

Please note: The abstracts of the bibliography database may underly other copyrights.

Ihr Browser versucht gerade eine Seite aus dem sogenannten Internet auszudrucken. Das Internet ist ein weltweites Netzwerk von Computern, das den Menschen ganz neue Möglichkeiten der Kommunikation bietet.

Da Politiker im Regelfall von neuen Dingen nichts verstehen, halten wir es für notwendig, sie davor zu schützen. Dies ist im beidseitigen Interesse, da unnötige Angstzustände bei Ihnen verhindert werden, ebenso wie es uns vor profilierungs- und machtsüchtigen Politikern schützt.

Sollten Sie der Meinung sein, dass Sie diese Internetseite dennoch sehen sollten, so können Sie jederzeit durch normalen Gebrauch eines Internetbrowsers darauf zugreifen. Dazu sind aber minimale Computerkenntnisse erforderlich. Sollten Sie diese nicht haben, vergessen Sie einfach dieses Internet und lassen uns in Ruhe.

Die Umgehung dieser Ausdrucksperre ist nach §95a UrhG verboten.

Mehr Informationen unter www.politiker-stopp.de.

Identifying the class of disturbance events using recurrence quantification analysis