دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش:
نویسندگان: Antonello Monti. Andrea Benigni
سری: IET Energy Engineering Series, 118
ISBN (شابک) : 1785614045, 9781785614040
ناشر: The Institution of Engineering and Technology
سال نشر: 2022
تعداد صفحات: 321
[322]
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 20 Mb
در صورت تبدیل فایل کتاب Modeling and Simulation of Complex Power Systems به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب مدلسازی و شبیه سازی سیستم های قدرت پیچیده نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
سیستم های قدرت مدرن به دلیل افزایش سهم انرژی های تجدیدپذیر متناوب و تولید پراکنده بسیار پیچیده هستند. تحقیق نیاز به شبیه سازی و مدل سازی کامپیوتری و دانش روش ها و الگوریتم ها دارد.
این کتاب مفاهیم کلیدی مدل سازی و شبیه سازی سیستم های قدرت را ارائه می دهد. این کتاب دو خانواده اصلی تکنیکها را برای شبیهسازی سیستمهای دینامیکی مبتنی بر کامپیوتر و روشهایی که امکان اجرای شبیهسازی موازی را فراهم میکنند، معرفی میکند. این پوشش شامل شبیه سازی دیجیتال، روش های توپولوژیکی، روش های فضای حالت، روش های موازی سازی، شبیه سازی تحت عدم قطعیت، شبیه سازی فازور، شبیه سازی سیستم های سوئیچینگ و همچنین شبیه سازی بلادرنگ و سخت افزار در تست حلقه می باشد. مثالها، تمرینها و مجموعهای از حلکنندههای شبیهسازی پیادهسازی شده در Matlab® و Python نیز ارائه شده است.
مدلسازی و شبیهسازی سیستمهای قدرت پیچیده بسیار ارزشمند است. ابزاری برای محققان صنعت و دانشگاه و دانشجویان پیشرفته.
Modern power systems are highly complex due to increasing shares of intermittent renewable energy and distributed generation. Research requires computer simulation and modeling, and knowledge of methods and algorithms.
This book presents key concepts of modeling and simulation of power systems. The book introduces the two main families of techniques for computer-based simulation of dynamic systems, and methods that allow parallel simulation execution. The coverage includes digital simulation, topological methods, state space methods, parallelization methods, simulation under uncertainty, phasor simulation, switching systems simulation as well as real-time simulation and hardware in the loop testing. Examples, exercises and a set of simulation solvers implemented in Matlab® and Python are also provided.
Modeling and Simulation of Complex Power Systems is an invaluable tool for researchers in industry and academia, and advanced students.
Cover Contents About the authors Additional contributors 1 Introduction 1.1 The structure of the book 1.2 How to use the book Supplementary material 2 Digital simulation 2.1 Euler forward method 2.2 Backward Euler method 2.3 Trapezoidal rule method 2.4 Predictor and corrector method 2.5 Runge–Kutta methods 2.6 Adams–Bashforth and Adams–Moulton methods 2.7 Accuracy comparison Exercises References 3 Nodal methods 3.1 Nodal analysis 3.2 Matrix stamp 3.2.1 Resistor 3.2.2 Ideal current source 3.2.3 Real current source 3.2.4 Real voltage source 3.3 Modified nodal analysis 3.4 Resistive companion 3.4.1 Resistive companion solution flow 3.4.2 Inductor and capacitor in resistive companion 3.5 Numerical methods for the solution of linear systems 3.5.1 Gaussian elimination 3.6 Controlled sources 3.6.1 VCCS 3.6.2 VCVS 3.6.3 CCCS 3.6.4 CCVS Exercises References 4 State-space methods 4.1 State-space modeling 4.2 Circuit modeling 4.3 Discretization 4.4 Automated state-space modeling 4.5 Simulation of state-space model 4.6 Signal flow solver 4.7 From state-space to transfer function representation Exercises References 5 Parallelization methods 5.1 Introduction 5.2 Case study 1: parallelize the simulation of a ship power system 5.3 Case study 2: parallelize the simulation of the IEEE 34 and IEEE 123 distribution network 5.4 Diakoptics 5.5 State-space nodal method (SSN) 5.6 Transmission line modeling and the waveform relaxation-based method 5.7 Latency insertion method 5.7.1 Latency insertion method for power electronics simulation 5.7.2 Latency insertion method combined with state space and nodal methods 5.8 LB-LMC method 5.9 Exercises References 6 Simulation under uncertainty 6.1 Introduction 6.2 Case studies 6.2.1 Case study 1: ship system analysis under uncertainty 6.2.2 Uncertainty sources in the simulation of distribution networks 6.3 Uncertainty and statistics 6.4 Monte Carlo 6.4.1 Theory 6.4.2 Computation of Monte Carlo simulations 6.4.3 QMC 6.5 Polynomial chaos 6.5.1 Theory 6.5.2 Statistical moments 6.5.3 Inner product calculation 6.5.4 Basic algebra using polynomial chaos 6.6 Non-intrusive polynomial chaos 6.6.1 Definition of collocation points 6.6.2 Evaluation 6.6.3 Expansion coefficients of the target variable 6.7 Exercises References 7 Simulation language specification—Modelica 7.1 Example 1: Simulation of electrical and thermal components considering the impact of a building heating system on the voltage level in a distribution grid 7.2 Example 2: Static voltage assessment of a distribution grid with high penetration of photovoltaics 7.3 Example 3: Transient characteristics of synchronous generator models 7.4 Example 4: Simulation of electrical and mechanical components considering the start of an asynchronous induction machine 7.5 Introduction to Modelica 7.6 Fundamentals of the Modelica language 7.7 Hello World using Modelica 7.8 Electrical component modeling by equations 7.9 Object-oriented modeling by inheritance 7.10 System modeling by composition 7.11 Hybrid modeling 7.12 Further modeling formalisms 7.13 Implementation and execution of Modelica 7.14 Exercises 7.14.1 Task 1 7.14.2 Task 2 7.15 Exercises—solutions 7.15.1 Task 1—solution 7.15.2 Task 2—solution References 8 Dynamic phasors 8.1 Simulation examples 8.1.1 Synchronous generator three-phase fault 8.1.2 Grid simulation using diakoptics 8.2 Introduction 8.3 Comparison to electromechanical simulation 8.4 Bandpass signals and baseband representation 8.5 Extracting dynamic phasors from real signals 8.6 Modeling dynamic systems using dynamic phasors 8.7 Dynamic phasor power system component models 8.7.1 Inductance model 8.7.2 Capacitance model 8.8 Dynamic phasors and resistive companion models 8.8.1 Inductance model 8.8.2 Capacitance model 8.9 Resistive companion simulation example 8.10 Accuracy 8.11 DP and EMT accuracy simulation example 8.12 Summary References 9 Modeling of converters as switching circuits 9.1 Simulation of power electronics systems 9.2 Role of power electronics in power systems 9.3 Modelling and simulation of power electronics in power systems 9.4 Converter models 9.5 Averaged models 9.6 Averaged circuits 9.7 Averaged switching elements 9.7.1 Linearization 9.7.2 Considerations on the averaged models 9.8 State-space models 9.8.1 Continuous time models 9.8.2 Discrete time models 9.8.3 Generalized state-space models 9.8.4 Linearization of state-space models 9.9 Implementing a switch 9.9.1 Ideal switch 9.9.2 Switching of parameter value 9.9.3 Switching of companion source 9.10 Resistive companion model of converters Problems References 10 Real-time and hardware-in-the-loop simulation 10.1 Introduction 10.2 Model-based design and real-time simulation 10.3 General considerations about real-time simulation 10.3.1 The constraint of real-time 10.3.2 Stiffness issues 10.3.3 Simulator bandwidth considerations 10.3.4 Achieving very low latency for HIL application 10.3.5 Effective parallel processing for fast EMT simulation 10.3.6 FPGA-based multi-rate simulators 10.3.7 Advanced parallel solvers without artificial delays or stublines: application to active distribution networks 10.3.8 The need for iterations in real-time 10.4 Phasor-mode real-time simulation 10.5 Modern RTS requirements 10.5.1 Simulator I/O requirements 10.6 Rapid control prototyping and HIL testing 10.7 Power grids real-time simulation applications 10.7.1 Statistical protection system study 10.7.2 Monte Carlo tests for power grid switching surge system studies 10.7.3 Multi-level modular converter in HVDC applications 10.7.4 High-end super-large power grid simulations 10.8 Motor drive and FPGA-based real-time simulation applications 10.8.1 Industrial motor drive design and testing using CPU models 10.8.2 FPGA modeling of SRM and PMSM motor drives 10.9 Conclusion References 11 Octsim/a solver for dynamic system simulation 11.1 Introduction 11.2 Solver description 11.3 Solver structure 11.4 Solver functionalities 11.5 Solver implementation and validation 11.5.1 Implementation details 11.5.2 Comparison with Simulink 11.5.3 Octsim code examples 11.5.4 Control system simulation 11.5.5 Electric circuit simulation 11.6 Example for hybrid system (buck converter with voltage control) 11.7 Conclusion 11.8 User manual References Index Back Cover