Development of software for parameter estimation and its application on wind power plant equivalent model

Detalhes bibliográficos
Autor(a) principal: Gomes, Gabriel José Negrelli
Data de Publicação: 2020
Tipo de documento: Dissertação
Idioma: eng
Título da fonte: Biblioteca Digital de Teses e Dissertações da USP
Texto Completo: https://www.teses.usp.br/teses/disponiveis/18/18154/tde-24112022-094159/
Resumo: This project focused on the development of a software for parameter estimation of non-linear dynamic models and its application on wind power plant equivalent model. To achieve this goal, a parameter estimation package was developed in Python 3 containing the estimation methods applied alongside the models used during the study. To represent wind power plants, a generic model well-known in the literature was chosen, based on its ability of representing said plants during transients. The method applied for estimation of the model parameters is composed of two optimization algorithms. At first, Mean-Variance Mapping Optimization, an heuristic approach, is used in order to reduce the search region around a feasible solution. Afterwards, a non-linear algorithm based on Trajectory Sensitivity is used to determine the local minimum, thus estimating the parameters of the model. The method validation was made using data from simulated systems. Also, a guided user interface was developed for this application, aiding new users and improving its usability. Both the package and interface projects are hosted on the author\'s GitHub page.
id USP_a7e019df65582fcd52ef9409942d0ac9
oai_identifier_str oai:teses.usp.br:tde-24112022-094159
network_acronym_str USP
network_name_str Biblioteca Digital de Teses e Dissertações da USP
repository_id_str 2721
spelling Development of software for parameter estimation and its application on wind power plant equivalent modelDesenvolvimento de software para estimação de parâmetros e sua aplicação em modelo equivalente de parques eólicosEstimação de parâmetrosMVMOMVMOParameter estimationPlantas eólicasPythonPythonSensibilidade de trajetóriaTrajectory sensitivityWind Power PlantsThis project focused on the development of a software for parameter estimation of non-linear dynamic models and its application on wind power plant equivalent model. To achieve this goal, a parameter estimation package was developed in Python 3 containing the estimation methods applied alongside the models used during the study. To represent wind power plants, a generic model well-known in the literature was chosen, based on its ability of representing said plants during transients. The method applied for estimation of the model parameters is composed of two optimization algorithms. At first, Mean-Variance Mapping Optimization, an heuristic approach, is used in order to reduce the search region around a feasible solution. Afterwards, a non-linear algorithm based on Trajectory Sensitivity is used to determine the local minimum, thus estimating the parameters of the model. The method validation was made using data from simulated systems. Also, a guided user interface was developed for this application, aiding new users and improving its usability. Both the package and interface projects are hosted on the author\'s GitHub page.O presente trabalho tem como objetivo o desenvolvimento de um software para estimação de parâmetros de modelos dinâmicos não-lineares e sua aplicação em um modelo equivalente de parques eólicos. Para este objetivo, um módulo de estimação de parâmetros foi desenvolvido em Python 3 contendo os métodos de estimação estudados, além dos modelos utilizados. Foi escolhido um modelo genérico da literatura para representar plantas eólicas, baseado na sua capacidade em simular de forma adequada o comportamento destes parques durante transitórios. O método utilizado para a estimação dos parâmetros do modelo é constituído por dois algoritmos de otimização. Primeiramente, o algoritmo de Otimização por Mapeamento de Média-Variância, uma abordagem heurística, é empregado a fim de reduzir a região de busca dos parâmetros em torno de uma solução factível. Em seguida, lança-se mão de um algoritmo não-linear, baseado no Método de Sensibilidade de Trajetória, para determinar o mínimo local, estimando os valores dos parâmetros de forma mais precisa. A validação do método foi realizada utilizando dados de sistemas simulados. Com o intuito de facilitar a experiência do usuário com o programa, também foi desenvolvida uma interface gráfica amigável. Os códigos desenvolvidos durante este projeto estão disponibilizados na página do GitHub do autor.Biblioteca Digitais de Teses e Dissertações da USPCari, Elmer Pablo TitoGomes, Gabriel José Negrelli2020-12-07info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttps://www.teses.usp.br/teses/disponiveis/18/18154/tde-24112022-094159/reponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USPLiberar o conteúdo para acesso público.info:eu-repo/semantics/openAccesseng2022-11-25T17:54:04Zoai:teses.usp.br:tde-24112022-094159Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212022-11-25T17:54:04Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false
dc.title.none.fl_str_mv Development of software for parameter estimation and its application on wind power plant equivalent model
Desenvolvimento de software para estimação de parâmetros e sua aplicação em modelo equivalente de parques eólicos
title Development of software for parameter estimation and its application on wind power plant equivalent model
spellingShingle Development of software for parameter estimation and its application on wind power plant equivalent model
Gomes, Gabriel José Negrelli
Estimação de parâmetros
MVMO
MVMO
Parameter estimation
Plantas eólicas
Python
Python
Sensibilidade de trajetória
Trajectory sensitivity
Wind Power Plants
title_short Development of software for parameter estimation and its application on wind power plant equivalent model
title_full Development of software for parameter estimation and its application on wind power plant equivalent model
title_fullStr Development of software for parameter estimation and its application on wind power plant equivalent model
title_full_unstemmed Development of software for parameter estimation and its application on wind power plant equivalent model
title_sort Development of software for parameter estimation and its application on wind power plant equivalent model
author Gomes, Gabriel José Negrelli
author_facet Gomes, Gabriel José Negrelli
author_role author
dc.contributor.none.fl_str_mv Cari, Elmer Pablo Tito
dc.contributor.author.fl_str_mv Gomes, Gabriel José Negrelli
dc.subject.por.fl_str_mv Estimação de parâmetros
MVMO
MVMO
Parameter estimation
Plantas eólicas
Python
Python
Sensibilidade de trajetória
Trajectory sensitivity
Wind Power Plants
topic Estimação de parâmetros
MVMO
MVMO
Parameter estimation
Plantas eólicas
Python
Python
Sensibilidade de trajetória
Trajectory sensitivity
Wind Power Plants
description This project focused on the development of a software for parameter estimation of non-linear dynamic models and its application on wind power plant equivalent model. To achieve this goal, a parameter estimation package was developed in Python 3 containing the estimation methods applied alongside the models used during the study. To represent wind power plants, a generic model well-known in the literature was chosen, based on its ability of representing said plants during transients. The method applied for estimation of the model parameters is composed of two optimization algorithms. At first, Mean-Variance Mapping Optimization, an heuristic approach, is used in order to reduce the search region around a feasible solution. Afterwards, a non-linear algorithm based on Trajectory Sensitivity is used to determine the local minimum, thus estimating the parameters of the model. The method validation was made using data from simulated systems. Also, a guided user interface was developed for this application, aiding new users and improving its usability. Both the package and interface projects are hosted on the author\'s GitHub page.
publishDate 2020
dc.date.none.fl_str_mv 2020-12-07
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://www.teses.usp.br/teses/disponiveis/18/18154/tde-24112022-094159/
url https://www.teses.usp.br/teses/disponiveis/18/18154/tde-24112022-094159/
dc.language.iso.fl_str_mv eng
language eng
dc.relation.none.fl_str_mv
dc.rights.driver.fl_str_mv Liberar o conteúdo para acesso público.
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Liberar o conteúdo para acesso público.
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.coverage.none.fl_str_mv
dc.publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
dc.source.none.fl_str_mv
reponame:Biblioteca Digital de Teses e Dissertações da USP
instname:Universidade de São Paulo (USP)
instacron:USP
instname_str Universidade de São Paulo (USP)
instacron_str USP
institution USP
reponame_str Biblioteca Digital de Teses e Dissertações da USP
collection Biblioteca Digital de Teses e Dissertações da USP
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)
repository.mail.fl_str_mv virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br
_version_ 1809091055277047808