Development of software for parameter estimation and its application on wind power plant equivalent model
Autor(a) principal: | |
---|---|
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 |