Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Clustering-based reliability assessment of smart grids by fuzzy c-means algorithm considering direct cyber–physical interdependencies and system uncertainties

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F49777513%3A23220%2F22%3A43965208" target="_blank" >RIV/49777513:23220/22:43965208 - isvavai.cz</a>

  • Výsledek na webu

    <a href="https://www.sciencedirect.com/science/article/pii/S2352467722000819" target="_blank" >https://www.sciencedirect.com/science/article/pii/S2352467722000819</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1016/j.segan.2022.100757" target="_blank" >10.1016/j.segan.2022.100757</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Clustering-based reliability assessment of smart grids by fuzzy c-means algorithm considering direct cyber–physical interdependencies and system uncertainties

  • Popis výsledku v původním jazyce

    The steadily growing deployment of cyber systems in smart grids (SGs) has highlighted the impacts of cyber–physical interdependencies (CPIs). Although much attention has been paid to the reliability evaluation of SGs considering the system uncertainties and CPIs by Monte Carlo simulation (MCS), the computation time is one of the essential challenges of MCS-based methods. This research tries to overcome the discussed challenge by developing a new clustering-based reliability evaluation method considering the direct CPIs (DCPIs) and stochastic behaviors of renewable distributed generation units (RDGUs) and the demand side. In the proposed method, the Fuzzy c-means (FCM) clustering algorithm has been used to reduce the number of scenarios for uncertain parameters besides the DCPIs. Determining the appropriate alternatives for the number of clusters of stochastic parameters in various cases based on cyber network topologies, DG technologies, and the penetration levels of RDGUs is another contribution of this paper. Test results of applying the proposed method to an actual test system illustrate the advantages of the proposed clustering-based method. The comparison of the proposed method with MCS shows the computation time could be reduced from 21658 s to 210 s (99%), while less than 1% EENS error appears.

  • Název v anglickém jazyce

    Clustering-based reliability assessment of smart grids by fuzzy c-means algorithm considering direct cyber–physical interdependencies and system uncertainties

  • Popis výsledku anglicky

    The steadily growing deployment of cyber systems in smart grids (SGs) has highlighted the impacts of cyber–physical interdependencies (CPIs). Although much attention has been paid to the reliability evaluation of SGs considering the system uncertainties and CPIs by Monte Carlo simulation (MCS), the computation time is one of the essential challenges of MCS-based methods. This research tries to overcome the discussed challenge by developing a new clustering-based reliability evaluation method considering the direct CPIs (DCPIs) and stochastic behaviors of renewable distributed generation units (RDGUs) and the demand side. In the proposed method, the Fuzzy c-means (FCM) clustering algorithm has been used to reduce the number of scenarios for uncertain parameters besides the DCPIs. Determining the appropriate alternatives for the number of clusters of stochastic parameters in various cases based on cyber network topologies, DG technologies, and the penetration levels of RDGUs is another contribution of this paper. Test results of applying the proposed method to an actual test system illustrate the advantages of the proposed clustering-based method. The comparison of the proposed method with MCS shows the computation time could be reduced from 21658 s to 210 s (99%), while less than 1% EENS error appears.

Klasifikace

  • Druh

    J<sub>imp</sub> - Článek v periodiku v databázi Web of Science

  • CEP obor

  • OECD FORD obor

    20201 - Electrical and electronic engineering

Návaznosti výsledku

  • Projekt

  • Návaznosti

    I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Ostatní

  • Rok uplatnění

    2022

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název periodika

    Sustainable Energy, Grids and Networks

  • ISSN

    2352-4677

  • e-ISSN

  • Svazek periodika

    31

  • Číslo periodika v rámci svazku

    September 2022

  • Stát vydavatele periodika

    NL - Nizozemsko

  • Počet stran výsledku

    24

  • Strana od-do

    1-24

  • Kód UT WoS článku

    000807419100014

  • EID výsledku v databázi Scopus

    2-s2.0-85130721546