Ανάπτυξη γενικευμένων μοντέλων για την ανάλυση της δυναμικής συμπεριφοράς έξυπνων ηλεκτρικών δικτύων

Abstract

Scope of this doctoral dissertation is the development of generic equivalent models for the dynamic analysis of smart grids. These models incorporate state‐of‐the‐art techniques using measurements that are generally available in modern power systems. The accuracy of measurement‐based equivalent models depends significantly on the effectiveness of the data processing techniques that are applied to enhance signals quality. For this purpose, a robust framework for processing dynamic responses is initially proposed to improve measurement‐based modelling practices. Within the adopted framework, an event detection method is developed to automatically capture dynamic responses suitable for parameter estimation. Next, discrete signal processing techniques (missing data recovering, filtering, fine‐tuning of the signal window length, etc.) are applied to improve the quality of measured data used to derived equivalent models. The performance of the proposed methodology is tested using synthetic signals generated considering typical sets of model parameters from the literature, simulation results obtained using an appropriate software package and measurements acquired from a laboratory‐scale distribution network (DN). In addition, an integrated methodology for identifying the applicability range in terms of accuracy and generalization capability of the most prevalent dynamic equivalent models proposed in the literature, including all model categories, i.e., frequency‐independent and ‐dependent static, dynamic and composite, is proposed. The core of the methodology is to simulate a large number of dynamic responses, taking into account different network conditions and voltage disturbance levels. A set of metrics is used to assess the modelling accuracy and a sensitivity analysis framework is introduced to fully quantify the generalization capabilities of equivalent models. The main characteristic of the adopted methodology is that it is generalized in the sense that it can be readily applied regardless of the topology of the given network. The primary motivation of the aforementioned analysis is to offer guidelines and recommendations for the selection of appropriate dynamic equivalent models based on distinct network operating conditions. For this study, simulated responses acquired from benchmark DNs are employed. Furthermore, a novel procedure for developing robust dynamic equivalent models from measurements is proposed, which can be effectively used to simulate the dynamic behavior of DNs. Scope of this method is to capture general relationships between the network pre‐disturbance characteristics and the harmonic content of the DN with identified dynamic model parameters, in order to predict generic sets of model parameters suitable for a wide range of network conditions and voltage disturbances. For this purpose, different machine learning algorithms are adopted and their performance is evaluated. The applicability of the proposed generic dynamic equivalencing method is validated using simulation results and laboratory‐scale measurements, while its efficacy is compared to conventional generalization techniques.

Στόχος της παρούσας διδακτορικής διατριβής αποτελεί η δημιουργία γενικευμένων μοντέλων για την ανάλυση της δυναμικής συμπεριφοράς έξυπνων ηλεκτρικών δικτύων (ΕΗΔ). Στα μοντέλα αυτά ενσωματώνονται καινοτόμες τεχνικές χρησιμοποιώντας μετρήσεις, οι οποίες είναι κατά κανόνα διαθέσιμες στα σύγχρονα ΕΗΔ. Η ακρίβεια στη μοντελοποίηση χρησιμοποιώντας μετρήσεις εξαρτάται σε σημαντικό βαθμό από την αποτελεσματικότητα των τεχνικών επεξεργασίας που εφαρμόζονται στα δεδομένα των μετρήσεων. Για τον σκοπό αυτό, αρχικά, αναπτύσσεται μια ολοκληρωμένη μεθοδολογία επεξεργασίας δεδομένων για τη δημιουργία δυναμικών ισοδύναμων μοντέλων (ΔΙΜ). Στην προτεινόμενη μεθοδολογία μελετάται η εφαρμογή μιας αυτοματοποιημένης μεθόδου ανίχνευσης συμβάντων, ενώ στη συνέχεια, εφαρμόζονται διάφορες τεχνικές επεξεργασίας σήματος (διόρθωση ελλιπών δεδομένων, φιλτράρισμα μετρήσεων, εύρεση του βέλτιστου μήκος παραθύρου του σήματος, κ.α.) προκειμένου να βελτιωθεί η ποιότητα των σημάτων που χρησιμοποιούνται για την ανάπτυξη ΔΙΜ. Η αποτελεσματικότητα της προτεινόμενης μεθοδολογίας διερευνάται με τη βοήθεια τεχνητών δυναμικών αποκρίσεων θεωρώντας τυπικές παραμέτρους μοντέλων από τη βιβλιογραφία, αποκρίσεων από προσομοιώσεις σε λογισμικό πακέτο, καθώς και πραγματικών μετρήσεων οι οποίες ελήφθησαν σε ένα δίκτυο διανομής ηλεκτρικής ενέργειας (ΔΔΗΕ) εργαστηριακής κλίμακας. Κατόπιν, αναπτύσσεται μια νέα μεθοδολογία ποιοτικής και ποσοτικής αξιολόγησης των σημαντικότερων στατικών (εξαρτώμενων και μη από τη συχνότητα), δυναμικών και σύνθετων ισοδύναμων μοντέλων που έχουν προταθεί στη σχετική βιβλιογραφία, όσον αφορά στην ακρίβεια προσομοίωσης και στην ευρωστία (ικανότητα γενίκευσης). Ο πυρήνας της μεθοδολογίας είναι η προσομοίωση ενός μεγάλου αριθμού δυναμικών αποκρίσεων, λαμβάνοντας υπόψη διαφορετικές λειτουργικές καταστάσεις του δικτύου και επίπεδα διαταραχών. Για τον σκοπό αυτό χρησιμοποιείται ένα σύνολο δεικτών αξιολόγησης και εφαρμόζεται μια νέα μέθοδος ανάλυσης της ευαισθησίας των παραμέτρων των μοντέλων. Βασικό χαρακτηριστικό της προτεινόμενης προσέγγισης είναι η ικανότητα εφαρμογής της σε οποιοδήποτε υπό μελέτη σύστημα. Κύριος στόχος της προαναφερθείσας ανάλυσης είναι η παροχή πρακτικών οδηγιών‐συστάσεων για τον καθορισμό των καταλληλότερων ΔΙΜ που μπορούν να χρησιμοποιηθούν για την ανάλυση της δυναμικής συμπεριφοράς των ΔΔΗΕ ανάλογα με τις λειτουργικές συνθήκες. Για τη μελέτη αυτή, χρησιμοποιούνται αποτελέσματα προσομοιώσεων τα οποία ελήφθησαν από πρότυπα ΔΔΗΕ. Επιπλέον, προτείνεται μια καινοτόμα διαδικασία για την ανάπτυξη εύρωστων ΔΙΜ από μετρήσεις που μπορούν να χρησιμοποιηθούν αποτελεσματικά για την προσομοίωση της δυναμικής συμπεριφοράς ΔΔΗΕ. Στόχος της προτεινόμενης μεθόδου αποτελεί η εύρεση γενικευμένων σχέσεων μεταξύ των συνθηκών λειτουργίας, των αρμονικών μετρήσεων του δικτύου και των παραμέτρων ισοδύναμων μοντέλων, προκειμένου να καταστεί εφικτή η εφαρμογή τους για ένα μεγάλο εύρος λειτουργικών συνθηκών του δικτύου και διαταραχών. Για τον σκοπό αυτό αξιοποιούνται και αξιολογούνται διάφορες τεχνικές μηχανικής μάθησης. Η αποτελεσματικότητα της προτεινόμενης τεχνικής γενίκευσης επαληθεύεται σε δεδομένα προσομοιώσεων καθώς και πραγματικών μετρήσεων που ελήφθησαν σε ΔΔΗΕ εργαστηριακής κλίμακας, ενώ η απόδοσή της συγκρίνεται με συμβατικές μεθόδους της βιβλιογραφίας.