Dynamic security enhancement of power systems via population based optimization methods integrated with artificial neural networks

Yapay sinir ağlarının entegre edildiği popülasyon tabanlı optimizasyon yöntemleriyle güç sistemlerinin dinamik güvenliğinin iyileştirilmesi

PDF İndir

Tez No: 397782
Yazar: CAVİT FATİH KÜÇÜKTEZCAN
Danışmanlar: DOÇ. VEYSEL MURAT İSTEMİHAN GENÇ
Tez Türü: Doktora
Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
Anahtar Kelimeler: Belirtilmemiş.
Yıl: 2015
Dil: İngilizce
Üniversite: İstanbul Teknik Üniversitesi
Enstitü: Fen Bilimleri Enstitüsü
Ana Bilim Dalı: Elektrik Mühendisliği Ana Bilim Dalı
Bilim Dalı: Belirtilmemiş.
Sayfa Sayısı: 154

Özet

Elektrik enerjisi tüketimindeki artışa rağmen, güç sistemlerinin coğrafi sebeplerle aynı oranda genişleyememesi, sisteme entegre edilen ve üretim oranı gün geçtikçe artan yenilenebilir enerji kaynaklarının doğası gereği sahip olduğu belirsizlikler, enerji piyasasının ve ekonomiklik kriterlerinin getirdiği kısıtlamalar sebebiyle, günümüz elektrik güç sistemleri tasarım ve planlama aşamasında öngörülen güç akışı senaryolarından farklı ve stres edilmiş birçok yeni noktada çalışmaktadır. Bu yeni çalışma noktalarının, sistemin kabul edilebilir güvenlik sınırlarını ihlal etmeyecek şekilde yeniden planlanması gerekmektedir. Elektrik güç sistemi, güvenlik sınırlarına yakın, stress edilmiş bir çalışma noktasında iken, senkron generatörlerin senkronizma kaybına sebep olabilecek ve sistemin büyük bir bölümünü devre dışı bırakabilecek bazı bozucu etkilere karşı sistem savunmasız durumda olabilir. Bu sebeple, sistemin dinamik güvenliğinin takibi ve güvensiz bir çalışma noktasının tespiti anında doğru kontrol yöntemleri uygulanarak, sistemin bozucu etkilerle başedebileceği güvenli bir çalışma noktasına hızlı bir şekilde getirilmesi, günümüz güç sistemleri için oldukça önemlidir. Elektrik enerjisi, günlük yaşam ve ülke ekonomisi için hayati öneme sahiptir. Elektrik güç sistemlerinin sürekli ve güvenli çalışması, dinamik güvenlik analizinin hızlı ve doğru olarak yapılabilmesini gerektirir. Matematiksel altyapıya sahip yöntemler, bu tez çalışmasında ele alınan kararlılık sınıfı olan açısal kararlılığın belirlenmesinde, kesin ve doğru sonuçlar vermektedir. Zaman domeni simülasyonları, bir bozucuya maruz kalmış sistemin dinamik davranışını en açık şekilde gösteren yöntemdir. Güç sistemlerinin dinamik modelleri, oldukça fazla sayıda sürekli ve süreksiz değişken içeren, doğrusal ve doğrusal olmayan birçok cebirsel ve diferansiyel eşitlikten oluşur. Zaman domeni simülasyonlarının en büyük dezavantajı, oldukça fazla sayıdaki diferansiyel denklemlerin, binlerce zaman adımında çözülmesi için ihtiyaç duyulan işlem gücü ve zamandır. Bu işlemin, güç sisteminin boyutuna bağlı olarak artan bozucu etkiler için ayrı ayrı tekrarlanacak olması da, zaman domeni simülasyonlarının uygulanabilirliğini güçleştirmektedir. Bu yöntemden farklı olarak, diferansiyel denklem takımlarının çözüme ihtiyaç duymayan, enerji fonksiyonlarına dayalı direkt yöntemler ve sistem kararlılığını bir olasılık değerine bağlı olarak tanımlayan olasılıksal yöntemler de, modelleme kısıtlamaları ve işlem yükleri sebebiyle büyük güç sistemlerinin genellikle planlama aşamasında tercih edilirler. Güç sistemindeki bara gerilimlerinin genlikleri, açıları, hatlar üzerinden iletilen aktif ve reaktif güç miktarları gibi değerler ile sistemin açısal kararlılığı, makina öğrenmesi tabanlı yöntemler ile ilişkilendirebilir. Son yıllarda bu doğrultuda yapılan araştırmalar mevcuttur. Büyük boyutlu güç sistemlerinde meydana gelebilecek önemli bozucu etkilerin sayısı, arıza veya bakım gibi nedenlerle sistemin çalışabileceği farklı topolojilerin sayısı, sistemdeki tüketicilerin farklı tüketim karakteristiklerinden kaynaklanan geniş aralıktaki yüklenme durumları, sistemin çok çeşitli çalışma noktalarında çalışmasına sebep olur. Güç sistemlerinin bu geniş yelpazedeki çalışma koşulları dikkate alındığında, makina öğrenmesi tabanlı yöntemlerin, güç sisteminin güvenlik ve kararlılık analizi amacıyla kullanılması halen ilgi çekici ve zorlu bir konudur. Tasarlanan yöntemin güç sistemlerine ilişkin çok farklı çalışma noktalarında da kesin sonuçlar vermesi gerekmektedir. Bu tez çalışmasının bir bölümünde, makina öğrenmesi tabanlı yöntemlerden olan çeşitli yapay sinir ağları yöntemleri kullanılarak, güç sisteminin açısal kararlılığı, bahsi geçen farklı çalışma koşullarında dahi hızlı ve kesin bir şekilde belirlenmeye çalışılmıştır. Güç sistemi operatörleri, sistemin güvensiz bir çalışma noktasında bulunduğunu tespit ettikten sonra, sistemi güvenli bir çalışma noktasına getirmekle yükümlüdürler. Sistemin dinamik güvenliğini iyileştirmenin amacı, istenmeyen bozucuların etkilerinden sistemi korumaktır. Genellikle, sistem güvenliğinin iyileştirilmesi, önleyici ve düzeltici kontrol uygulamaları ile gerçekleştirilir. Önleyici kontrol uygulamaları, sistem istenmeyen bir bozucuya maruz kalmadan uygulanarak, sistemin kararlılığını kaybetmesine engel olan uygulamalardır. Bu çalışmada, üretimin yeniden düzenlenmesi ve yük kısıtlaması yöntemlerine dayalı bir önleyici kontrol uygulaması ile güç sisteminin dinamik güvenliği iyileştirilmeye çalışılmıştır. Üretimin yeniden düzenlenmesi, kontrol edilebilen generatörlerin sisteme enjekte ettiği elektriksel gücün, belirli kısıtlar altında yeniden düzenlenmesine dayanır. Sistem operatörü, bazı generatörlerin üretim değerlerini önleyici kontrol amacıyla yeniden düzenleyebildiği gibi, sistemdeki bazı yüklerin de tüketim değerleri için, yine belirli sınırlar içerisinde bir düzenleme yapabilir. Böylece, sistem operatörü önemli bozucu etkilerin meydana geldiği bölgeleri de düşünerek, önemli iletim hatları üzerindeki güç akışını belli oranda değiştirebilir ve olası bozucuların etkilerine karşı sistemi koruyabilir. Bazı durumlarda, önleyici kontrol uygulamalarıyla sistemi güvenli bir çalışma noktasına taşımak mümkün olmayabilir. Bu gibi durumlarda güç sistemleri, her bir bozucu için önceden belirlenmiş düzeltici kontrol uygulamalarıyla donatılmış halde çalışmaya devam edebilir. İstenmeyen bir bozucu olay meydana geldikten çok kısa bir süre sonra, bu bozucu olay için önceden planlanmış düzeltici kontrol uygulaması devreye girerek sistem kararlılığı korunmuş olur. Bu çalışmada, yük atımı düzeltici kontrol uygulamasıyla, güç sisteminin olası bozuculara maruz kaldıktan sonra kararlılığını koruyabilmesi sağlanmıştır. Güç sisteminin dinamik güvenliğinin analizi ve iyileştirilmesi, güç sistemi operatörünün sorumluluğundadır. Günümüzde, bir çok ülkenin ulusal güç sistemininin üretim, iletim ve dağıtım hizmetlerini hem devlete bağlı kurumlar, hem de özel şirketler sağlamaktadır. Güvenlik iyileştirici kontrol uygulamaları genellikle, enerji piyasasındaki bu kurumların bir kısmının stratejileri ile zıt yönde olabilir. Başka bir deyişle, sistemi güvenli bir çalışma noktasına taşımanın, sistem operatörüne bir maaliyeti olacaktır. Günümüz büyük boyutlu güç sistemlerinin karmaşık yapısı, sistemi kabul edilebilir bir maaliyetle güvenli bir çalışma noktasına götürecek bir çözümü kısa sürede hesaplama imkanını sistem operatörlerine tanımayabilir. Bu çalışmada, dinamik güvenlik iyileştirmesi problemi, kontrol uygulamalarının maaliyetini eniyilemeyi amaçlayan, çok kısıtlı bir optimizasyon problemi olarak tanımlanmıştır. Gerçek güç sistemlerinin boyutları sebebiyle, bahsi geçen optimizasyon problemi, sürekli ve ayrık parametrelerden oluşan, çok boyutlu bir arama uzayına sahip, yerel en iyi çözümlerin bulunduğu, çok sayıda eşitlik ve eşitsizlik kısıtlamalarına sahip bir problemdir. Ayrıca, dinamik güvenliğe ilişkin, doğrusal olmayan kısıtlar, matematiksel olarak kolayca ifade edilmek için fazla karmaşıktır. Bu sebeplerden ötürü, geleneksel optimizasyon yöntemleri, her başlangıç noktası için, dinamik güvenliği iyileştirici ve düşük maaliyetli bir sonuca yakınsayamayabilir. Bu çalışmada, bahsi geçen optimizasyon probleminin çözümü için evrimsel algoritmaların kullanımı önerilmiştir. Ayrıca, optimizasyon sırasında üretilen aday çözümlerin dinamik güvenlik kısıtlarını ihlal edip etmediğini tespit etmek amacıyla, yapay sinir ağları tabanlı araçlar optimizasyon yöntemine entegre edilerek, optimizasyon süreci hızlandırılmıştır. Güç sisteminin boyutlarına bağlı olarak, problemin içerdiği yüksek miktardaki kısıtlar sebebiyle, bu çalışmada adaptif cezalandırmaya dayalı kısıt ele alma yöntemi kullanılmıştır. Bu yöntem, optimizasyon esnasında kısıtları ihlal eden çözümlere uygulayacağı ceza fonksiyonunu, diğer çözümlerin kısıt ihlallerine bağlı olarak tayin ederek, optimizasyon yönteminin kısa sürede, kısıtları ihlal etmeyen çözüm uzayına ulaşmasını amaçlamaktadır. Bu çalışmanın ana amacı, populasyon tabanlı, sezgisel optimizasyon yöntemleri ve yapay sinir ağlarının beraber kullanımına dayalı, hızlı ve güçlü bir dinamik güvenlik değerlendirmesi ve iyileştirmesi yöntemi oluşturmaktır. Dinamik güvenlik değerlendirmesi, birer regresyon ve sınıflandırma problemi olarak ayrı ayrı ele alınmıştır. Regresyon probleminde, tasarlanan çok tabanlı algılayıcı yapay sinir ağı, tanımlı kararlılık endekslerini tahmin ederek sistem güvenliğini belirler. Her bir bozucuya (3 faz-toprak kısa devre) ilişkin geçici hal kararlılığı için endeks değeri, bozucuyu temizleyen kesicilere ait kritik açma zamanıdır. Küçük işaret kararlılığı için endeks değeri ise, kritik moda ilişkin minimum salınım değeri olarak tanımlanmıştır. Sınıflandırma probleminde ise, olasılıksal yapay sinir ağları ile her bir çalışma noktası güvenli ve güvensiz olarak sınıflandırılmaya çalışılmıştır. Çalışmada, yapay sinir ağları, sistem topolojisindeki değişimleri (N-1 kriterine göre) ve farklı yüklenme durumlarını algılayabilecek şekilde tasarlanmıştır. Tasarlanan yapay sinir ağlarının performanslarını artırmak amacıyla, güç sisteminden toplanan ölçümler, öznitelik seçim yöntemleri ile işlenmiştir. Kararlılık indeksleriyle bağlantılı olan değerler, yapay sinir ağlarının eğitimi ve uygulamasında kullanılmıştır. Çalışmada ayrıca, sistemden toplanan ölçümlerde bulunmayan ancak sistemin açısal kararlılığı ile yakında ilişkili olan, generatörlerin atalet sabitlerini içeren bir değişken tanımlanmış ve bu değişkenin önemi, öznitelik seçimi sonuçlarıyla incelenmiştir. Dinamik güvenliği iyileştirmek için önerilen önleyici ve düzeltici kontrol uygulamalarını içeren metodoloji, üretimin yeniden düzenlenmesi, yük kısıtlaması ve yük atımı yöntemlerinin koordineli bir şekilde uygulanmasını sağlamaktadır. Tasarlanan kontrol uygulamalarının optimizasyonunda, genetik algoritmalar (GA), diferansiyel evrim (DE), parçaçık sürü optimizasyonu (PSO), yapay arı kolonisi (ABC), büyük patlama-büyük çöküş (BB-BC) optimizasyonu, ortalama varyans eşleme optimizasyonu (MVMO) gibi popülasyon tabanlı yöntemler kullanılmıştır. Optimizasyon sırasında üretilen çözümlerin dinamik güvenlik kısıtlarına ilişkin ihlalleri, hesap yükü fazla olan zaman domen simulasyonları yerine, yapay sinir ağları ile elde edilmiştir. Böylece, güç sistemini kabul edilebilir bir maaliyetle güvenli bir çalışma noktasına taşıyacak kontrol uygulaması parametrelerini bulması için, optimizasyon yönteminin ihtiyaç duyacağı süreyi azaltarak, tüm metodolojinin uygulanabilirliği artırılmaya çalışılmıştır. Dinamik güvenlik değerlendirmesi ve iyileştirmesi amacıyla önerilen yöntemler, 16-generatör, 68-bara güç sistemi, 17-generatör, 173-bara Iowa güç sistemi ve 50-generatör, 145-bara IEEE güç sistemi modellerine uygulanmış ve elde edilen sonuçlar 4, 5 ve 6. bölümlerde açıklanmıştır.

Özet (Çeviri)

Increasing consumption of electricity, penetration of renewable energy sources into electric power systems, uncertainties caused by the nature of these sources, enforcements of economics and energy markets, bring various and unplanned power flow patterns, which represents different and more stressed conditions than planned operating conditions of power systems. These new power flow patterns and their increasing diversity should be redesigned, to satisfy an acceptable security level for power systems. When a power system is operated under stressed conditions that are close to security limits, the system can be vulnerable from disturbances (contingencies), which can cause loss of synchronism and cascading blackouts. Therefore, online monitoring of dynamic security of the system becomes an important task for detecting an insecure current operating condition and applying proper control actions to regain the ability of the system to withstand contingencies such as faults, or sudden loss of any system component. Electric power is extremely important for economy and daily life. Safe and sustainable operation of power systems requires fast and accurate dynamic security assessment methods. Accurate methods with mathematical background exist for determining angular instability in power systems. Time-domain-simulation is the most straightforward method that directly shows the behavior of the system dynamics in time domain. However, dynamic model of power system involves linear and nonlinear equations that include large number of continuous and discrete state variables. When time domain simulations are applied for the stability analysis, the calculations required for recursively solving nonlinear differential equations of the system model over thousands of time steps, require significant time for the occurrence of one critical contingency. This drawback reduces the practicability of using time domain simulations. Although, direct methods based on energy function assess the stability of the system without solving differential equations, they involve modeling limitations for large-scale power systems, which make them impractical. Probabilistic methods are considered as a suitable method for system planning due to their detailed considerations and computation requirements. Measurable features of power systems can be associated with the stability of the system through machine learning methods. This study suggests using data collected from different buses of the system and processing these measurements by designed fast and accurate artificial neural networks to assess the dynamic security of the current operating point of the system. Several, recent studies suggest using machine learning methods for dynamic security assessment. Nevertheless, it is still a challenging task for large sized power systems. Large sized systems involve large number of critical contingency, which increase the computational complexity. In addition, large set of various system topologies and wide range of loading conditions should be taken into account by the designed security assessment tool. After the detection of insecure current operating point, system operator should apply control actions to move the system to a secure operating point, where the system can withstand contingencies. Objective of security enhancement is preventing the system from undesired situations, and avoiding large blackouts. Generally, security enhancement is categorized into two sub-categories such as preventive control and corrective control. The objective of preventive control is successfully preventing the power system from losing its stability against uncertain disturbances (contingencies). In this thesis, applications of generation rescheduling and load curtailment preventive control actions for enhancing the dynamic security of the power system are studied. Generation rescheduling is a useful preventive control action to restore and enhance the system security by shifting the generation among controllable generators. System operator can monitor the generation and demand of electric power. When an insecure operating point is detected, the system operator can request from available loads to curtail their electric power demand. This load curtailment action can collaborate with generation rescheduling and a proper adjustment of these preventive control actions can change the power flow patterns within the network. Then, power system can move to a secure operating point so that the stability of the system is preserved despite of the occurrence of a critical contingency. If preventive control actions cannot move the system to a secure point for any critical contingency, or the cost of preventive control is considered as high, power system can be armed by corrective control actions, which are ready to be applied in case of occurrence of any contingency. In this thesis, load shedding method is studied as a corrective control action to regain the stability of the system if preventive control action cannot be applied and protect the system against critical contingencies. Although both load shedding and load curtailment methods decrease the electrical power consumption in the related load buses, they are different methods by means of their application schedules, magnitudes and costs. As different from load curtailment method, load shedding is a fast switching operation that applied after the occurrence of contingency, and the amount of load to be shed is relatively larger than curtailment, since the maximum amount of load to be curtailed is based on the amount of available loads in the selected load buses. Dynamic security assessment and enhancement is under the responsibility of system operator. The complexity of the large sized power systems does not let the system operators to determine a proper control action, immediately. In addition, deregulation of power systems, integrates many participants into the market, and control actions designed for security enhancement, are generally contrary to the market-based strategies of participants. In other words, enhancing the system security brings a cost. Although, system operator may find a proper control action to enhance the system security, generally, the operator may not determine a cost effective control action, immediately. To overcome that problem, dynamic security enhancement can be considered as a constrained optimization problem to minimize the costs of required control actions. Due to the size of the real power systems, mentioned optimization problem involves multi-dimensional search space with many continuous and discrete control variables, many local optimum solutions and large number of equality and inequality constraints. In addition, constraints related with dynamic security of the system are highly nonlinear and too complex to be defined mathematically. Therefore, conventional optimization methods may not converge to a satisfactory solution for dynamic security enhancement. This study suggests using evolutionary algorithms to solve mentioned optimization problem. In addition, previously suggested artificial neural networks based dynamic security assessment methodology is integrated into the optimization process for estimating the violations of security based system constraints for candidate solutions. This integration can enable optimization methods to find a proper and cost effective solution for control actions within an acceptable time. Since the mentioned optimization problem involves too many constraints due to the size of the power systems, optimization methods should use constraint-handling methods. This study suggests applying an adaptive penalization technique to infeasible candidate solutions during the optimization. Adaptive penalization reduces the parameter adjustment process of static penalty function, which requires considerable effort and significantly affects the result of optimization. The main objective of this study is to research the applications of heuristic, population based optimization methods and their collaboration with artificial neural networks to develop a fast and powerful methodology to assess and enhance dynamic security of power systems. Different artificial neural networks are designed for dynamic security assessment, which are considered as both regression and classification problems. In regression approach, designed multi-layer perceptron neural networks estimates defined security indexes such as critical clearing time and minimum oscillatory damping value for each operating point. In classification approach, designed probabilistic neural network classify operating points as secure or insecure. Proposed artificial neural networks are designed to capture various topological changes in the system according to N-1 criterion and different loading conditions. For monitoring of a power system where all system parameters continuously change, ability of capturing topological and loading level changes is mandatory. In addition, artificial neural networks with that ability can directly be used during the optimization to enhance the security of insecure initial operating point with any topology and loading condition. Designed artificial neural networks process the data collected from different buses of the system. To increase the accuracy of the artificial neural networks, feature selection process is applied to all measurements. In addition, the feature set is enriched with an additional index that involves relevant information about the stability of the system such as inertia constants of synchronous generators, which cannot be obtained from measurements. The proposed methodology for dynamic security enhancement involves both preventive and corrective control strategies with mixture of various control actions such as generation rescheduling, load curtailment and load shedding. For the designed control strategies, various optimization methods such as genetic algorithms, differential evolution, particle swarm optimization, artificial bee colony, big bang-big crunch and mean variance mapping optimization are used. This study proposes artificial neural networks based dynamic security assessment methodology to estimate the security based constraint violations of candidate solution during the optimization of control actions. This will speed up the optimization, reduce the required time to find a cost-effective control action for enhancing the security of the system to an acceptable security level and increase the online applicability of proposed methodology. During the latter iterations of optimization, search methods tend to converge to an operating point near security boundary. To prevent the misdetection of an insecure operating point, artificial neural networks based dynamic security assessment tools are trained by using the training data that is enriched around the security boundary. Proposed dynamic security assessment and enhancement methods are demonstrated on the 16-generator, 68-bus system, 17-generator, 163-bus Iowa system and on the IEEE 50-generator, 145-bus system. The results of the studies are represented in Sections 4,5 and 6.

Benzer Tezler

Tez No
896260
Application of lightweight cryptography techniques in internet of things scenarios
Nesnelerin interneti senaryolarında hafif kriptografi tekniklerinin uygulanması
ÖZLEM ŞEKER
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol Dokuz Eylül Üniversitesi
Bilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÖKHAN DALKILIÇ
Tez No
728716
Short term electricity load forecasting with deep learning
Derin öğrenme ile kısa dönemli elektrik yük talep tahmini
İBRAHİM YAZICI
Doktora
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol İstanbul Teknik Üniversitesi
Endüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖMER FARUK BEYCA
Tez No
869254
Hava üstünlüğü sağlamak için insansız hava araçlarının konuşlandırılması
Unmanned aerial vehicles positioning for air superiority
RÜVEYDA KARLANKUŞ
Yüksek Lisans
Türkçe
2024
Savunma ve Savunma Teknolojileri İstanbul Teknik Üniversitesi
Savunma Teknolojileri Ana Bilim Dalı
DOÇ. DR. İREM UÇAL SARI
Tez No
907786
Türkiye Gün İçi Piyasası'nın Avrupa ile karşılaştırmalı analizi
Comparative analysis of Turkiye's Intraday Market with Europe
ZEYNEP ÖZMEN
Yüksek Lisans
Türkçe
2024
Enerji İstanbul Teknik Üniversitesi
Enerji Bilim ve Teknoloji Ana Bilim Dalı
PROF. DR. SERMİN ONAYGİL
Tez No
855970
İş zekası ve duygu analizi: Sakarya merkezli sosyal medya verilerinin doğal dil işleme yaklaşımlarıyla incelenmesi
Business intelligence and sentiment analysis: Examining Sakarya-centric social media data through natural language processing approaches
FURKAN SARAÇOĞLU
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol Sakarya Üniversitesi
Bilişim Sistemleri Mühendisliği Ana Bilim Dalı
PROF. DR. İSMAİL HAKKI CEDİMOĞLU

Geri Dön