تخمین حالت سیستم های قدرت با در نظر گرفتن عدم قطعیت در اندازه گیری ها
First Statement of Responsibility
/سعید پویافر
.PUBLICATION, DISTRIBUTION, ETC
Name of Publisher, Distributor, etc.
تبریز، دانشگاه تبریز، دانشکده فنی مهندسی برق، گروه مهندسی قدرت
PHYSICAL DESCRIPTION
Specific Material Designation and Extent of Item
۸۳ص
NOTES PERTAINING TO PUBLICATION, DISTRIBUTION, ETC.
Text of Note
چاپی
INTERNAL BIBLIOGRAPHIES/INDEXES NOTE
Text of Note
واژه نامه بصورت زیرنویس
DISSERTATION (THESIS) NOTE
Dissertation or thesis details and type of degree
کارشناسی ارشد
Discipline of degree
برق-قدرت
Date of degree
۱۳۸۹/۰۶/۲۵
Body granting the degree
تبریز، دانشگاه تبریز، دانشکده فنی مهندسی برق، گروه مهندسی قدرت
SUMMARY OR ABSTRACT
Text of Note
تخمین گرهای حالت به عنوان هسته مرکزی سیستم های مدیریت انرژی پیشرفته مطرح می باشند .عملکرد تمامی برنامه ها از جمله آنالیز امنیت، پخش بار اقتصادی به شدت وابسته به دقت اطلاعات حاصله از تخمین گر حالت است .بنابراین بدست آوردن یک تخمین دقیق از سیستم قدرت یک مسأله چالش برانگیز است .علی رغم تحقیقات گسترده به عمل آمده و پیشرفت های حاصل در زمینه تخمین حالت سیستم های قدرت، همچنان بین مقادیر واقعی سیستم و مقادیر تخمینی اختلاف وجود دارد که این مسأله اغلب در نتیجه عوامل زیر است:تجهیزات ناقص، نویز کمیت های مورد اندازهگیری ، خطای دستگاه های اندازه گیری، اختلاف زمانی بین مقادیر اندازه گیری SCADA ، اطلاعات نادرست از توپولوژی شبکه و خطای پارامترهای خطوط .مطالعات زیادی به منظور رفع هر کدام از عوامل مذکور انجام شده است .در ارتباط با تجهیزات ناقص مقالاتی با موضوع جایابی بهینه اندازهگیری ها و بررسی رویت پذیری سیستم، در رابطه با اختلاف زمانی کمیتهای اندازهگیری مقالاتی با هدف معرفی و بررسی واحدهای اندازهگیری فازوری (PMU) ، به منظور رفع عامل نویز تصادفی موجود در اطلاعات ورودی مقالاتی با مبحث عدم قطعیت اندازهگیری ها و معرفی مفهوم بازه اطمینان و حدود اطمینان برای متغیرهای حالت به وفور یافت می شود .تشخیص و شناسایی خطا در سیستم های قدرت یکی از اساسی ترین وظایف تخمینگر حالت است که این خطا می تواند مربوط به اندازه گیریها، مدل شبکه و یا پارامتر های خطوط باشد .به طور کلی در اغلب مقالات مربوط به خطاهای سیستم تنها به بررسی یکی از عوامل خطا یعنی اندازهگیری ، توپولوژی و یا پارامتری پرداخته شده است و به عبارتی فرض بر عاری از خطا بودن دیگر عوامل است که البته این فرض در شرایط واقعی سیستم به هیچ عنوان صدق نمی کند .علی رغم اهمیت موضوع، بحث و بررسی در زمینه ص تشخیص و شناسایی خطاهای متعدد چندگانه که به طور همزمان در سیستم اتفاق می افتد کم است .تحقیقات به عمل آمده در این زمینه نیز اغلب مربوط به بررسی همزمان خطاهای اندازه گیری و توپولوژیکی است .مقالات بسیار محدودی نیز در زمینه شناسایی و تفکیک خطاهای توپولوژیکی و پارامتری وجوددارد .به طور کلی با مروری اجمالی بر تحقیقات انجام شده در زمینه شناسایی خطاهای چند گانه در سیستم قدرت می توان تنها یک مقاله یافت که به پردازش همزمان هر سه نوع خطا یعنی اندازه گیری ، توپولوژی و پارامتری پرداخته است .روش ارائه شده در مقاله بر اساس یک تخمین گر مقاوم با استفاده از متغیرهای تصمیم گیری باینری است .علی رغم دقت قابل قبول ، حجم محاسباتی بالای روش پیشنهادی به کارگیری آن را تنها برای سیستم های عملی نسبتأ کوچک و یا بخش هایی از شبکه گسترده محدود می کند .با توجه به مطالب عنوان شده در بالا ، هدف از انجام این پایان نامه معرفی و پیشنهاد روشی جدید برای تشخیص، شناسایی و تفکیک خطاهای متعدد چندگانه در سیستم قدرت به منظور بدست آوردن یک تخمین دقیق از حالت شبکه با در نظر گرفتن امکان حضور همزمان خطاهای اندازه گیری، توپولوژی و پارامتری است .معیار اولیه تشخیص خطا همانند روشهای مرسوم تشخیص دیتای غلط بر اساس مفهوم باقیمانده اندازهگیری هاست .در روش پیشنهادی ابتدا سیستم در نظر گرفته شده به منظور آنالیز مجزا ، کاهش حجم محاسباتی و فراهم سازی امکان پردازش موازی با استفاده از تئوری تفکیک شبکه (Network Decomposition) به زیر نواحی تقریبا مستقلی افراز می شود .سپس با تشخیص نواحی مشکوک به کمک باقیمانده اندازه گیری ها، روند شناسایی و تفکیک خطا در نواحی مورد نظر اجرا می شود .بنابراین اساس کار مبتنی بر یک روش دو مر حله ای است :تشخیص نواحی مشکوک بر اساس باقیمانده اندازهگیریها، شناسایی منابع خطا در نواحی مشکوک بر اساس برخی ضرایب توزیع از جمله ضریب توزیع خروج خط از مدار و یک معیار مشخصه جدید معرفی شده در این پایان نامه .در نهایت کارائی روش پیشنهادی بر روی سیستم آزمایشی ۶ باسه برای چندین حالت خطا ی متعدد چند گانه مورد بررسی قرار گرفته شده است .دلیل پیاده سازی روش پیشنهادی بر روی سیستم کوچک ۶ باسه، صرفا نشان دادن ویژگیها و رفتار الگوریتم تشخیص و شناسایی تحت خطاهای مختلف به بیان ساده عملی است .با توجه به نتایج حاصله می توان چنین استنباط کرد که این روش مطلوب برای تشخیص و شناسایی خطاهای متعدد چندگانه ای است که به طور همزمان در زیر نواحی های متفاوت اتفاق می افتند برای خطاهای متعدد بوجود آمده در یک زیر ناحیه معین لازم است یک سری معیار های مشخصهی دقیق تری به سیستم شناسایی خطا اضافه شود .لازمه بررسی و مطالعه هر چه بیشتر موضوع، اعمال روش مذکور بر روی شبکههای گستردهتر است
Text of Note
State estimators are the heart of modern Energy Management Systems (EMS). The performance of any other application programs (e.g. Security analysis, economic dispatch, etc), strongly depends on the accuracy of data provided by SE. Thereupon, having an accurate state of power system is a challenging practical problem. However, there are discrepancies between the true and estimated states most likely due to the following sources:Incomplete instrumentation, noise, measurement errors, time skew between SCADA metered values, incorrect network topology and lines parameter errors. There is large number of papers stud-ying each of the mentioned issues. For incomplete instrumentation papers about optimal measure-ment placement and network observability analysis, for time skew problems papers studying Phasor measurement systems, to deal with random noises in measurements researches devoted to measure-ment uncertainties and states' confidence limits can be find in many references. Error detection and identification is one of the main functions of power system state estimators. The errors may be relevant to measurements, system topology or line parameters. However, almost in all papers devot-ed to system errors, only one of the error sources has been considered i.e. measurement, topology or line parameters. Despite the importance of the problem, work on processing of different possible sources of errors simultaneously is rare. Only some papers are devoted to topology and measure-ment errors simultaneously. Also a few papers can be found considering topology and parameter errors. There is only one paper capable of simultaneously processing gross measurement errors, gross parameter errors and topology errors [26]. It introduces a robust state estimator by use of binary decision variables. Despite the accuracy, the method is computationally insufficient probably lim-iting the practical application of the method to relatively small networks, or sections of the network at present, hence needs some future advances in numerical algorithms.The purpose of our work is to introduce a new method to detect and identify multiple different types of errors. The idea is to partition the network into many almost independent areas for separate analysis and then to perform the procedure in suspicious areas .Hence, a two-step method is pro-posed: detecting suspicious areas and then identifying possible sources of errors in those areas. Net-work decomposition theory is used to partition the network into independent loops. Branch meas-urements in each loop are used as criteria to identify the source of errors. We use Network decompo-sition theory in error processing in order to change the large network SE error detection problem into a number of small problems. This makes parallel processing possible and most importantly leads to reduced computational requirements since the whole network model is not considered together and also areas with no error are not considered in the process that in turn avoids unnecessary computa-tions. For suspicious loops detection and error identification purposes some distribution factors such as line outage distribution factor (LODF) are used and a characteristic quantity is defined for each line power deviation (LPD). Finally, since the performance of the proposed method is much more critical for errors simultaneously occurred in nearby areas of network, 6-bus test system is intention-ally chosen to illustrate the performance by simulation results for 3 different cases. It shows good results for simultaneous different loops topology, measurement and parameter errors detection and identification. Some future works are needed for multiple error identification in one loop