Robuste Online-Spannungsregelung bei unbekannter Netzwerktopologie

Core Concepts

Ein neuer Ansatz zur robusten Spannungsregelung in Stromverteilungsnetzen mit unbekannter Netzwerktopologie, der eine provozierbare Konvergenz in endlicher Zeit zu sicheren Spannungsgrenzen gewährleistet.

Abstract

Der Artikel präsentiert einen neuen Ansatz zur robusten Spannungsregelung in Stromverteilungsnetzen, bei dem die genaue Netzwerktopologie nicht bekannt ist. Der Ansatz kombiniert einen geschachtelten konvexen Körperverfolgungs-Algorithmus (NCBC) mit einem robusten prädiktiven Regler, um eine nachweislich endliche Konvergenz zu sicheren Spannungsgrenzen in einer Online-Umgebung zu erreichen, in der sowohl Unsicherheiten in der Netzwerktopologie als auch Schwankungen bei Last und Erzeugung auftreten.
Der NCBC-Algorithmus verkleinert schrittweise die Menge der möglichen Netzwerkmodelle, die mit den Beobachtungen übereinstimmen, und passt die Blindleistungserzeugung entsprechend an, um die Spannungen innerhalb der gewünschten Sicherheitsgrenzen zu halten. Der robuste prädiktive Regler stellt sicher, dass die Unsicherheit über die Topologie beherrscht werden kann.
Die Autoren zeigen, dass ihr Ansatz in einem Fallbeispiel auf einem 56-Bus-Verteilungssystem der Southern California Edison effektiv ist. Die Experimente zeigen, dass der Regler in praktischen Situationen in der Lage ist, die Menge der konsistenten Topologien schnell genug einzugrenzen, um Stabilitätsentscheidungen sowohl für ein linearisiertes als auch für ein realistisches nichtlineares Modell des Verteilungsnetzes zu treffen.

Stats

Die Spannungsgrenzen betragen [v, v] = [0,95, 1,05] pu = [11,42, 12,62] kV².
Die Grenzen für die Blindleistungseinspeisung betragen [q, q] = [-0,24, 0,24] MVar.

Quotes

Keine relevanten Zitate gefunden.

Key Insights Distilled From

Online learning for robust voltage control under uncertain grid topology

by Christopher ... at arxiv.org 04-01-2024

https://arxiv.org/pdf/2306.16674.pdf

Deeper Inquiries

Wie könnte der vorgeschlagene Ansatz erweitert werden, um auch Unsicherheiten in den Lastprognosen und der Erzeugungsprognose zu berücksichtigen

Um Unsicherheiten in den Lastprognosen und der Erzeugungsprognose zu berücksichtigen, könnte der vorgeschlagene Ansatz durch die Integration von Prognosemodellen für Lasten und Erzeugung erweitert werden. Diese Modelle könnten verwendet werden, um Wahrscheinlichkeitsverteilungen für die Last- und Erzeugungsprofile zu erstellen. Anschließend könnten diese Wahrscheinlichkeitsverteilungen in das robuste Spannungsregelungsalgorithmus integriert werden, um Entscheidungen zu treffen, die sowohl die Unsicherheiten in der Netzwerktopologie als auch in den Last- und Erzeugungsprognosen berücksichtigen. Durch die Berücksichtigung dieser Unsicherheiten könnte die Robustheit und Zuverlässigkeit des Spannungsregelungssystems weiter verbessert werden.

Welche zusätzlichen Herausforderungen ergeben sich, wenn die Netzwerktopologie nicht nur unbekannt, sondern auch zeitlich veränderlich ist

Wenn die Netzwerktopologie nicht nur unbekannt, sondern auch zeitlich veränderlich ist, ergeben sich zusätzliche Herausforderungen für die Spannungsregelung. In einem solchen Szenario müsste der vorgeschlagene Ansatz in der Lage sein, sich kontinuierlich an verändernde Netzwerktopologien anzupassen. Dies erfordert möglicherweise die Implementierung von Algorithmen, die in Echtzeit Änderungen in der Netzwerktopologie erkennen und darauf reagieren können. Darüber hinaus müssen die Spannungsregelungsalgorithmen flexibel genug sein, um sich an neue Bedingungen anzupassen, ohne die Netzstabilität zu gefährden. Die Integration von Echtzeitdaten und adaptiven Steuerungsstrategien könnte dabei hilfreich sein.

Wie könnte der Ansatz angepasst werden, um auch Spannungsregelung in Übertragungsnetzen mit hoher Durchdringung erneuerbarer Energien zu ermöglichen

Um auch die Spannungsregelung in Übertragungsnetzen mit hoher Durchdringung erneuerbarer Energien zu ermöglichen, könnte der Ansatz durch die Integration von Modellen für die Prognose erneuerbarer Energiequellen erweitert werden. Diese Modelle könnten genutzt werden, um die Einspeisung von erneuerbaren Energien in das Netz vorherzusagen und in die Spannungsregelungsalgorithmen zu integrieren. Darüber hinaus könnten zusätzliche Maßnahmen zur Berücksichtigung der variablen Einspeisung und der damit verbundenen Spannungsschwankungen implementiert werden. Die Anpassung des Algorithmus an die spezifischen Herausforderungen und Anforderungen von Übertragungsnetzen könnte ebenfalls erforderlich sein, um eine effektive Spannungsregelung zu gewährleisten.