Тащилин В.А., Губин П.Ю., Шакиров М.М. Направления применения синхронизированных векторных измерений в задачах противоаварийного управления энергосистемами на основе методов машинного обучения

скачать PDF

Аннотация

Распространение синхронизированных векторных измерений (СВИ) расширяет возможности в управлении режимом как на уровне объединенных энергосистем, так и в распределительных сетях и сетях микрогрид. Спектр задач, решаемых с помощью этих устройств, не ограничивается оценкой состояния сети и распространяется на анализ параметров режимов в переходных процессах. Это дает новый импульс развитию систем противоаварийной автоматики, задействующих не локальные измерения в точке установки, но и глобальные: в масштабе района сети или энергосистемы в целом. В представленной работе сделан обзор существующих подходов к интеграции систем векторных измерений в следующие задачи противоаварийного управления и виды автоматики: автоматическая частотная разгрузка, автоматика ликвидации асинхронного режима, контроль параллельной работы с внешней сетью, автоматика деления сети, управления режимом системы и автоматика предотвращения нарушения устойчивости, идентификация и демпфирование электромеханических колебаний, идентификация и классификация аварийных ситуаций в энергосистеме. Показано, что широкое распространение при решении перечисленных задач сегодня получают различные алгоритмы машинного обучения. Главных препятствий для развития противоаварийной автоматики на базе СВИ можно выделить два: в большинстве работ предполагается избыточность измерений в системе, что не в полной мере соответствует действительности, поскольку число действующих устройств СВИ пока невелико; предлагаемые алгоритмы машинного обучения пока не получили широкого распространения в электроэнергетике в силу субъективных причин, а также трудностей в обучении и тестировании подходов в отсутствии реальных данных от СВИ. Как показано в этой работе, данные с реальных устройств использовались только для решения задачи идентификации и классификации аварийных событий.

Ключевые слова

синхронизированные векторные измерения, противоаварийная автоматика, автоматическая частотная разгрузка, автоматика ликвидации асинхронного режима, автоматика предотвращения нарушения устойчивости, машинное обучение, искусственные нейронные сети

Тащилин Валерий Александрович – канд. техн. наук, доцент, ведущий инженер, доцент, кафедра автоматизированных электрических систем, Уральский федеральный университет имени первого Президента России Б.Н. Ельцина, Екатеринбург, Россия, Этот адрес электронной почты защищён от спам-ботов. У вас должен быть включен JavaScript для просмотра., https://orcid.org/0000-0001-8763-3705

Губин Павел Юрьевич – ассистент, кафедра автоматизированных электрических систем, Уральский федеральный университет имени первого Президента России Б.Н. Ельцина, Екатеринбург, Россия, Этот адрес электронной почты защищён от спам-ботов. У вас должен быть включен JavaScript для просмотра., https://orcid.org/0000-0002-3736-652X

Шакиров Михаил Маратович – магистрант, кафедра автоматизированных электрических систем, Уральский федеральный университет имени первого Президента России Б.Н. Ельцина, Екатеринбург, Россия, Этот адрес электронной почты защищён от спам-ботов. У вас должен быть включен JavaScript для просмотра., https://orcid.org/0000-0002-8192-8112

  1. Мокеев А.В. Повышение надежности и эффективности работы энергосистем на основе технологии синхронизированных векторных измерений // Электричество. 2018. №3. С. 4-10. doi: 10.24160/0013-5380-2018-3-4-10.
  2. Применение технологии синхронизированных векторных измерений для управления, защиты и автоматики / А.В. Мокеев, В.Н. Бовыкин, Е.И. Хромцов, А.В. Миклашевич, А.И. Попов, А.В. Родионов, Д.Н. Ульянов // Релейщик. 2019. № 3(35). С. 32-37.
  3. Климова Т.Г., Максимов Б.К. Устройства синхронизированных векторных измерений: характеристики, тестирование и использование // Релейщик. 2018. № 2(32). С. 32-39.
  4. Климова Т.Г., Ревякин В.А. Возможности применения устройств синхронизированных векторных измерителей в распределительных сетях // Электроэнергия. Передача и распределение. 2020. № 6(63). С. 110-115.
  5. Dusabimana E., Yoon S-G. A Survey on the MicroPhasor Measurement Unit in Distribution Networks // Electronics. 2020. 9(2). 305. doi: 10.3390/electronics9020305
  6. Boussadia F., Belkhiat S. A new adaptive underfrequency load shedding scheme to improve frequency stability in electric power system // Journal Européen des Systèmes Automatisés. 2021. Vol. 54(2). Pp. 263-271. doi: 10.18280/jesa.540208
  7. A frequency control technique based on decision tree concept by managing thermostatically controllable loads at smart grids / M.M. Eissa, A.A. Ali, K. Abdel-Latif, A.F. AlKady // International Journal of Electrical Power & Energy Systems. 2019. Vol. 108. Pp. 40-51. doi: 10.1016/j.ijepes.2018.12.037
  8. An Adaptive Wide-Area Load Shedding Incorporating Power System Real-Time Limitations / T. Shekari, A. Gholami, F. Aminifar, M. Sanaye-Pasand // IEEE Systems Journal. 2018. Vol. 12(1). Pp. 759-767. doi: 10.1109/JSYST.2016.2535170
  9. Hong Q. A New Load Shedding Scheme with Consideration of Distributed Energy Resources’ Active Power Ramping Capability // IEEE Transactions on Power Systems. 2022. Vol. 37(1). Pp. 81-93. doi: 10.1109/TPWRS.2021.3090268
  10. Zhu Q. A Deep End-to-End Model for Transient Stability Assessment with PMU Data // IEEE Access. 2018. Vol. 6. Pp. 65474-65487. doi: 10.1109/ACCESS.2018.2872796
  11. Zhang Y., Zhang S., Wang J. A power system out-of-step splitting control system based on wide area information and an online searching scheme of optimal splitting section // International Journal of Electrical Power & Energy Systems. 2021. Vol. 126. 106587. doi: 10.1016/j.ijepes.2020.106587
  12. Zhang S., Zhang Y. A Novel Out-of-Step Splitting Protection Based on the Wide Area Information // IEEE Transactions on Smart Grid. 2017. 8(1). Pp. 41-51. doi: 10.1109/TSG.2016.2593908
  13. Aghamohammadi M., Abedi M. DT based intelligent predictor for out of step condition of generator by using PMU da-ta // International Journal of Electrical Power & Energy Systems. 2018. Vol. 99. Pp. 95-106. doi: 10.1016/j.ijepes.2018.01.001
  14. Ivankovi I., Kuzle I., Holjevac N. Wide Area Information-Based Transmission System Centralized Out-of-Step Protec-tion Scheme // Energies. 2017. 10(5). 633. doi: 10.3390/en10050633
  15. Online Detection of Out-of-Step Condition Using PMU-Determined System Impedances / M. Tealane, J. Kilter, M. Popov, O. Bagleybter, D. Klaar // IEEE Access. 2022. Vol. 10. Pp. 14807-14818. doi: 10.1109/ACCESS.2022.3149103
  16. Desai J.P., Makwana V.H. Phasor Measurement Unit Incorporated Adaptive Out-of-step Protection of Synchronous Generator // Journal of Modern Power Systems and Clean Energy. 2021. Vol. 9(5). Pp. 1032-1042. doi: 10.35833/MPCE.2020.000277
  17. Zare H., Alinejad-Beromi Y., Yaghobi H. Intelligent predic-tion of out-of-step condition on synchronous generators be-cause of transient instability crisis // International Transactions on Electrical Energy Systems. 2018. Vol. 29(1). 2686. doi: 10.1002/etep.2686
  18. Елкин С.В., Колобородов Е.Н., Климова Т.Г. Применение СВИ для определение параметров АЛАР // Релейная защита и автоматизация. 2019. № 2 (35). С. 28-31.
  19. Mahdi M., Genc V.M.I. A Real-Time Self-Healing Method-ology Using Model- and Measurement-Based Islanding Al-gorithms // IEEE Transactions on Smart Grid. 2019. Vol. 10(2). Pp. 1195-1204. doi: 10.1109/TSG.2017.2760698
  20. Shukla A., Dutta S., Sadhu P.K. An island detection approach by μ-PMU with reduced chances of cyberattack // International Journal of Electrical Power and Energy Systems. 2021. Vol. 126(A). 106599. doi: 10.1016/j.ijepes.2020.106599
  21. Chatterjee S., Roy B. Bagged tree based antiislanding scheme for multi-DG microgrids // Journal of Ambient Intelligence and Humanized Computing. 2021. Vol. 12. Pp. 2273-2284. doi: 10.1007/s12652-020-02324-0
  22. PMU Measurement-Based Intelligent Strategy for Power System Controlled Islanding / Y. Tang, F. Li, C. Zheng, Q. Wang, Y. Wu // Energies. 2018. 11(1). 143. doi: 10.3390/en11010143
  23. Готман Н.Э., Шумилова Г.П., Старцева Т.Б. Идентификация топологии электрической сети на основе искусственных нейронных сетей с использованием векторных измерений // Методические вопросы исследования надежности больших систем энергетики: актуальные проблемы надежности систем энергетики: сб. докл. Междунар. науч. семинара им. Ю.Н. Руденко. Минск: Белорусский национальный технический университет, 2015. С. 251-257.
  24. Готман Н.Э., Шумилова Г.П. Нейросетевой метод определения топологии электрической сети в переходных режимах // Известия РАН. Энергетика. 2021. №1. С. 92-100. doi: 10.31857/S0002331021010076
  25. Разработка алгоритмов системы управления конфигурацией распределительных электрических сетей сельско-хозяйственного назначения / В.Ю. Вуколов, А.Л. Куликов, И.Ф. Трапезников, М.В. Шарыгин // Вестник НГИ-ЭИ. 2017. № 12(79). С. 64-77.
  26. Time Series Classification for Locating Forced Oscillation Sources / Y. Meng, Z. Yu, N. Lu, D. Shi // IEEE Transac-tions on Smart Grid. 2021. Vol. 12(2). Pp. 1712-1721. doi: 10.1109/TSG.2020.3028188
  27. AI-Based Damping of Electromechanical Oscillations by Using Grid-Connected Converter / G. Baltas, N.-B. Lai, A. Tarraso, L. Marin, F. Blaabjerg, P. Rodriguez // Frontiers in Energy Research. 2021. Vol. 9. 598436. doi: 10.3389/fenrg.2021.598436
  28. Scalable Designs for Reinforcement Learning-Based Wide-Area Damping Control / S. Mukherjee, A. Chakrabortty, H. Bai, A. Darvishi, B. Fardanesh // IEEE Transactions on Smart Grid. 2021. Vol. 12(3). Pp. 2389-2401. doi: 10.1109/TSG.2021.3050419
  29. Abdulrahman I., Radman G. Wide-Area-Based Adaptive Neuro-Fuzzy SVC Controller for Damping Interarea Oscillations // Canadian Journal of Electrical and Computer Engineering. 2018. Vol. 41(3). Pp. 133-144. doi: 10.1109/CJECE.2018.2868754
  30. Coordinated Optimal Volt/Var Control for Distribution Net-works via D-PMUs and EV Chargers by Exploiting the Eigensystem Realization / G.E. Mejia-Ruiz, R. Cárdenas-Javier, M.R.A. Paternina, J.R. Rodríguez-Rodríguez, J.M. Ramirez, A. Zamora-Mendez // IEEE Transactions on Smart Grid. 2021. Vol. 12(3). Pp. 2425-2438. doi: 10.1109/TSG.2021.3050443
  31. Compatible Decentralized Control of AVR and PSS for Improving Power System Stability / H. Liu, J. Su, Y. Yang, Z. Qin, C. Li // IEEE Systems Journal. 2021. Vol. 15(2). Pp 2410-2419. doi: 10.1109/JSYST.2020.3001429.
  32. Николаева О.О., Климова Т.Г. Применение нейронных сетей и алгоритмов оптимизации для определения параметров АРВ синхронного генератора // Релейщик. 2020. № 2(37). С. 16-23.
  33. Оценка участия синхронного генератора в демпфировании низкочастотных колебаний по данным синхронизированных векторных измерений / А.С. Бердин, А.С. Герасимов, Ю.П. Захаров, П.Ю. Коваленко, А.Н. Мойсейченков // Вестник Южно-Уральского государственного университета. Энергетика. 2013. № 2(13). С. 62-68.
  34. Pierrou G., Wang X. An Online Network Model-Free Wide-Area Voltage Control Method Using PMUs // IEEE Transac-tions on Power Systems. 2021. Vol. 36(5). Pp. 4672-4682. doi: 10.1109/TPWRS.2021.3058642
  35. Adaptive Power System Emergency Control Using Deep Reinforcement Learning / Q. Huang, R. Huang, W. Hao, J. Tan, R. Fan, Z. Huang // IEEE Transactions on Smart Grid. 2020. Vol. 11(2). Pp. 1171-1182. doi: 10.1109/TSG.2019.2933191
  36. Бартоломей П.И., Семененко С.И. Совершенствования алгоритма противоаварийной автоматики ЭЭС на основе векторных измерений // Эффективное и качественное снабжение и использование электроэнергии: сб. докл. 4-й междунар. науч.-практ. конфер. в рамках выставки «Энергосбережение. Отопление. Вентиляция. Водоснабжение». Екатеринбург: Изд-во УМЦ УПИ, 2015. С. 38-41.
  37. Чусовитин П.В., Паздерин А.В. Мониторинг устойчиво-сти энергосистемы на основе динамического эквивалента, определенного по векторным измерениям // Электричество. 2013. № 2. С. 2-10.
  38. Бацева Н.Л., Фоос Ю.А. Повышение точности расчета объемов управляющих воздействий в централизованной системе противоаварийной автоматики при оценивании состояния энергосистем // Вестник Чувашского университета. 2021. № 3. С. 5-20. doi: 10.47026/1810-1909-2021-3-5-20
  39. Апросин К.И., Хохрин А.А., Иванов Ю.В. Оценка дозировки управляющих воздействий автоматики предот-вращения нарушения устойчивости на базе синхронизированных векторных измерений // Релейщик. 2021. № 3(41). С. 26-31. doi: 10.18503/2311-8318-2021-4(53)-4-12
  40. Сенюк М.Д., Дмитриева А.А., Дмитриев С.А. Исследование характеристик метода экспресс-оценки параметров электрического режима в стационарных и динамических процессах // Электротехнические системы и комплексы. 2021. №4(53). С. 4-12. doi: 10.18503/2311-8318-2022-2(55)-4-9
  41. Сенюк М.Д., Дмитриева А.А. Апробация алгоритма анализа динамической устойчивости и противоаварийного управления режимом синхронного генератора на многомашинной модели энергосистемы // Электротехнические системы и комплексы. 2022. № 1(54). С. 46-53. doi: 10.18503/2311-8318-2022-1(54)-46-53
  42. Развитие алгоритма автоматической разгрузки энергоблока при близких коротких замыканиях на основе синхронизированных векторных измерений / А.С. Бердин, А.А. Лисицын, А.Н. Мойсейченков, М.Д. Сенюк // Известия НТЦ единой энергетической системы. 2021. №2(85). С. 76-89.
  43. Hierarchical Convolutional Neural Networks for Event Classification on PMU Measurements / M. Pavlovski, M. Alqudah, T. Dokic, A.A. Hai, M. Kezunovic, Z. Obradovic // IEEE Transactions on Instrumentation and Measurement. 2021. Vol. 70. 2514813. doi: 10.1109/TIM.2021.3115583
  44. Transfer Learning for Event Detection From PMU Measurements With Scarce Labels / A.A. Hai, T. Dokic, M. Pavlovski, T. Mohamed, D. Saranovic, M. Alqudah, M. Kezunovic, Z. Obradovic // IEEE Access. 2021. Vol. 9. Pp. 127420-127432. doi: 10.1109/ACCESS.2021.3111727
  45. Situational Awareness in Distribution Grid Using Micro-PMU Data: A Machine Learning Approach / A. Shahsavari, M. Farajollahi, E.M. Stewart, E. Cortez, H. Mohsenian-Rad // IEEE Transactions on Smart Grid. 2019. Vol. 10(6). Pp. 6167-6177. doi: 10.1109/TSG.2019.2898676
  46. Shi J., Foggo B., Yu N. Power System Event Identification Based on Deep Neural Network with Information Loading // IEEE Transactions on Power Systems. 2021. Vol. 36(6). Pp. 5622-5632. doi: 10.1109/TPWRS.2021.3080279
  47. Duan N., Stewart E.M. Frequency Event Categorization in Power Distribution Systems Using Micro PMU Measure-ments // IEEE Transactions on Smart Grid. 2020. Vol. 11(4). Pp. 3043-3053. doi: 10.1109/TSG.2020.2967641
  48. Fault Classification in Power Distribution Systems using PMU Data and Machine Learning / F.L. Grando, A.E. Lazzaretti, M. Moreto, H.S. Lopes // 20th International Conference on Intelligent System Application to Power Systems (ISAP). 2019. 19532831. doi: 10.1109/ISAP48318.2019.9065966
  49. Anomaly Detection, Localization and Classification Using Drifting Synchrophasor Data Streams / A. Ahmed, K.S. Sajan, A. Srivastava, Y. Wu // IEEE Transactions on Smart Grid. 2021. Vol. 12(4). Pp. 3570-3580. doi: 10.1109/TSG.2021.3054375
  50. Shrivastava D., Siddiqui S., Verma K. A new synchronized data‐driven‐based comprehensive approach to enhance real‐time situational awareness of power system // International Transactions on Electrical Energy Systems. 2021. Vol. 31(5). 12887. doi: 10.1002/2050-7038.12887
  51. A Synchrophasor Data-Driven Method for Forced Oscillation Localization Under Resonance Conditions / T. Huang, N.M. Freris, P.R. Kumar, L. Xie // IEEE Transactions on Power Systems. 2020. Vol. 35(5). Pp. 3927-3939. doi: 10.1109/TPWRS.2020.2982267
  52. Measurement Based Method for Online Characterization of Generator Dynamic Behaviour in Systems With Renewable Generation / P.N. Papadopoulos, T.A. Papadopoulos, A.I. Chrysochos, J.V. Milanović // IEEE Transactions on Power Systems. 2018. Vol. 33(6). Pp. 6466-6475. doi: 10.1109/TPWRS.2018.2830817
  53. Kim D.-I., Wang L., Shin Y.-J. Data Driven Method for Event Classification via Regional Segmentation of Power Systems // IEEE Access. 2020. Vol. 8. Pp. 48195-48204. doi: 10.1109/ACCESS.2020.2978518
  54. Li H., Ma Z., Weng Y. A Transfer Learning Framework for Power System Event Identification // IEEE Trans. on Power Systems. 2022. 9721668. doi: 10.1109/TPWRS.2022.3153445
  55. Лебедев А.А., Климова Т.Г., Дубинин Д.М. Идентификация аварийных ситуаций в электроэнергетической системе по данным УСВИ // Релейщик. 2019. № 1(33). С. 10-16.
  56. Елизарова А.С., Запасова И.С., Климова Т.Г. Идентификация аварийных ситуаций и ненормальных режимов по данным устройств синхронизированных векторных измерений // Релейщик. 2019. № 3(35). С. 44-51.

Тащилин В.А., Губин П.Ю., Шакиров М.М. Направления применения синхронизированных векторных измерений в задачах противоаварийного управления энергосистемами на основе методов машинного обучения // Электротехнические системы и комплексы. 2022. № 3(56). С. 12-27. https://doi.org/10.18503/2311-8318-2022-3(56)-12-27

Подробности
Просмотров: 339