Optimization of field upgrades of MV power lines using evolutionary algorithms

• Autorzy: Nita Wojciech , Filipiak Sylwester

Identyfikatory

DOI

10.15199/48.2023.11.05

Warianty tytułu

PL

Optymalizacja modernizacji terenowych linii elektroenergetycznych SN z zastosowaniem algorytmów ewolucyjnych

• Języki publikacji: EN

Abstrakty

EN

This article elaborates on and supplements the research presented in earlier works [19,20,21] on planning for upgrading field MV power grids. While that study developed models for optimizing failure rates (SAIFI, SAIDI, MAIFI) for large areas of the grid, this paper focuses on applying optimization algorithms to more detailed planning for upgrading individual MV lines from the transformer station selected for analysis.

PL

Niniejszy artykuł zawiera rozwinięcie i uzupełnienie badań przedstawionych we wcześniejszych pracach [19,20,21] dotyczących planowania modernizacji terenowych sieci elektroenergetycznych SN. W tamtych badaniach opracowano modele dla optymalizacji wskaźników awaryjności (SAIFI, SAIDI, MAIFI) dla dużych obszarów sieci, natomiast w niniejszym artykule skupiono się na zastosowaniu algorytmów optymalizacyjnych do bardziej szczegółowego planowania modernizacji poszczególnych linii SN z wybranego do analizy GPZ-tu.

Słowa kluczowe

EN

power grid; optimization; evolutionary method

PL

sieć elektroenergetyczna; optymalizacja; metoda ewolucyjna

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2023
• Tom: R. 99, nr 11
• Strony: 26--33
• Opis fizyczny: Bibliogr. 32 poz., rys., tab.

Twórcy

autor

Nita Wojciech

• PGE Dystrybucja S.A. Oddział Skarżysko-Kamienna

autor

Filipiak Sylwester

• Politechnika Świętokrzyska w Kielcach, Katedra Elektrotechniki Przemysłowej i Automatyki

Bibliografia

• [1] Abedini M., Moradi M.H.: A combination of genetic algorithm and particle swarm optimization for optimal DG location and sizing in distribution systems. International Journal of Electrical Power & Energy Systems. Volume 34, Issue 1, January 2012, pp. 66–74.
• [2] Acharya N., Mahat P, Mithulananthan N.: An analytical approach for DG allocation in primary distribution network", International Journal of Electrical Power & Energy Systems, vol. 28, 10, 2016, p.669-678.
• [3] Banasik K., Chojnacki A. Ł.: Effects of unreliability of electricity distribution systems for municipal customers in urban and rural areas, Przegląd Elektrotechniczny issue 05/2019, p. 179-183.
• [4] Bobric E. C., Cartina G., Grigoras G.: Fuzzy Technique used for Energy Loss Determination in Medium and Low Voltage Networks. Electronics and Electrical Engineering. – Kaunas: Technologija, 2009. – No. 2(90). – P. 95–98.
• [5] Chojnacki A.: Assessment of the Risk of Damage to 110 kV Overhead Lines Due to Wind. Energies, 2021, p. 1-14.
• [6] Chojnacki A.: Analiza niezawodności eksploatacyjnej elektroenergetycznych sieci Dystrybucyjnych, Monografie studia, rozprawy, Kielce, 2013.
• [7] Ciro G., Dugardin F., Yalaoui F., Kelly R.: A NSGA-II and NSGA-III comparison for solving an open shop scheduling problem with resource constraints. IFAC, International Federation of Automatic Control, 2016 s. 1272–1277.
• [8] Delbem A. C. B., Carvalho A. C. P. L. F., Bretas N. G.: Main chain representation for evolutionary algorithms applied to distribution system reconfiguration. IEEE Trans. Power Systems, vol. 20, no. 1, Feb. 2015, pp. 425-436.
• [9] Gawluk A.: Kierunki inwestowania a straty energii elektrycznej w sieci rozdzielczej. Przegląd Elektrotechniczny issue 3/2017.
• [10] Guohua Fang, Wei Guo, Xianfeng Huang, Xinyi Si, Fei Yang, Qian Luo, Ke Yan: A New Multi-objective Optimization Algorithm: MOAFSA and its Application. Przegląd Elektrotechniczny, R. 88 issue 9b/2012, p. 172-176.
• [11] Helt P., Parol M., Piotrowski P.: Metody sztucznej inteligencji – przykłady zastosowań w elektroenergetyce. Oficyna Wydawnicza Politechniki Warszawskiej, 2012.
• [12] Hong Y. Y., Ho S. Y.: Determination of network configuration considering multiobjective in distribution systems using genetic algorithms. IEEE Trans. Power Systems, 2005. – Vol. 20. – No. 2. – p. 1062–1069.
• [13] Kamrat W.: Metody oceny efektywności inwestowania w elektroenergetyce, Monografia Wydawnictwo PAN, Warsaw, 2004.
• [14] Kamrat W.: Selected information technology tools supporting for maintenance and operation management electrical grids, Bulletin of the Polish Academy of Sciences-Technical Sciences, 2021.
• [15] Kamrat W.: Selected problems of decision making modelling in power engineering, Sustainable Energy Technologies and Assessments, 2021
• [16] Khushalani S., Solanki, J.M., Schulz, N.N.: Optimized Restoration of Unbalanced Distribution Systems. IEEE Transactions on Power Systems, no. 22, Issue 2. 2017, pp. 624-630.
• [17] Kumar Y., Das, B., Sharma, J.: Multiobjective, Multiconstraint Service Restoration of Electric Power Distribution System With Priority Customers. IEEE Transactions on Power Delivery, no. 23, Issue 1, 2008, p. 261-270.
• [18] Machowski J., Kacejko P., Robak S., Miller P., Wancerz M.: Badania systemów elektroenergetycznych w planowaniu rozwoju. Część 2. Analizy dynamiczne. “Wiadomości Elektrotechniczne,” vol. LXXXI, p. 3 -12, issue 8/2013, 2013.
• [19] Marzecki J., Drab M.: Obciążenia i rozpływy mocy w sieci terenowej średniego napięcia-wybrane problemy. Przegląd Elektrotechniczny, R.91, p. 192-195, February, Issue 2, 2015.
• [20] Marzecki J.: Modernization and development directions of low and medium voltage rural network, Przegląd Elektrotechniczny, 2019, vol. 95, s.67-70.
• [21] Nita W.: Optymalne planowanie przebudowy elektroenergetycznych terenowych sieci dystrybucyjnych SN za pomocą metod ewolucyjnych, Doctoral Dissertation, Kielce University of Technology, 2020.
• [22] Nita W., Filipiak S.: Planowanie przebudowy terenowych sieci dystrybucyjnych SN metodami ewolucyjnymi. Przegląd Elektrotechniczny, p. 92-98, Issue 4/2021.
• [23] Nita W., Filipiak S.: Optimization of the reliability of power electric distribution grids MV with the use of heuristic algorithms. Przegląd Elektrotechniczny, p. 50-56, R. 98, ISSUE 6/2022.
• [24] Ouyang, W.& Cheng, H.& Zhang, X.& Yao, L.& Bazargan, M.: Distribution network planning considering distributed generation by genetic algorithm combined with graph theory, Electric Power Components Systems, vol. 38, 3, 2019, p.325-339.
• [25] Parol M: Analiza wskaźników dotyczących przerw w dostarczaniu energii elektrycznej na poziomie sieci dystrybucyjnych. Przegląd Elektrotechniczny, p. 122-126, Issue 8/2014.
• [26] Parol M., Baczyński D., Brożek J.: Optimisation of Urban MV Multi-Loop Electric Power Distribution Networks Structure by Means of Artificial Intelligence Methods, Control and Cybernetics, 2012, vol. 41 (2012), p.667-689.
• [27] Pijarski P.: Optymalizacja heurystyczna w ocenie warunków pracy i planowaniu rozwoju systemu elektroenergetycznego. Monografia, Wydawnictwo Politechniki Lubelskiej, Lublin 2019
• [28] Pijarski P, Kacejko P.: A new metaheuristic optimization method: the algorithm of the innovative gunner (AIG). Engineering Optimization.- 2019, vol. 51, nr 12, s. 2049-2068.
• [29] Pijarski P, Kacejko P., Miller P.: Advanced Optimisation and Forecasting Methods in Power Engineering-Introduction to the Special Issue. Energies 2023, vol. 16, nr 6, s. 1-20,
• [30] Sowiński J.: Forecasting of electricity demand in the region, January 2019E3S Web of Conferences, International Scientific Conference on Electric Power Engineering DOI:10.1051/e3sconf/20198401010.
• [31] Sowiński J.: Forecast of electricity supply using adaptive neuro-fuzzy inference system, May 2017, Conference: 2017 18th International Scientific Conference on Electric Power Engineering (EPE), DOI:10.1109/EPE.2017.7967248,
• [32] Sowiński J.: Use of load volatility description in modelling of energy balance in the section “electricity supply,” January 2017, Rynek Energii 128, p. 35-39.