Wyniki wyszukiwania - BazTech

1

Wybrane aspekty wykorzystania elementów probabilistycznych w planowaniu rozwoju sieci przesyłowej

Kubek P., Przygrodzki M.

Przegląd Elektrotechniczny

|

2018

|

R. 94, nr 12

108--111

PL

Realia funkcjonowania systemu elektroenergetycznego mają często charakter losowy, przez co odwzorowanie uwarunkowań wpływających na ocenę obciążeń elementów sieci naturalnie prowadzi do zastosowania metod probabilistycznych. W artykule opisano możliwości i metody wykorzystania podejścia probabilistycznego w procesie planowania rozwoju sieci przesyłowej. Wykorzystanie podejścia probabilistycznego pozwala na zwiększenie efektywności procesu, a w szczególności podejmowanych decyzji modernizacyjnych i inwestycyjnych.

EN

The realities of the power system operation are often of a random nature, whereby the mapping of conditions affecting the assessment of grid elements loads naturally leads to the use of probabilistic methods. The article describes the possibilities and methods of using the probabilistic approach in the process of planning the development of the transmission grid. The use of the probabilistic approach allows to increase the efficiency of the process, and in particular the modernization and investment decisions made.

2

Wykorzystanie wybranych metod symulacyjnych w obliczeniach probabilistycznego rozpływu mocy

Przygrodzki M., Lubicki W.

Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej

|

2017

|

Nr 53

61--64

PL

Rozpływ mocy jest zadaniem wyznaczenia wartości napięć węzłowych oraz obciążeń gałęziowych w danym stanie systemu elektroenergetycznego. W przypadku probabilistycznego rozpływu zarówno dane wejściowe zadania, jak i wyniki obliczeń mają postać rozkładów prawdopodobieństwa. Rozkłady te można określić dla zapotrzebowania na moc, dostępności i poziomu generacji mocy w węzłach oraz struktury układu sieciowego. W artykule przedstawiono wyniki porównania losowań przeprowadzonych metodą Monte Carlo oraz metodą LHS. Losowania te dotyczyły dostępności infrastruktury sieciowej. Obliczenia przeprowadzono w układzie sieciowym odwzorowującym krajową sieć zamkniętą 400 kV/220 kV/110 kV. Na podstawie przedstawionych wyników symulacji odniesiono się do możliwości wykorzystania metody LHS w prowadzeniu analiz probabilistycznego rozpływu mocy.

EN

Probabilistic power flow is such kind of power flow problem, for which the input data and calculation results have the form of probability distributions. Analogous to the deterministic power flow inputs are defined in the network nodes: the power and electricity demand, availability and level of power generation, defined as probability distributions. In addition, an input data structure is also the network system. The result of the calculation of power flow are probability distributions of voltage in grid nodes and branch power flows. The structure of the network, as part of the network model, understood as the availability of its individual components is a random variable. Variable distribution of binary: the element is on or off. Parameter of this distribution is the failure rate of the item, possibly increased by the rate of planned outage. Generally, the method of determining probabilistic power flow can be divided into simulation, analysis and approximation. Approximation and analytical methods are often combined into one group defined as an analytical method. To determine the value of the input data for the n-th simulation can be used different simulation methods, including Monte Carlo and Latin Hypercube Sampling (LHS). The article presents the results of the comparison draws conducted using Monte Carlo method and LHS. Drawings are concerned the availability of network infrastructure (lines). The calculations were carried out for the national 400 kV, 220 kV and 110 kV network. Simulation result shows possibility of Monte Carlo and LHS method usage for probabilistic power flow calculation.

3

Selected methods of determining probabilistic power flow

Lubicki W., Przygrodzki M.

Prace Naukowe Politechniki Śląskiej. Elektryka

|

2017

|

z. 3-4

69--79

EN

Taking into consideration the variability of the future conditions determining the branches load, it might be interesting to use probabilistic power flow for solving power flow. To determine the probabilistic power flow analytical methods (including approximation) or simulation methods may be applied. The choice of calculation method is the result of a compromise between the quality of the results obtained and the required time of calculations. In this paper, we have characterized cumulates method and point estimation method (these are analytical methods). We have cited Polish research initializing these issues (convolution method and the method of voltage orthogonal components). Existing possibilities of probabilistic power flow implementation issues are discussed in terms of available software.

PL

Ze względu na zmienność przyszłych warunków wyznaczania obciążeń gałęziowych ciekawym rozwiązaniem jest wykorzystanie probabilistycznego rozpływu mocy. Do wyznaczenia probabilistycznego rozpływu mocy mogą być zastosowane metody analityczne (w tym aproksymacyjne) lub symulacyjne. Wybór metody obliczeniowej jest wynikiem kompromisu pomiędzy jakością uzyskanych wyników oraz niezbędnym czasem obliczeń. Wśród metod analitycznych w artykule scharakteryzowano metodę kumulant oraz estymacji punktowej, wskazując przy tym polskie prace inicjujące opisywaną problematykę (metodę splotu funkcji oraz metodę składowych prostokątnych napięć węzłowych). W zakresie dostępnego oprogramowania wskazano istniejące możliwości implementacji zagadnienia probabilistycznego rozpływu mocy.

4

Use of LHS sampling to calculate probabilistic power flow

Przygrodzki M., Lubicki W.

Acta Energetica

|

2017

|

nr 2

189--196

EN

Power flow is the task of determining node voltages and branch loads in a given state of the power system. In the case of probabilistic flow, the task’s input data and calculation results alike are in the form of probability distributions. These distributions can be specified for the power demand, power generation availability and levels in nodes, and grid configuration. Elements that make up the grid configuration may be assigned a binary distribution, the result of which determines the element’s status (on or off). This distribution characteristic parameter is the failure rate of the element. This paper presents the results of a comparison of Monte Carlo and LHS sampling. The sampling concerned grid infrastructure availability. Calculations were made for two grid systems with different sizes corresponding to the test model (ca. 50 branches) and the national transmission grid model (over 400 branches). Based on the results, conclusions were drawn as to the possibility of using LHS simulation in the probabilistic power flow calculation.

PL

Rozpływ mocy jest zadaniem wyznaczenia wartości napięć węzłowych oraz obciążeń gałęziowych w danym stanie systemu elektroenergetycznego. W przypadku probabilistycznego rozpływu zarówno dane wejściowe zadania, jak i wyniki obliczeń mają postać rozkładów prawdopodobieństwa. Rozkłady te można określić dla zapotrzebowania na moc, dostępności i poziomu generacji mocy w węzłach oraz konfiguracji układu sieciowego. Elementom tworzącym konfigurację układu sieciowego można przypisać rozkład dwustanowy, w wyniku którego określa się stan elementu (element pracuje lub jest wyłączony). Parametrem charakterystycznym tego rozkładu jest współczynnik awaryjności danego elementu. W artykule przedstawiono wyniki porównania losowań przeprowadzonych metodą Monte Carlo oraz metodą LHS. Losowania te dotyczyły dostępności infrastruktury sieciowej. Obliczenia przeprowadzono dla dwóch układów sieciowych o różnej liczebności odpowiadającej modelowi testowemu (około 50 gałęzi) oraz modelowi krajowej sieci przesyłowej (ponad 400 gałęzi). Na podstawie uzyskanych wyników sformułowano wnioski co do możliwości wykorzystania symulacji metodą LHS w obliczeniach probabilistycznego rozpływu mocy.

5

Zarządzanie ryzykiem technicznym w procesie planowania rozwoju sieci dystrybucyjnej

Czarnecki B., Zieliński P.

Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej

|

2015

|

Nr 42

27--30

PL

Zarządzanie ryzykiem wymaga kwantyfikacji zagrożeń w kategoriach prawdopodobieństwa wystąpienia przyczyn zagrożenia, oraz konsekwencji wynikających z zaistnienia krytycznych zdarzeń. Największe zagrożenie stwarzają zdarzenia o dużym prawdopodobieństwie i co najmniej znacznych skutkach, oraz zdarzenia o dużych konsekwencjach i co najmniej znacznym prawdopodobieństwie. W tym kontekście zarządzanie ryzykiem polega na podejmowaniu działań mających na celu obniżenie prawdopodobieństwa wystąpienia przyczyn powodujących zagrożenia i/lub minimalizację skutków wystąpienia zagrożeń. W przypadku zarządzania ryzykiem związanym z planowaniem rozwoju sieci WN, podstawowym zagrożeniem są przeciążenia sieci. Planowanie rozwoju sieci ma za zadanie między innymi zagwarantowanie niezawodności i minimalizację kosztów dostaw energii. Realizacja tych dwóch sprzecznych funkcji celu wymaga optymalizacji alokacji środków inwestycyjnych.

EN

Risk management needs to be quantified in terms of probability of events causes threads, and the consequences of the occurrence of critical events. The greatest threats are caused by events of a high probability and at least significant consequences, and events with very serious consequences, and at least a significant probability. In this context, risk management is to take actions to reduce probability of the events causing the threat or minimize the effects of hazards. Managing the risks associated with high-voltage grid development planning, the primary threat is network congestion. Network development planning aims, i.a., ensuring reliability and minimizing the cost of energy supply. The implementation of these trade off pose to optimize the allocation of investment expenditures. Maintaining the reliability of the network in the future, with the increase in demand and power of connected renewable energy sources, can be realized alternatively based on: °minimize the effects of threats through planning the network reinforcement. ° minimize probability of critical events while planning and operating the future system by identifying and avoiding risks.