Electrical Distribution Systems are extensively penetrated with Distributed Energy Resources (DERs) to cater the energy demands with the general perception that it enhances the system's resilience. However, integration of DERs may adversely affect the grid operation and affect the system resilience due to various factors like their intermittent availability, dynamics of weather conditions, non-linearity, complexity, number of malicious threats, and improved reliability requirements of consumers. This paper proposes a methodology to evaluate the planning and operational resilience of power distribution systems under extreme events and determines the withstand capability of the electrical network. The proposed framework is developed by effectively employing the complex network theory. Correlated networks for undesirable configurations are developed from the time series data of active power monitored at nodes of the electrical network. For these correlated networks, computed the network parameters such as clustering coefficient, assortative coefficient, average degree and power law exponent for the anticipation; and percolation threshold for the determination of the network withstand capability under extreme conditions. The proposed methodology is also suitable for identifying the hosting capacity of solar panels in the system while maintaining resilience under different unfavourable conditions and identifying the most critical nodes of the system that could drive the system into non-resilience. This framework is demonstrated on IEEE 123 node test feeder by generating active power time-series data for a variety of electrical conditions using simulation software, GridLAB-D. The percolation threshold resulted as an effective metric for the determination of the planning and operational resilience of the power distribution system.


翻译:电力分配系统广泛使用分布式能源资源(DERs)来满足能源需求,人们普遍认为它可以提高系统的韧性。然而,DERs的整合可能会对电网运营产生不利影响,并影响系统的韧性,原因包括器件间歇性可用性、天气条件动态性、非线性、复杂性、恶意威胁数量以及消费者改进的可靠性要求等。本文提出了一种方法来评估电力分配系统在极端事件下的规划和运营韧性,并确定电力网络的承受能力。所提出的框架通过有效地运用复杂网络理论来开发。从电网节点监测的有功功率的时间序列数据中构建了不良配置的相关网络。针对这些相关网络,计算了网络参数,例如聚类系数、同配系数、平均度和幂律指数,以进行预测,并计算渗透阈值以确定在极端条件下的网络承受能力。此方法还适用于确定系统中太阳能电池板的容量,同时在不同不利条件下保持韧性,并确定系统可能使系统陷入非韧性的最关键节点。本框架在IEEE 123节点测试馈线上进行演示,通过使用模拟软件GridLAB-D为各种电气条件产生有功功率时间系列数据。渗透阈值成为确定电力分配系统规划和运营韧性的有效指标。

0
下载
关闭预览

相关内容

【CMU博士论文】深度学习在电力系统的应用
专知会员服务
46+阅读 · 2023年5月14日
【2023新书】随机模型基础,815页pdf
专知会员服务
99+阅读 · 2023年5月10日
【硬核书】树与网络上的概率,716页pdf
专知会员服务
71+阅读 · 2021年12月8日
VCIP 2022 Call for Demos
CCF多媒体专委会
1+阅读 · 2022年6月6日
【硬核书】树与网络上的概率,716页pdf
专知
23+阅读 · 2021年12月8日
CALDERA 一款对手自动模拟工具
黑白之道
20+阅读 · 2019年9月17日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
计算机 | EMNLP 2019等国际会议信息6条
Call4Papers
18+阅读 · 2019年4月26日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
资源|斯坦福课程:深度学习理论!
全球人工智能
17+阅读 · 2017年11月9日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
国家自然科学基金
2+阅读 · 2008年12月31日
VIP会员
相关VIP内容
【CMU博士论文】深度学习在电力系统的应用
专知会员服务
46+阅读 · 2023年5月14日
【2023新书】随机模型基础,815页pdf
专知会员服务
99+阅读 · 2023年5月10日
【硬核书】树与网络上的概率,716页pdf
专知会员服务
71+阅读 · 2021年12月8日
相关资讯
VCIP 2022 Call for Demos
CCF多媒体专委会
1+阅读 · 2022年6月6日
【硬核书】树与网络上的概率,716页pdf
专知
23+阅读 · 2021年12月8日
CALDERA 一款对手自动模拟工具
黑白之道
20+阅读 · 2019年9月17日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
计算机 | EMNLP 2019等国际会议信息6条
Call4Papers
18+阅读 · 2019年4月26日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
资源|斯坦福课程:深度学习理论!
全球人工智能
17+阅读 · 2017年11月9日
相关基金
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
国家自然科学基金
2+阅读 · 2008年12月31日
Top
微信扫码咨询专知VIP会员