COMPREHENSIVE METHOD FOR EVALUATION OF MEDIUM- AND LOW-VOLTAGE DISTRIBUTION NETWORK OPERATING STATE

Shiwei  Su; Yiran  You; Yu  Zou

doi:10.15407/techned2020.06.047

№ 6 (2020), Електроенергетичні системи та устаткування

№ 6 (2020)

Електроенергетичні системи та устаткування

СИСТЕМА КОМПЛЕКСНОЇ ОЦІНКИ І МЕТОД ВИЗНАЧЕННЯ РОБОЧОГО СТАНУ РОЗПОДІЛЬНОЇ МЕРЕЖІ

Опубліковано 2020-10-25

https://doi.org/10.15407/techned2020.06.047

Shiwei Su⁺⁻
Yiran You⁺⁻
Yu Zou⁺⁻

Shiwei Su

China Three Gorges University Hubei Provincial Key Laboratory for Operation and Control of Cascaded Hydropower Station, Yichang 443002, China

Yiran You

China Three Gorges University, College of Electrical Engineering & New Energy, Yichang 443002, China

Yu Zou

Qinzhou Power Supply Bureau of Guangxi Power Grid Co., Ltd., Qinzhou 535000, China

ARTICLE_8_PDF (English)

Ключові слова

distribution network
improved principal component analysis
self-organizing neural network
entropy combination
comprehensive evaluation розподільна мережа
аналіз головних компонентів
самоорганізована нейронна мережа
комбінація ентропії
комплексна оцінка

Як цитувати

[1]

Su, S., You, Y. і Zou, Y. 2020. СИСТЕМА КОМПЛЕКСНОЇ ОЦІНКИ І МЕТОД ВИЗНАЧЕННЯ РОБОЧОГО СТАНУ РОЗПОДІЛЬНОЇ МЕРЕЖІ. ТЕХНІЧНА ЕЛЕКТРОДИНАМІКА. 6 (Жов 2020), 047. DOI:https://doi.org/10.15407/techned2020.06.047.

Анотація

У міру розвитку інтелектуальних розподільчих мереж і здійснення доступу до розподіленої енергетиці рішення проблеми своєчасного та точного визначення робочого стану розподільної мережі стає все більш актуальним завданням. На основі вдосконаленого аналізу основних компонентів та положень нейронної мережі, що самоорганізується, у статті запропоновано метод оцінки робочого стану розподільних мереж середньої та низької напруги. На першому етапі за допомогою вдосконаленого аналізу основних компонентів створюється система оціночних індексів розподільчої мережі. Система оцінки стану розподільної мережі заснована на чотирьох аспектах, у тому числі безпеці, надійності, якості та економії. Далі використовується нейронна мережа, що само-організується, задля ідентифікації та очищення даних щодо робочого стану розподільної мережі. На наступному кроці моделюються індикатори на всіх рівнях, застосовується метод ентропії задля розрахунку загальної ваги кожного індикатора. Потім знаходяться значення всіх показників і визначаються слабкі ланки в розподільній мережі. На заключному етапі проводиться комплексна оцінка фактичної роботи розподільчої мережі в китайській провінції Guangxi. Показано, що запропонований метод дає змогу ефективно зменшити вплив аномальних даних та фактора суб'єктивності на результати оцінки стану розподільної мережі, що підтверджує доцільність і здійсненність запропонованого методу. Бібл. 22, рис. 6, табл. 6.

https://doi.org/10.15407/techned2020.06.047

ARTICLE_8_PDF (English)

Посилання

Tuballa M.L., Abundo M.L. A review of the development of Smart Grid technologies. Renewable & Sustainable Energy Reviews. 2016. Pp. 710-725.

Liu K., Sheng W., Zhang D., Jia D., Hu L., He K. Big data application requirements and scenario analysis in smart distribution network. Proceedings of the Chinese Society of Electrical Engineering. 2015. No 2. Pp. 287-293.

Ptacek M., Vycital V., Toman P., Vaculik J. Analysis of dense-mesh distribution network operation using long-term monitoring data. Energies. 2019. Vol. 12. No 22. 4342. DOI: https://doi.org/10.3390/en12224342

Ye L., Liu Z., Zhang Y., Zhou L., Zhang Y. Review on operation and planning of distribution network in background of smart power utilization technology. Electric Power Automation Equipment. 2018. No. 5. Pp. 154-163.

Ma Z., An T., Shang Y. State of the art and development trends of power distribution technologies. Proceedings of the Chinese Society of Electrical Engineering. 2016. No. 6. Pp. 1552-1567.

Wang J., Zheng X. D., Tai N., Wei W., Li L. Resilience-Oriented Optimal Operation Strategy of Active Distribution Network. Energies. 2019. Vol. 12. No 17. 3380. DOI: https://doi.org/10.3390/en12173380

Ouyang S., Liu L. Reliability index system of distribution network for power consumer and its comprehensive assessment method. Power System Technology. 2017. No 1. Pp. 215-221.

Yang X., Li H., Yin Z., Jiang L., Meng J., Jiang Z. Energy efficiency index system for distribution network based on analytic hierarchy process. Automation of Electric Power Systems. 2013. No 21. Pp. 146-150+195.

Yang L., Wang S., Lu Z. Indices of distribution network intelligent planning evaluation. Power System Technology. 2012. No. 12. Pp. 83-87.

Lu P., Zhao J., Li D., Zhu Z. An assessment index system for power grid operation status and corresponding synthetic assessment method. Power System Technology. 2015. No 8. Pp. 2245-2252.

Xiao B., Liu Y., Shi Y., Jiao M. Power supply reliability assessment of mid-voltage distribution network based on principal component analysis. Electric Power Automation Equipment. 2018. No 10. Pp. 7-12.

Ma L., Lu Z., Hu H. A fuzzy comprehensive evaluation method for economic operation of urban distribution network based on interval number. Transactions of China Electrotechnical Society. 2012. No 8. Pp. 163-171.

Cao L., Li Z., Wang G., Liu L., Chen S. Reliability evaluate for distribution network based on cloud model. Transactions of China Electrotechnical Society. 2015. Iss. S1. Pp. 418-421.

Bie Z., Zhang P., Li G., Hua B., Meehan M., Wang X. Reliability evaluation of active distribution systems including microgrids. IEEE Transactions on Power Systems. 2012. No 4. Pp. 2342-2350.

Zhao H., Li N. Comprehensive evaluation on the distribution network reliability based on matter-element extension model. International Journal of Multimedia and Ubiquitous Engineering. 2015. No 7. Pp. 49-58.

Luo F., Wei W., Wang C., Huang J., Yin Q., Bai Y. Research and application of GIS-based medium-voltage distribution network comprehensive technical evaluation system. International Transactions on Electrical Energy Systems. 2015. No 11. Pp. 2674-2684.

Ma J., Liu X. Conditional characteristic evaluation based on G2-entropy weight method for low-voltage distribution network. Electric Power Automation Equipment. 2017. No 1. Pp. 41-46.

Huang M., Wei Z., Sun G., Zang H. Hybrid State Estimation for Distribution Systems with AMI and SCADA Measurements. IEEE Access. 2019. Vol. 7. Pp. 120350-120359.

Arulkumaran K., Deisenroth M.P., Brundage M., Bharath A.A. Deep reinforcement learning: A brief survey. IEEE Signal Processing Magazine. 2017. No 6. Pp. 26-38.

Dhodiya J.M., Tailor A.R. Genetic algorithm-based hybrid approach to solve fuzzy multi-objective assignment problem using exponential membership function. Springer-plus, 2016. No 5. Article number: 2028. URL: https://link.springer.com/article/10.1186/s40064-016-3685-0 (accessed at 12.12.2019)

Hui W., Zai-Lin P., Xiao-Fang M., Dan G., Jun W. An optimization approach based on improved artificial bee colony algorithm for location and capacity of grid-connected photovoltaic systems. Technical Electrodynamics. 2019. No 5. Pp. 68-76. DOI: https://doi.org/10.15407/techned2019.05.068

Wang S., Ge L., Cai S., Wu L. Hybrid interval AHP-entropy method for electricity user evaluation in smart electricity utilization. Journal of Modern Power Systems and Clean Energy. 2018. No 4. Pp. 701-711.