Εκτίμηση φορτίου και κατάστασης σε δίκτυα διανομής με χρήση δεδομένων από έξυπνους μετρητές

Abstract

Η παρούσα εργασία παρουσιάζει την συνδυασμένη λειτουργία ενός κλασικού εκτιμητή κατάστασης και μιας μεθόδου εκτίμησης φορτίου, αξιοποιώντας τις δυνατότητες προηγμένων συστημάτων αυτοματισμού AMR- AMI. Το έργο της εκτίμησης κατάστασης δυσχεραίνεται στα δίκτυα διανομής εξ αιτίας της έλλειψης πραγματικών μετρήσεων. Γι΄αυτό το λόγο, επισημαίνεται ως καθοριστικός ο ρόλος των έξυπνων μετρητών σε καταναλωτές χαμηλής τάσης για την αποτελεσματική εκτίμηση φορτίου ζυγών δικτύου διανομής με απουσία πραγματικών δεδομένων. Μετά από μελέτη της υπάρχουσας βιβλιογραφίας πάνω στο θέμα, αναπτύχθηκε πρόγραμμα σε περιβάλλον Matlab που αφορά την εκτίμηση φορτίου και πραγματοποιήθηκαν προσομοιώσεις σε δίκτυο διανομής 55 ζυγών. Τα δεδομένα που προέκυψαν εισήχθησαν στον εκτιμητή κατάστασης μαζί με δεδομένα μετρήσεων πραγματικού χρόνου. Στόχος είναι η εκτίμηση κατάστασης του δικτύου διανομής, ώστε να επιτευχθεί η βέλτιστη, οικονομικά αποδοτική και ασφαλής λειτουργία του. Συνολικά από τη μελέτη, συμπεραίνεται ότι προκύπτει ακριβέστερη εκτίμηση κατάστασης με την αποστολή δεδομένων από τους μετρητές προς τα κέντρα ελέγχου ενέργειας ανά μικρότερα χρονικά διαστήματα.

This paper presents the combined operation of a classical state estimator and a load estimation method, through the potential of advanced automation systems AMR-AMI. State estimation becomes complicated in distribution networks due to the lack of actual measurements. The key role of smart meters at low voltage consumers is noted for effective load estimation at distribution network buses where absence of real data is marked. After studying the existing literature on the subject, a program was developed in Matlab environment on load estimation and simulations were performed in distribution network of 55 buses. The data acquired were introduced into the state estimator along with data of real-time measurements. The aim of the study is to obtain an accurate state estimation algorithm for distribution networks in order to achieve optimal, cost-efficient and safe operation. Overall the study, it is concluded that more precise state estimation is resulted as data transmission from smart meters towards management centers get more frequent.