FenixEdu™

Dissertação

{en_GB=Real-Time Situational Awareness in Smart Grids by Regularization of Linear Inverse State-Estimation Problems} {} EVALUATED

Detalhes: {pt=A gestão e controlo das futuras redes inteligentes deve poder assentar numa estimação rigorosa do estado operacional da rede elétrica. Na rede de distribuição, a infraestrutura convencional de monitorização inibe o acesso generalizado a informação em tempo real, impedindo a redundância dessa informação, necessária nas abordagens clássicas de estimação de estado. Nos últimos anos, as concessionárias da rede iniciaram uma implantação massiva de infraestruturas de medição de consumos, e hoje é possível ter acesso a grandes volumes de dados de históricos de consumos. Esta tese propõe uma nova abordagem ao problema da estimação de estados na rede de distribuição que combina um método baseado em regularização para resolver problemas de estimação de carga mal-condicionados com um modelo de Markov para restringir as variações de carga a variações temporais prováveis. A solução do problema depende da capacidade de resolver sequências de problemas inversos lineares que são formulados como dependentes de cargas cuja dinâmica é parametrizada em cadeias de Markov não estacionárias. Assim, é apresentada uma formulação eminentemente dinâmica que trata os estados de carga como um processo oculto de Markov, estimando as trajectórias desses estados com recurso ao Algoritmo Viterbi. Esta solução serve como referência para comparação com outras formulações computacionalmente menos exigentes que são baseadas em representações mais simples das dinâmicas. Finalmente, são analisados vários contextos de monitorização em diferentes topologias de rede para adquirir conhecimento sobre as variáveis a monitorizar em tempo real e os locais da rede mais promissores para a correspondente monitorização., en=The intelligent management and control of the future Smart Grid must rely upon the accurate estimation of distribution network state. Such estimation is very challenging at the distribution level, since the customary monitoring infrastructure inhibits access to real-time widespread information, precluding redundancy, whose existence is at the basis of classical state estimation approaches. However, a few years ago, utilities started a massive deployment of metering infrastructures and today one has already access to large volumes of historical metering data. This thesis proposes to estimate the present and future electrical states of distribution grids by combining a regularization-based method for solving ill-conditioned load-estimation problems with a Markov model for restricting load-variations to probable time-varying load changes. The solution of the proposed estimation problem relies upon the capability to solve sequences of linear inverse problems that are formulated as dependent on loads whose dynamics are parameterized in non-stationary Markov chains. Different formulations of the state-estimation problem are solved by Tikhonov regularization under different assumptions to trade-off estimation accuracy against computation and data requirements. A fully dynamic formulation of the estimation problem that takes grid loading states as a Hidden Markov process is presented and solved with the Viterbi Algorithm to serve as reference for comparison with other formulations based on simpler representations of load dynamics. Several monitoring contexts under different grid topologies are finally analyzed with the proposed state-estimation approach to gain insight into variables most suitable for real-time monitoring and their most promising network locations. }
Keywords: {pt=Rede de distribuição, regularização de Tikhonov, dinâmica, cadeias de Markov, processo oculto de Markov., en=Distribution grids, Tikhonov regularization, dynamics estimation, Markov chains, Hidden Markov process.}

Discussão: outubro 22, 2018, 11:0