Dissertação

{pt_PT=Phase Identification in Low Voltage Grids: Experimenting over different data analytics approaches under laboratorial conditions} {} EVALUATED

{pt=A rede de distribuição de baixa tensão frequentemente não possui informação atualizada sobre a conectividade à fase de cada cliente. Este facto origina obviamente ineficiências na gestão do equilíbrio trifásico, o que por sua vez pode gerar ineficiências operacionais tais como aumento de perdas ou desequilíbrios de tensão desnecessários. Contudo, com a instalação de smart meters e a consequente disponibilização de dados de consumos de energia de clientes a intervalos de tempo pré-determinados é possível estimar a ligação à fase de cada cliente, assumindo que está também disponível informação sobre o consumo agregado por fase nas subestações, com a mesma resolução de tempo. Nesta tese, um conjunto de abordagens tutoriais de data analytics que permitem identificar a conectividade à fase subjacente dos clientes com base no seu histórico de consumos e totais agregados por fase nas subestações foi estudado. Com base nesse estudo, um novo método que aplica a regressão linear multivariada foi implementado e o seu desempenho comparado com um método proposto na literatura, que utiliza Análise dos Componentes Principais [1]. A experimentação é realizada não só em (i) condições laboratoriais, nas quais a informação agregada por fase nas subestações é construída de forma a replicar perdas da rede típicas, ruído aleatório, roubos de energia da rede e erros de assincronismo e enviesamento do relógio, mas também (ii) em dados reais fornecidos pelo incumbente em Portugal, EDP Distribuição – Energia, SA para uma localização específica., en=Low voltage distribution grid characterization often lacks information on customer’s phase connectivity. This leads to obvious ineffectiveness in maintaining phase-load balance, which, in turn, may cause several operation inefficiencies such as increased energy losses and unnecessary voltage imbalances. Yet, with the deployment of smart metering and the consequent availability of energy consumption data of pre-defined time-resolution, phase connectivity information might be possible to estimate, if data on per-phase aggregate energy measurements are available at substation sites with the same time-resolution. In this thesis, a set of data analytics tutorial approaches to identify the underlying customer phase-connectivity from time series of energy consumption and their aggregated per-phase energy measurements were studied. Based on the study, a new method which applies Multivariate Linear Regression is then implemented and compared with state-of-the-art methods based on Principal Component Analysis. Comparisons were carried out with experimentation (i) in laboratorial conditions where aggregated per-phase energy measurements data is built to replicate typical grid losses, random noise, energy theft, and clock skew and also synchronization errors, but also (ii) with real-world data provided for a specific location by Portugal’s incumbent EDP Distribuição. Results have shown that the new Multivariate Linear Regression method consistently presented better performance than the state-of-the-art methods, both in extreme laboratorial and near-real world conditions.}
{pt=Identificação de fase, Redes Inteligentes de Baixa Tensão, Topologia de Rede, Regressão Linear Multivariada, Análise dos Principais Componentes, en=Phase identification, Low Voltage Smart Grids, Smart Meters, Network Topology, Multivariate Linear Regression, Principal Component Analysis}

Novembro 9, 2018, 14:0

Orientação

ORIENTADOR

Pedro Manuel Santos de Carvalho

Departamento de Engenharia Electrotécnica e de Computadores (DEEC)

Professor Associado