Milad Aslanian

Thesis Title: Real-time monitoring of short-term voltage stability

Abstract: In recent years, due to the ever-increasing electrical demand and the limitations associated with energy resources, power systems are operated near the limits of their transmission capabilities. Therefore, real-time monitoring and control of the power system are necessary for secure operation of the system. Due to the increase of dynamic loads, especially asynchronous motors, the monitoring of short-term voltage stability (SVS) is necessary to be taken into consideration. With the introduction of wide area measurement systems (WAMS) and phasor measurement units (PMUs), real-time voltage and current phasors are provided for online monitoring and control of power systems. Therefore, data-based or model-free methods can be developed for online stability monitoring.

In this thesis, two data-based methods are proposed for real-time monitoring of SVS. The first method is based on SVS indices and the other uses data mining techniques. In SVS indices-based methods, eleven appropriate indices are defined for online short-term voltage stability. The indices are calculated using the data measured by the PMUs and compared with pre-defined thresholds to assess the short-term voltage stability of the system. The performance of these indices is studied in terms of the time and accuracy required for determining the short-term voltage stability/instability. On the other hand, in methods which use data mining techniques, a suitable database is created by the PMUs measured data from the various disturbances over many years. This database is then clustered and classified and an efficient classifier is designed for online SVS assessment. In the data mining technique, the concept of time series shapelet classification (TSSC) is used for online SVS assessment, which uses decision tree (DT) to distinguish the short-term voltage stability/instability situations. Furthermore, a new method is proposed for creating the DT which uses the eleven indices as the decision features.

To evaluate the performance of the proposed online SVS assessment methods, the IEEE 39-bus test system is simulated and the performance of the SVS indices are assessed.  Furthermore a database consist of various scenarios related to short-term voltage phenomena is created and then the DT is designed in an offline manner, using the SVS indices as the decision features. Finally, the developed DT is used for online SVS assessment of the system. Furthermore, the performance of the proposed methods are compared. The constituted DT can detect the stable or unstable states at almost one second, which indicates the superiority of the proposed online SVS assessment over the previous methods.

Keywords: Short-term voltage stability, real-time monitoring, WAMS, PMU, voltage stability indices, data mining, decision tree.

عنوان پایان نامه: پایش زمان حقیقی پایدرای ولتاژ کوتاه مدت

چكيده: 

در سال‌های اخیر، با افزایش تقاضای انرژی الکتریکی و به‌علت محدودیت‌ در تأمین انرژی،  سیستم‌های قدرت نزدیک به مرز پایداری خود بهره‌برداری می‌شوند. بنابراین پایش و کنترل زمان‌حقیقی برای تحقق عملکرد امن و پایدار سیستم قدرت ضروری است. همچنین به‌دلیل افزایش بارهای دینامیکی و به‌ویژه بارهای موتوری آسنکرون، پایش  پایداری ولتاژ کوتاه‌مدت بیشتر مورد توجه قرار گرفته است. با پیدایش دستگاه‌های اندازه‌گیری فازور (PMU)  و توسعه‌ی مفهوم سیستم اندازه‌گیری ناحیه‌گسترده (WAMS)  امکان اندازه‌گیری فازورهای ولتاژ و جریان به‌صورت زمان‌حقیقی و پایش و کنترل ناحیه‌گسترده‌ی سیستم فرآهم گردیده است. با دردسترس بودن داده‌های زمان‌حقیقی، می‌توان از روش‌های مبتنی بر داده و بدون نیاز به مدل دینامیکی سیستم استفاده کرد. برای پایش پایداری ولتاژ کوتاه‌مدت با استفاده از روش‌های مبتنی بر داده، دو راهکار کلی وجود دارد. راهکار اول  استفاده از تعریف شاخص‌های مناسب برای پایداری ولتاژ کوتاه‌مدت است. در این روش‌ها،  شاخص‌های معرفی شده با استفاده از داده‌های اندازه‌گیری شده توسط PMU ها محاسبه شده و با مقایسه‌ی آن‌ها با آستانه‌های از قبل مشخص شده یا درنظر گرفتن علامت آن‌ها، در خصوص پایداری یا ناپایداری ولتاژ کوتاه‌مدت به‌دنبال یک اختلال شدید قضاوت می‌شود. گاهی هم می‌توان از ترکیب این شاخص‌ها استفاده کرد. راهکار دوم استفاده از روش‌های مبتنی بر داده‌کاوی است. در روش‌های داده‌کاوی، از داده‌های اندازه‌گیری و ثبت‌شده توسط PMU ها در پی وقوع اختلال‌های مختلف در سالیان متمادی و  یا داده‌های شبیه‌سازی، پایگاه داده‌ شامل داده‌های پایدار و ناپایدار ایجاد می‌گردد. سپس با اجرای الگوریتم‌های خوشه‌بندی و طبقه‌بندی مناسب، چارچوبی برای دسته‌بندی داده‌های آنلاین ارائه می‌شود.

    در این پایان‌نامه، با انجام شبیه‌سازی دینامیکی روی سیستم 39 باس IEEE، یک پایگاه داده از سناریو‌های مختلف مربوط به پدیده‌های ولتاژ کوتاه‌مدت  ایجاد شده است‌. یازده شاخص مناسب برای ارزیابی پایداری ولتاژ کوتاه‌مدت معرفی و روابط ریاضی و پارامتر‌های مربوط به هرکدام ارائه می‌شوند. عملکرد این شاخص‌ها از منظر زمان لازم برای قضاوت در خصوص پایداری کوتاه‌مدت و دقت تفکیک پدیده‌های مختلف مورد بررسی و مطالعه قرار می‌گیرند. همچنین یک روش مبتنی بر داده‌کاوی با استفاده از مفهموم شیپلت سری‌های زمانی ارائه شده است که از درخت تصمیم برای تعیین حالت‌های پایدار و ناپایدار در شرایط وقوع پدیده‌های ولتاژ کوتاه‌مدت استفاده می‌کند؛ به‌علاوه در این پایان‌نامه روشی برای ارزیابی پایداری ولتاژ کوتاه‌مدت ارائه شد‌ه است که با به‌کارگیری یازده شاخص بیان شده به عنوان ویژگی‌های تصمیم، به ایجاد درخت تصمیم بصورت آفلاین می‌پردازد. این درخت تصمیم با استفاده از داده‌های اندازه‌گیری بصورت آنلاین و در زمانی در حدود 1 ثانیه در خصوص پایداری یا ناپایداری شرایط رخ داده تصمیم‌گیری می‌کند. در نهایت عملکرد روش‌های بررسی شده، با یکدیگر مقایسه شده‌اند.

کلمات کلیدی: پایش پایداری ولتاژ، ناپایداری ولتاژ کوتاه‌مدت، سیستم اندازه‌گیری ناحیه‌گسترده، PMU، شاخص‌‌های پایداری ولتاژ، داده‌کاوی و درخت تصمیم.