$$\newcommand{\bra}[1]{\left<#1\right|}\newcommand{\ket}[1]{\left|#1\right>}\newcommand{\bk}[2]{\left<#1\middle|#2\right>}\newcommand{\bke}[3]{\left<#1\middle|#2\middle|#3\right>}$$
X
INFORMAÇÕES SOBRE DIREITOS AUTORAIS


As obras disponibilizadas nesta Biblioteca Digital foram publicadas sob expressa autorização dos respectivos autores, em conformidade com a Lei 9610/98.

A consulta aos textos, permitida por seus respectivos autores, é livre, bem como a impressão de trechos ou de um exemplar completo exclusivamente para uso próprio. Não são permitidas a impressão e a reprodução de obras completas com qualquer outra finalidade que não o uso próprio de quem imprime.

A reprodução de pequenos trechos, na forma de citações em trabalhos de terceiros que não o próprio autor do texto consultado,é permitida, na medida justificada para a compreeensão da citação e mediante a informação, junto à citação, do nome do autor do texto original, bem como da fonte da pesquisa.

A violação de direitos autorais é passível de sanções civis e penais.
Coleção Digital

Avançada


Estatísticas | Formato DC | MARC |



Título: AN OPTIMIZATION-BASED EQUIVALENT DC POWER FLOW MODEL FOR NETWORK REDUCTION
Autor: RAUL RIBEIRO DA SILVA
Instituição: PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO - PUC-RIO
Colaborador(es):  ALEXANDRE STREET DE AGUIAR - ADVISOR
FERNANDO ADOLFO MANCILLA DAVID - CO-ADVISOR

Nº do Conteudo: 55203
Catalogação:  05/10/2021 Liberação: 16/07/2022 Idioma(s):  ENGLISH - UNITED STATES
Tipo:  TEXT Subtipo:  THESIS
Natureza:  SCHOLARLY PUBLICATION
Nota:  Todos os dados constantes dos documentos são de inteira responsabilidade de seus autores. Os dados utilizados nas descrições dos documentos estão em conformidade com os sistemas da administração da PUC-Rio.
Referência [pt]:  https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=55203&idi=1
Referência [en]:  https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=55203&idi=2
Referência DOI:  https://doi.org/10.17771/PUCRio.acad.55203

Resumo:
The use of full model representation in power system studies may lead to undesirable levels of computational burden and inaccuracy due to modern system complexities and uncertainties. To address the tractability issue, network reduction methods aim to create a simplified model, with reduced dimension, of a given power system. Current techniques consider only one operating point in their reduction process, falling short in properly performing for a wide range of operating conditions. Additionally, a nonlinear AC power flow solution features worse computation performance, but better accuracy when compared against its linearized counterpart (DC power flow solution). Unfortunately, the DC power flow approximation disregards the line losses and nonlinear effects due to changes in voltage levels and reactive power. In this context, we propose a novel optimization–based framework to create equivalent power flow models. Thus, to overcome the computational performance limitations and imprecision for multiple operating scenarios, we use the proposed framework to produce a DC–based network reduction method that performs well in many operating points. The solution of a linear optimization problem, which considers multiple AC power flow scenarios or network measurements, determines the equivalent network parameters. To ensure modeling accuracy, we consider a set of artificial dynamic loads to represent the mismatch between observed scenarios and the response of the equivalent. These artificial loads are polynomial functions of the operating point, and their coefficients are co-optimized with the reduced network parameters. Principal Component Analysis (PCA) is used to extract the relevant components of the load vector defining the operating point, reducing the equivalent model dimensionality, and improving out–of–sample performance. We test the methodology against traditional Ward equivalent for different operating conditions. We present case studies with generated data to investigate the model generalization capability for different noise levels. Finally, we conduct a case study based on realistic load profiles from a Brazilian distribution company within the IEEE 118–Bus test system.

Descrição Arquivo
COMPLETE  PDF
Logo maxwell Agora você pode usar seu login do SAU no Maxwell!!
Fechar Janela



* Esqueceu a senha:
Senha SAU, clique aqui
Senha Maxwell, clique aqui