A methodology for identifying resiliency in renewable electrical distribution system using complex network

要約

タイトル：複雑ネットワークを用いた再生可能な電力配信システムの回復力の識別方法

要約：

– 分散型エネルギー資源（DER）が急速に普及し、システムの回復力を向上させるという一般的な認識がある中で、電力配信システムはDERに広く浸透しています。
– しかしながら、DERはそのインターミットントな可用性、気象条件の動き、非線形の導入、複雑性などさまざまな要因のため、システムの運用に有害になる可能性があります。
– このため、システムの回復力を詳しく理解する必要があります。本論文では、複雑ネットワーク理論を用いた方法を提案しています。
– 不安定な構成下で太陽光発電を取り入れた配電システムの回復力を識別するための複雑ネットワーク理論を用いた方法を紹介しています。
– 異なる状況における複雑相関ネットワークによる様々なネットワークパラメータを計算し、これらのネットワークの回復力を識別することができます。
– 提案された方法により、異なる望ましくない状況下で太陽光発電パネルのホスティング能力を特定し、回復力を維持することで、システム内のソーラーパネルの最適な配置トポロジーを得ることができます。
– また、この方法は、変更に非常に敏感で、システムを回復不能にする可能性が高い重要なノードを特定することができます。
– 提案されたフレームワークは、GridLAB-Dで生成された時系列データを用いてIEEE-123 Test Feederシステムで実証され、複雑ネットワークおよび機械学習モデルを用いたさまざまな分析が行われました。

要約(オリジナル)

Recently, Electrical Distribution Systems are extensively penetrated with the Distributed Energy Resources (DERs) to cater the energy demands with general perception that it enhances the system resiliency. However, it may be adverse for the grid operation due to various factors like its intermittent availability, dynamics in weather condition, introduction of nonlinearity, complexity etc. This needs a detailed understanding of system resiliency that our method proposes here. We introduce a methodology using complex network theory to identify the resiliency of distribution system when incorporated with Solar PV generation under various undesirable configurations. Complex correlated networks for different conditions were obtained and various network parameters were computed for identifying the resiliency of those networks. The proposed methodology identifies the hosting capacity of solar panels in the system while maintaining the resiliency under different unwanted conditions hence helps to obtain an optimal allocation topology for solar panels in the system. The proposed method also identifies the critical nodes that are highly sensitive to the changes and could drive the system into non-resiliency. This framework was demonstrated on IEEE-123 Test Feeder system with time-series data generated using GridLAB-D and variety of analysis were performed using complex network and machine learning models.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI