Evolúciós algoritmusok alkalmazása a középfeszültségű hálózat üzem helyreállítás segítésére

OData támogatás
Konzulens:
Dr. Dán András
Villamos Energetika Tanszék

A villamosenergia szolgáltatás minősége napjainkra egyre fontosabb jellemzővé válik. A fogyasztás növekedésével a hálózat is növekszik. Egyre nehezebb a hálózatok karbantartása és tervezése úgy, hogy emellett a minőségi mutatók is megfelelőek maradjanak. A MEH mutatókat a villamos energia szolgáltatóknak bizonyos határokon belül kell tartaniuk, ami nagy feladatot jelent számukra.

A kiesések egyik oka a középfeszültségű hálózaton bekövetkezett üzemzavar. A hibák azonosítása, megtalálása és kijavítása bonyolult folyamat, melyben várhatóan számítógépes tanácsadó rendszerekkel jelentős hatékonyság növekedés érhető el.

A dolgozat ennek a területnek egy részével foglalkozik: Üzemzavar során gyakran van szükség kapcsolásokra, például a zárlat megkereséséhez egy hálózatrész elkülönítéséhez, vagy a már megtalált zárlat elkülönítéséhez. Eközben a lehető legtöbb fogyasztó ellátásáról kell gondoskodni, valamint a lehető legrövidebb kiesésre kell törekedni. Ez egy-egy kisebb hálózaton, ahol nincs túl sok keresztág és kapcsoló nem tűnik nehéz feladatnak, ám ha bonyolultabb hálózattal áll szemben a diszpécser, vagy egyszerre több körzetet is felügyelnie kell, már nehezebb átlátni a lehetőségeket. Gyakran nagy nyomás nehezedik a diszpécserekre.

A dolgozatban bemutatásra kerül egy új, genetikus algoritmuson alapuló eljárás, amivel a kapcsolások helyét és sorrendjét lehet meghatározni.

Cél a minél több fogyasztó ellátása, kevés kapcsolással, rövid időn belül. Lehetőség van a kapcsolók bizonyos állapotban történő rögzítésére, biztosítva, hogy a hibás hálózatrész mindenképpen elkülönítve maradjon, valamint az olyan esetek kezelésére ahol esetleg hibás működés folytán nem lehet átkapcsolni egyet (vagy többet is akár). Az algoritmus a megoldás során figyelembe veszi a vezetékek és transzformátorok terhelhetőségét valamint a feszültséget a szabványban definiált határokon belül kell tartania mindenhol. Természetesen szükség van load-flow számításra ezekhez (ami lehetőleg gyors, hiszen a futás során rengetegszer kell számítani), ezért a hálózat paramétereinek ismerete is fontos. Szerencsére ez a szolgáltatóknál ma már általában megtalálható digitális formában. Ezenkívül szükség van még a fogyasztások nagyságára, ez jól becsülhető a leágazás feszültsége és árama alapján, ami szintén rendelkezésre áll legtöbbször valós időben. A kapcsolók állásait is nyilvántartják. Tehát az eljárás nem igényli újabb eszközök telepítését a hálózaton. Természetesen abban az esetben ha extra információk állnak rendelkezésre, felhasználásukkal pontosítható a számítás és így az eredmények is.

A megoldási folyamat két részre van bontva, az elsőben a kívánatos topológia kialakítása történik, a második részbe az optimális kapcsolási sorrend meghatározása került.

Az első rész egy több célú, feltételekkel határolt feladat, megoldására egy NSGA-II-őn alapuló genetikus algoritmust dolgoztam ki.

A második rész egy egy célú és feltétellel határolt feladat, megoldására egy dynamic stochastic ranking szelekcióval kiegészített genetikus algoritmust dolgoztam ki.

A tesztek során kapott megoldások megbízható, jó működést mutatnak. Az eredmények felhasználhatók hálózat tervezésnél (például távműködtethető kapcsolók optimális elhelyezése), vagy tréningszimulátorban való alkalmazásra (például a diszpécserek képzésénél a véletlenszerű helyzetekben nyújtott önálló teljesítményük értékeléséhez nyerhetők közel objektív mutatók), esetleg később egy valódi tanácsadó rendszer készítésére.

Letölthető fájlok

A témához tartozó fájlokat csak bejelentkezett felhasználók tölthetik le.