Czasopismo | PRZEGLĄD ELEKTROTECHNICZNY | Rocznik 2024 - zeszyt 3

Optimization of low voltage distribution network configuration using forecasts based on Advanced Metering Infrastructure data

Optymalizacja konfiguracji sieci rozdzielczej niskiego napięcia z wykorzystaniem prognoz opartych na danych AMI

10.15199/48.2024.03.46

nr katalogowy: 147768
10.15199/48.2024.03.46

Streszczenie

W artykule przedstawiono praktyczne podejście do optymalizacji konfiguracji rzeczywistej sieci rozdzielczej nn. Opisano zbiór danych wejściowych, metody optymalizacji i uzyskane wyniki. Na podstawie prognoz obciążenia w poszczególnych węzłach odbiorczych określono optymalne konfiguracje. Prognozy wykonano czterema metodami prognostycznymi. Optymalizację konfiguracji sieci przeprowadzono za pomocą dwóch opracowanych metod: heurystycznej i genetycznej. Na podstawie przeprowadzonych symulacji sformułowano praktyczne wnioski.

Abstract

The article presents a practical approach to optimizing the configuration of a real LV distribution network. The set of input data, optimization methods and obtained results are described. The optimal configurations were determined on the basis of load forecasts in individual load nodes. Forecasts were made using four forecasting methods. Optimization of the network configuration was carried out using two developed methods: heuristic and genetic. Based on the simulations, practical conclusions were formulated.

Słowa kluczowe

Keywords

Bibliografia

[1] Le Gal M., Recherche Automatique de schemats de secours dans les reseaux de distributions a moyenne tension, Paris, EdF, (1969).
[2] Civanlar S. ,Grainger J. J.,Yin H.,Lee S. S. H., Distribution feeder reconfiguration for loss reduction, IEEE Transactions on Power Delivery, vol. 3, no. 3, pp. 1217–1223, (1988), DOI: 10.1109/61.193906
[3] Kujszczyk S., Automatyczne projektowanie optymalnych osiedlowych sieci elektroenergetycznych, Prace Naukowe Politechniki Warszawskiej. Elektryka, nr 28, 1972
[4] Chiang H. D, Jean-Jumeau R., Optimal network reconfigurations in distribution systems Part 2: Solution algorithms and numerical results, Transactions on Power Delivery, vol. 5, no. 3, pp. 1568–1574 (1990), DOI: 10.1109/61.58002
[5] Nara K., Shiose A., Kitagawa M., Ishihara T., Implementation of Genetic Algorithm for Distribution System Loss Minimum Re-configuration, IEEE Transactions on Power Systems, vol. 7, no. 3 (1992), DOI: 10.1109/59.207317
[6] Rayapudi S. R., Sadhu Venkata L. N., Manyala R. R., Srinivasa Rao A., Optimal Network Reconfiguration of Large-Scale Distribution System Using Harmony Search Algorithm, IEEE Transactions On Power Systems, Vol. 26, No. 3, pp. 1080 – 1088 (2011), DOI: 10.1109/TPWRS.2010.2076839
[7] Rabih A. Jabr, Ravindra Singh, Bikash C. Pal, Minimum Loss Network Reconfiguration Using Mixed-Integer Convex Programming, IEEE Transactions On Power Systems, Vol. 27, pp. 1106 – 1115, (2012), DOI: 10.1109/TPWRS.2011.2180406
[8] Azizivahed A., Narimani H., Naderi E., Fathi M. and Narimani M.R., A hybrid evolutionary algorithm for secure multi-objective distribution feeder reconfiguration. Energy, Vol. 138 pp. 355 – 373 (2017) DOI: 10.1016/j.energy.2017.07.102
[9] Chicco G., Mazza A., Assessment of optimal distribution network reconfiguration results using stochastic dominance concepts, Sustainable Energy Grids and Networks, Vol. 9, pp. 75-79, (2017), DOI: 10.1016/j.segan.2016.12.005
[10] Fathabadi H., Power distribution network reconfiguration for power loss minimization using novel dynamic fuzzy c-means (dFCM) clustering based ANN approach, International Journal of Electrical Power & Energy Systems, Vol. 78 pp. 96-107, (2016), DOI: 10.1016/j.ijepes.2015.11.077
[11] Landeros A., Koziel S., Abdel-Fattah M. F., Distribution network reconfiguration using feasibility-preserving evolutionary optimization, Journal of Modern Power Systems and Clean Energy, Vol 7, pp.89-598, (2018), DOI: 10.1007/s40565-018-0480-7
[12] Changhyeok L., Cong L., Sanjay M., Zhaohong B., Robust distribution network reconfiguration, IEEE Transactions on Smart Grid, Vol. 6, (2015), DOI: 10.1109/TSG.2014.2375160
[13] Zeng B., Zhao L., Solving two-stage robust optimization problems using a column-and-constraint generation method, Operations Research Letters, vol. 41, no. 5, pp. 457–461, (2013), DOI: 10.1016/j.orl.2013.05.003
[14] Nguyen T.T., Truong A.V., Phung T.A., A novel method based on adaptive cuckoo search for optimal network reconfiguration and distributed generation allocation in distribution network, Electrical Power Energy Systems, Vol. 78, pp.801-815., (2016), DOI: 10.1016/j.ijepes.2015.12.030
[15] Dudek G., Piotrowski P., Baczyński D., Intelligent Forecasting and Optimization in Electrical Power Systems: Advances in Models and Applications, Energies 2023, Vol. 16, 3024, (2023), DOI: 10.3390/en16073024
[16] Czapaj R., Kamiński J., Sołtysik M., A Review of Auto-Regressive Methods Applications to Short-Term Demand Forecasting in Power Systems, Energies, Vol. 15, 6729, (2022), DOI: 10.3390/en15186729
[17] Kheirkhah, A., Azadeh, A., Saberi, M., Azaron, A., Shakouri, H., Improved Estimation of Electricity Demand Function by Using of Artificial Neural Network, Computers & Industrial Engineering, Vol. 64, Issue 1, pp. 425- 441, (2013) , DOI: 10.1016/j.cie.2012.09.017
[19] Dudek, G., A Comprehensive Study of Random Forest for Short-Term Load Forecasting, Energies, Vol. 15, 7547, (2022), DOI: 10.3390/en15207547
[20] Dudek. G., Neural Networks for Pattern-Based Short-Term Load Forecasting: A Comparative Study, Neurocomputing, vol 205, pp. 64-74, (2016), DOI: 10.1016/j.cie.2012.09.017
[21] Lim B., Arık S.Ö., Loeff N., Pfister T., Temporal fusion transformers for interpretable multi-horizon time series forecasting, International Journal of Forecasting, Vol. 37/4, pp. 1748-1764, (2021), DOI: 10.48550/arXiv.1912.09363
[22] Wang J., Zhu S., Zhang W., Lu H., Combined modeling for electric load forecasting with adaptive particle swarm optimization, Energy, Vol. 35/4 pp. 1671-1678, (2010), DOI: 10.1016/j.energy.2009.12.015
[23] Bouktif S., Fiaz A., Ouni A., Serhani M.A., Optimal deep learning LSTM model for electric load forecasting using feature selection and genetic algorithm: Comparison with machine learning approaches, Energies, Vol. 11/7, p. 1636, (2018), DOI: 10.3390/en11071636
[24] Haben S., Arora S., Giasemidis G., Voss M., Vukadinović Greetham D., Review of low voltage load forecasting: Methods, applications, and recommendations, Applied Energy, Vol. 304, Article 117798, (2021), 10.1016/j.apenergy.2021.117798
[25] Wang J., Sun S., Chen X., Zeng X., Kong Y., Chen J., Guo Y., Wang T., Short-term load forecasting of industrial customers based on SVMD and XGBoost, International Journal of Electrical Power & Energy Systems, Vol. 129, 106830, (2021), DOI: 10.1016/j.ijepes.2021.106830
[26] Minan T. , Kaiyue Z. , Qianqian W. , Haipeng Ch. , Shangmei Y. , Hanxiao D., Application of multiobjective fruit fly optimisation algorithm based on population Manhattan distance in distribution network reconfiguration, Archives of Electrical Engineering, 2021, Vol. 70/2, pp. 307- 323, DOI: 10.24425/aee.2021.136986
[27] Strbac G. , Djapic P., A Genetic Based Fuzzy Approach to Optimization of Electrical Distribution Networks, Proceedings of the First International Conference on genetic Algorithms in Engineering Systems, GALESIA ’95, University of Sheffield, IEE Conference Publications no. 414 pp. 194-199, (1995), DOI: 10.1049/cp:19951048
[28] Miranda V. , Fonseca N., EPSO - Best-of-two-worlds metaheuristic applied to power system problems, Proc. CEC’02 Evolutionary Computation 2, May 12–17, pp. 1080–1085, (2002), DOI: 10.1109/CEC.2002.1004393
[29] LakshmiReddy Y., Sathiyanarayanan T., Sydulu M., Application of firefly algorithm for radial distribution network reconfiguration using different loads, Third International Conference on Advances in Control and Optimization of Dynamical Systems. March 13-15. Kanpur, India, (2014), DOI: 10.3182/20140313-3-IN-3024.00052
[30] Osowski S., Siwek K., Markiewicz T., MLP and SVM Networks - a Comparative Study, NORSIG 2004, Proceedings of the 6th Nordic Signal Processing Symposium., pp.37-40, (2004), DOI: 10.1109/NORSIG.2004.250120
[31] Choi H., Ryu S., Kim H., Short-term load forecasting based on ResNet and LSTM, 2018 IEEE international conference on communications, control, and computing technologies for smart grids, IEEE, pp. 1-6, (2018), DOI: 10.1109/SmartGridComm.2018.8587554
[32] Kulczycki J. ( red.), Straty energii elektrycznej w sieciach dystrybucyjnych, PTPiREE, Poznań 2009, pp. 296-298, ISBN 978-83-925667-1-7
[33] Baczyński D., Metody inteligencji obliczeniowej w elektroenergetyce, OW PW, Warszawa, 2013, ISSN 0137-2319
[34] Parol M., Optymalizacja konfiguracji elektroenergetycznych sieci rozdzielczych w oparciu o systemy ewolucyjne, PHD thesis, Politechnika Warszawska, Warszawa 1996.
[35] Baczyński D., Brożek J., Parol M., Optimisation of Urban MV Multi-Loop Electric Power Distribution Networks Structure Using Artificial Intelligence Methods, CONTROL AND CYBERNETICS, 41/2012 no.3, ISSN 0324-8569, pp. 667-689
[36] Sidor K. Miller P., Pijarski P., Zastosowanie optymalizacji konfiguracji sieci do redukcji kosztów strat energii elektrycznej.
[Application of network configuration optimization to reduce costs of electricity loss], PRZEGLĄD ELEKTROTECHNICZNY, 10/2019. 95. 110-113. DOI:10.15199/48.2019.10.24.

Jeśli masz wykupiony/przyznany dostęp - zaloguj się. Skorzystaj z naszych propozycji zakupu!

Publikacja


PRZEGLĄD ELEKTROTECHNICZNY- e-publikacja (pdf) z zeszytu 2024-3 , nr katalogowy 147768 licencja: Osobista Produkt cyfrowy Nowość	10.00 zł

Zeszyt


PRZEGLĄD ELEKTROTECHNICZNY- e-zeszyt (pdf) 2024-3 licencja: Osobista Produkt cyfrowy Nowość	85.00 zł

Prenumerata

PRZEGLĄD ELEKTROTECHNICZNY - prenumerata cyfrowa
licencja: Osobista

Produkt cyfrowy
Nowość

762.00 zł

PRZEGLĄD ELEKTROTECHNICZNY - PAKIET prenumerata PLUS
licencja: Osobista

Szczegóły pakietu

Nazwa
PRZEGLĄD ELEKTROTECHNICZNY - PAKIET prenumerata PLUS (Prenumerata papierowa + dostęp do portalu sigma-not.pl + e-prenumerata)	1002.00 zł brutto 927.78 zł netto 74.22 zł VAT (stawka VAT 8%)

1002.00 zł

PRZEGLĄD ELEKTROTECHNICZNY - papierowa prenumerata roczna + wysyłka
licencja: Osobista

Szczegóły pakietu

Nazwa
PRZEGLĄD ELEKTROTECHNICZNY - papierowa prenumerata roczna	960.00 zł brutto 888.89 zł netto 71.11 zł VAT (stawka VAT 8%)
PRZEGLĄD ELEKTROTECHNICZNY - pakowanie i wysyłka	42.00 zł brutto 34.15 zł netto 7.85 zł VAT (stawka VAT 23%)

1002.00 zł

Zeszyt

2024-3

Twój Koszyk

Publikacja

Zeszyt

Prenumerata

Zeszyt

Czasopisma