可用传输能力计算方法:审查

Rajnikant h . Bhesdadiya¹拉杰什·m·帕特尔博士²

RK大学工程学院Rajkot,印度,博士学者1,助理教授,L.E.大学,发病原因1
本金,HJD研究所的技术教育和研究,Kera, Kutchh,会员,IEEE, ISTE 2

文摘

暗示的可用传输能力(ATC)由独立系统运营商在放松管制的电力市场是很重要的问题。ATC '所有公司的重要指示,绿皮书,零售商,发射器,经销商和客户,参与电子交易的权力。ATC表明剩余转移能力超过已经承诺使用在竞争激烈的电力市场的商业用途。本文回顾了相关文献的ATC计算电力市场管制。

关键字

可用传输能力(ATC),人工神经网络(ANN),持续功率流(CPF),直流负载流,遗传算法(GA),智能方法,重复的功率流(脉冲)。

介绍

可用传输能力(ATC)成倍增加的利息的计算一直是一个研究领域特别是在过去的二十年里。现在电力市场方向是放松管制,非常强烈。最重要的中心思想的重组电力市场是将某种形式的市场参与者之间的竞争,开放,向最终用户提供期权和福利的客户。雷竞技app下载苹果版为了使电力行业的竞争力,传输网络能力和电力系统的发电容量应提供投标前的市场参与者大大提前。独立系统运营商(ISO)负责提供商业上可行的信息传播功能。允许事务ISO前应该检查是否传输网络传输能力是在一定范围内。

美国联邦能源管理委员会(FERC)发布了订单888和889年,建立了开放获取非歧视性的传输服务政策和开放存取同一时间信息系统(绿洲)原名实时信息系统(RIN)。雷竞技app下载苹果版可用传输能力(ATC)是需要贴在公开访问的绿洲。这需要计算可用传输能力(ATC)的传输路径[1]在放松管制的电力市场。在计算ATC将提供更多的权力交易,这将降低系统的安全。在计算ATC将提供较小的交易,最终影响市场经济。为了避免开放的能源市场的不良影响等重载荷和循环流动,增加系统的一个清晰的雷竞技app下载苹果版迹象,ATC [2]。北美电力可靠性委员会(NERC)定义了ATC的”措施转移能力剩余的物理传输网络进行进一步的商业活动已经超过承诺使用[2]。

数学,ATC被定义为总传输能力(TTC)更少的传输可靠性保证金(TRM),更少的和现有的承诺(等)传播(包括零售客户服务)和能力(CBM)”。ATC可以表示为:

ATC = TTC - TRM等煤层气

报告[2]定义了ATC原则下ATC值计算。ATC原则包括以下:

必须认识到ATC计算时变功率流条件和同步传输在传输网络和并行路径流动。

ATC的ATC计算必须认识到依赖注入点权力,权力转移的方向和权力的点提取

ATC计算必须产生商业上可行的结果和计算ATC的必须给一个合理的准确和可靠的可用传输能力的电力市场。

北美电力可靠性委员会(NERC)定义了TTC任何两个地区之间或在特定路径或接口作为一个”的电力可以通过可靠的方式相互连接的传输网络传输不违反热极限、电压限制和动态稳定极限”。TTC是特定于一个方向的,符合第一个应急总传输能力(FCTTC)所定义的NERC的1995年5月传输传输能力参考文档[3]。

图1显示了简单的互联电力系统,可分为三种区域:发送,接收区域和其他区域。区域可能是权力池,个人电气系统、子区域等的目标是计算ATC区域发送到接收区通过指定的传输路径。

文学的调查显示,ATC计算方法可以进一步分为两个主要的类作为确定性方法和智能方法。

确定的方法

有各种各样的确定性数学技术可用传输能力(ATC)的计算。它们延续功率流方法(CPF)(8、9),重复功率流(RPF)方法[10],最优功率流方法[19],直流负载的基于流程的方法[11 12 27],和权力转移分布因子(PTDF)方法[8、13 - 16、17日,27 - 31日,33)。

敏感性为基础的功率流的方法已经被许多研究者提出了ATC的快速计算。这个方法是基于权力转移分布因子(PTDFs)或线路故障因素(LODFs)使用直流负载流量的方法。在参考[27],使用直流电源转移分布因子(DCPTDF),基于直流负载流量的方法是快速计算ATC的报道。

综合方法ATC决心multi-transactions环境中使用基于DCPTDF问题公式化报道[33]。g . Hamoud ATC的方法评估使用概率复合系统评价项目(PROCOSE) [11]。这个程序提供了一个很好的工具的ATC计算传输系统和识别最限制设施影响可用传输能力。PROCOSE使用直流电源流模型来模拟电力系统的操作,考虑到机组停机,经济调度,固定的力量注入,系统负载概要文件,传输中断,限制传输网络。程序首先安排机组在每一个国家,一个单位,使用他们的燃料成本增量来满足负载不尊重传输约束。程序然后检查网络约束的违反。如果有违反传输限制,程序重新安排国家代移除这些违规行为和限制负载如果违法行为依然存在。

直流负载流方法精度很差当X / R比率低是由于假设。这个方法是非常有用的,因为它很简单计算和快速的结果。

基于直流负载流方法快速使用假设为直流负载流。许多研究人员提出了更精确的方法考虑无功功率流基于交流负载流公式对ATC计算使用报告的敏感性因素参考(8、17 28-31)。

G.C.参考[8]Ejebe et al,报道新配方的ATC问题基于完整的交流功率流解决方案将无功功率流的影响,电压限制和电压崩溃以及热负荷的影响。一个有效延续功率流方法与自适应定位提高速度处理大量的突发事件确定为每个指定的ATC转移。公积金等算法有效地提高了控制参数离散步骤和解决由此产生的功率流问题在每一个步骤。这个过程一直持续到一个给定的条件或物理限制防止进一步增加。该方法使用牛顿潮流算法,需要通过矩阵一次迭代的计算。因此,该方法的速度非常缓慢。论坛收益的解决方案即使在电压崩溃点,准确。

默罕默德·沙等提出了TTC计算的目标函数的最优功率流的方法是发送端代之和最大化和接收加载指定的公共汽车[19]。

Ashwani Kumar南卡罗来纳州斯利瓦斯塔瓦和S.N.辛格提出的应用分岔条件可用传输能力(ATC)测定在竞争激烈的电力市场双边以及多边事务在[17]。这是一个快速算法计算可用传输能力(ATC)。该方法已申请ATC系统上的决心有静态负载以及感应电动机的负载。ATC的决心,唯一真正的权力加载选中的公交车了。发电机参与交易的真正力量输出已经增加了负载变化的数量比例的预定义的一代分布的因素。假定松弛总线发电机供应系统损失的变化。PTDF给一组网络灵敏度的因素来预测流量变化后由于双边交易或post-outage影响传输中断。在该方法中,顺序不需要完全的交流功率流,因此具有很高的计算速度。

在参考[32],一种方法基于权力转移分布因子计算ATC TCSC电抗的增强。Kumar Jitendra和Kumar Ashwani提议的方法ATC决心multitransactions环境中使用交流电源传输分布因素在[34]。

聪明的方法

人工神经网络模拟人类的神经大脑结构。安结构由简单的人工神经元单位连接层的体系结构。人工神经网络能够代表任何程度的非线性函数与合适的隐藏层个数的选择及隐层神经元。安学习这些复杂功能通过使用适当的输入和目标数据集训练算法在[-]。

电力系统领域的许多研究人员希望解决的复杂问题,如使用安ATC计算。这增加速度和最终安全解决方案。这种方法被看好,因为它不需要数学模型,进一步计算。

罗x巴顿公元和辛格c .在参考文献[4]提出了一个真正的权力转移能力计算使用多层前馈神经网络计算ATC两个特定区域之间的传输网络。本文基于MLP拓扑提出了解决方法。问题公式化是基于最优功率流方法。这种方法计算ATC准确之间单指定的两个区域之间的双边交易。0.5至1.5倍之间的负载变化基本情况虽然所有线路和发电机仍在操作。负载变化统一在一个特定的区域。快速支撑算法来训练神经网络。

应易香港ATC估计提出了一个方法使用多层前馈网络在[6]。摘要混合网络是用于提取主成分分析的基本总线信息独立系统运营商(ISO)。

Seema n . Pandey Nirved k Pandey, Shashikala Tapaswi提出了一个基于Levenberg -马夸特算法神经网络方法的快速和准确的评估系统ATC参考[35]。系统ATC已经估计了不同加载条件以及采用分布式计算单线故障条件。主成分分析已经应用了有效的输入变量的选择。应急形成集群,每个集群包含几乎相似的ATC值。该方法一直在检查75总线印度电力系统和IEEE 300总线系统,发现显著有效。

天然气使用人类基因进化的技术。基本步骤参与气体编码、适应度函数、约束和收敛。组随机生成人口,所有代表的解决方案。编码是一个实际问题转换为一个等价的编码形式。适应度函数是一个特定的问题和代表单一数值健身因此成功的措施。GA运营商选择更好的个人和去除坏的个人使用天然气运营商复制、交叉和变异。融合是一个合适的终止。健康检查使用适应度函数生成解决方案。GA运营商选择更好的个人和删除最差个体。气体可能被视为一种多维优化技术基于基因随机搜索,适者才能生存(23日)。

Mozafari B, Ranjbar, Shirani AR和et al[5]提出了一种基于遗传算法的方法计算ATC两个特定区域之间的传输网络。问题公式化OPF模型是基于一种考虑交流功率流方程作为等式约束和经济活跃的发电机发电成本分派他们在每一个操作系统的点。目标函数试图最大化总代在一个领域和消费在另一个领域,同时试图最小化成本的一代。

k . Selvi等提出了基于遗传算法的问题公式化估计全转移能力(TTC) [7]。本文主要目标函数最大化没有制度约束违反和两者之间的TTC估计特定区域通过全局最优搜索。

结论

论坛和RPF方法提供更多的ATC计算精度比直流负载流量,但计算时间要求高是由于参与迭代实现突发事件如线路中断,发电机停机等之前发布的ATC值作为电力的迹象的出价,因此,不适合在线应用程序。

X / R比值大于4时,直流负载流方法几乎适用于在线应用程序,因为它提供了解决方案和合理的精度,但每个网络不适合直流负载流应用程序。

事实上,系统问题的数学模型和计算不需要安也由于其并行处理能力和代表任何程度的非线性函数与合适的选择隐藏层个数和简单的隐层神经元,它可能适用于在线应用程序。

数据乍一看

图1

引用

https://www.ferc.gov/legal/maj-ord-reg/land-docs/order889.asp。联邦能源监管委员会。雷竞技app下载苹果版开放获取同时进行的信息系统和标准,记事表。RM 95-9-000,订889,1996年4月:[引用2013年1月8日]。

http://www.nerc.com/docs/docs/pubs/atcfinal.pdf。可用传输能力的定义和决心,一个框架,用于确定可用传输能力的互联网络传播商业上可行的电力市场由TTC工作组,北美电力可靠性委员会,1996年6月:[引用了2013年1月9日]。

http://www.nerc.com/docs/docs/pubs/TransmissionTransferCapability_May1995.pdf。传输传输能力计算参考文档和报告互联电力系统的电力传输容量,北美电力可靠性委员会,1995年6月:[引用了2013年1月9日]。

罗,X。,Patton, A. D., and Singh, C., “Real Power Transfer Capability Calculations Using Multi Layer Feed Forward Neural Network”, IEEE Transactions on Power Systems, 15(2): 903-908, May 2000.

Mozafari B。,Ranjbar, A. M., Shirani, A. R. and et al. “A Comprehensive method for available transfer capability calculation in a deregulated power system”, IEEE International conference on Electric Utility Deregulation, Restructuring and Power Technology, Hong Kong, 680-685, 2004.

Ying-Yi香港,Chien-Yang萧,”在线ATC估计使用混合主成分分析网络”,《中国研究所工程师,30卷,5号,第789 - 781页,2007年。

Selvi, K。,Ramaraj, N., Bhavani, M., “Total Transfer Capability Evaluation using Genetic Algorithms” IE(I) Journal – EL, Vol. 88, pp. 60-64, June 2007.

Ejebe, g . C。通,J。,Waight, J.G. and et al. “Available Transfer Capability Calculations”, IEEE Transactions on Power Systems, Vol. 13(4), pp. 1521-6, November 1998.

雕刻,m . H。Nwankpa C。,Tai-SimYeoh, “ATC computational issues [electricity supply]’, In: Proceedings of the 32nd annual Hawaii international conference on system sciences, p. 1–6, 1999.

或者,Y。,Singh, C., “Assessment of available transfer capability and margins”, IEEE Trans Power System, Vol. 17 (2), pp. 463–8, 2002.

Hamoud G。,“Assessment of available transfer capability of transmission systems”, IEEE Transactions on Power Systems, Vol. 15(1), pp. 27- 32, February 2000.

大型,m D。,Yoon, Y. T., Zobian, A., “Available transmission capacity (ATC) and its value under open access”, IEEE Trans Power System, Vol. 12 (2), pp. 636–45, 1997.

木头,a·J。,Wollenberg, B. F., “Power generation, operation and control”, New York: Wiley; 1996.

Grijalva, S。,Sauer, P. W., Weber, J. D., “Enhancement of linear ATC calculations by the incorporation of reactive power flows”, IEEE Trans Power System, Vol. 18 (2), pp. 619–24, 2003.

库马尔,。,Srivastava, S. C., “AC power transfer distribution factors for allocating power transactions in a deregulated market”, IEEE Power Eng Rev, Vol. 22 (7), pp. 42–3, 2002.

马纳尔,P。,Gnanadass, R., and Padhy, N. P., “Available Transfer Capability Determination Using Power Transfer Distribution Factors”, International Journal of Emerging Electric Power System, Vol. 1(2): Art. 9:1-14, 2004.

库马尔,。,Srivastava, S. C., and Singh S. N., “Available Transfer Capability Assessment in a Competitive Electricity Market Using a Bifurcation Approach”, IEE Proc. on Generation, Transmission and Distribution, vol. 151, No. 2, pp. 133 – 140, March 2004.

KonradPurchala,丹尼尔·范Dommelen罗尼Belmans,“实用性有功功率的直流功率流流分析”IEEE电力工程社会大会,1卷,第459 - 454页,2005年6月。

默罕默德·S。,Yixin, Ni, Felix, F. W., “Transfer Capability Computations in Deregulated power systems,” Proceedings of the 33rd Hawaii International Conference on System Sciences, – 2000.

沃瑟曼,p D。,“Advanced Methods in Neural Computing” New York: Van Nostrand Reinhold, 1993.

Hammerstrom D。,“Neural networks at work,” IEEE Spectrum, vol. 30, pp. 26–32, June 1993.

国王,r . L。,“Artificial neural networks and computational intelligence,” IEEE Comput. Appl. Power, vol. 11, pp. 14–25, 1998.

戈德堡,d E。,“Genetic Algorithms in Search Optimization and Machine Learning. Reading”, MA: Addison-Wesley, 1989.

Haupt, r . L。,and Haupt, S. E., “Practical Genetic Algorithms”, New York: Wiley, 1998.

戴维斯,L。,“Handbook of Genetic Algorithms”, New York: Van Nostrand Reinhold, 1991.

沃斯,m D。,“The Simple Genetic Algorithm” Cambridge, U.K.: MIT Press, 1999.

克里斯蒂,r D。,Wollenberg, B. F., Wangstien, I., “Transmission management in the deregulated environment”, Proc IEEE Vol. 88(2), pp. 170–95, 2000.

雕刻,m . H。Nwankpa C。,“Available transfer capability and first order sensitivity”, IEEE Trans Power System, Vol. 14(2), pp. 512–8, 1999.

Ejebe, g . C。,Waight, J. G., Santos-Nieto, M., Tinney, W. F., “Fast calculation of linear available transfer capability”, IEEE Trans Power System, Vol. 15(3), pp. 1112–6, 2000.

格林,S。,Dobson, I., Alvarado, F. L., “Sensitivity of transfer capability margin with a fast formula”, IEEE Trans Power System, Vol. 17(1), 2002.

Grijalva, S。,Sauer, P. W., Weber, J. D., “Enhancement of linear ATC calculations by the incorporation of reactive power flows”, IEEE Trans Power System, Vol. 18(2), pp. 619–24, 2003.

Ghawghawe: D。Thakre, k . L。,“Computation of TCSC reactance and suggesting criterion of its location for ATC enhancement”, Int J Electric Power Energy System, 31:86–93, 2009.

Kumar J。,and Kumar, A., “Multi-transactions ATC determination using PTDFs based approach in deregulated markets”, In: Proc. annual power India conference, (INDICON), pp. 1–6, 2011.

Kumar J。,and Kumar, A., “ACPTDF for multi-transactions and ATC determination in deregulated markets”, Int J ElectrComputEng (IJECE), Vol. 1(1), 71–84, 2011. [35] Pandey, S. N., Pandey, N. K., and ShashikalaTapaswi, “Neural networkbased approach for ATC estimation using distributed computing”, IEEE Transactions on power systems, Vol. 25, No. 3, pp. 1291-1300, August 2010.