Elosztóhálózati állapotbecslő algoritmus megvalósítása
Témaválasztásom fő motivációja, hogy napjaink villamosenergia-rendszerének egyik legkritikusabb pontját képezik az elosztóhálózatok, így az ezzel kapcsolatos kutatás mindenképpen tudományosan izgalmas és indokolt. A téma teljesen újszerű, az elmúlt 4-5 évben számos nemzetközi munkában került középpontba az elosztóhálózati állapotbecslés, de megvalósítás csupán néhány kísérleti projekt keretében történt. Ipari környezetben pedig a téma még érintetlennek mondható. A 21. század több tendenciája, így a villamos autók elterjedése, illetve a háztartási méretű kiserőművek egyre népszerűbbé válása több problémát is felvet. Ahogy a koncentrált energiatermelés szerepe csökken, úgy az elosztóhálózatok leterheltsége nő és ezáltal megjelenik a valós idejű monitorozás igénye. Ezt támogathatja egy jó állapotbecslő algoritmus. Kutatásom célja állapotbecslő algoritmus fejlesztése valós elosztóhálózatokra. Ezt a fejlesztést az MTA-BME Lendület FASTER Kutatócsoport kötelékében tettem meg. Foglalkoztam Szlovénia egyik transzformátorkörzetének tíz fogyasztós részhalmazával, valamint az E.ON Észak-dunántúli Áramhálózati Zrt. négy kisfeszültségű elosztóhálózati transzformátorkörzetével. Ezeket először modelleztem a Panda Power segítségével Python 3 nyelven és állapotbecslő algoritmust fejlesztettem és illesztettem hozzájuk. Dolgozatom első felében kiemelt figyelmet szentelek az adott hálózat mérete és terheltsége szerinti, valamint a mérési adatok bizonytalansága szerinti vizsgálatnak. Munkám második felében pedig a valós magyarországi hálózatokat vizsgálom jól definiált szcenáriók szerint. Valós mérési eredményekből és fogyasztói profilokból generálok pszeudomérési adatsorokat, melyeknek egyik felét állapotbecsléshez, másik felét pedig teljesítményáramlás-számítás alapú validációhoz használom. Foglalkozok egyszerű és komplex fogyasztói modellekkel is. Lépéshosszkorrekciós eljárás szükségességét és integrálhatóságát vizsgálom, valamint az alkalmazott Gauss-Newton algoritmus konvergenciával kapcsolatos viselkedését elemzem. Az egyes hálózatmodelleket is gyakorlati szempontoknak megfelelően különböző részletességgel képzem le. Foglalkozok teljesen automatizált DSO-tól származó lekérdezésekkel, ezek pontosított változataival és teljesen pontos, valós hálózati modellekkel. Legfeljebb néhány százalék nagyságrendű relatív hibákkal határoztam meg az egyes állapotváltozókat. Ezen felül a PandaPower környezethez illeszkedő lépéshosszkorrekciót lehetővé tevő eszközt hoztam létre, amely inkrementális hozzáadott értéket teremthet a jövőben kisfeszültségű elosztóhálózati állapotbecslő projektekhez.
