Reconfiguring Distribution Grids
DOI:
https://doi.org/10.14529/power210104Keywords:
electric grid, nonlinear optimization, power consumption, line loadAbstract
Optimizing the grid structure becomes necessary in case of post-emergency power restoration or when overloaded. In normal operation, distribution grid parameters are adjusted to reduce the overload and the electricity losses; reconfiguration is not considered. The grid topology is reconfigurable by solving the optimization problem by the branch-and-bound algorithm subject to keeping the parameters within their acceptable limits in the context of line resistance, electricity losses, and power flows for all possible grid layouts. Simulation of a 10-kV distribution grid with four power centers shows that reconfiguring reduces power consumption by 2.9% and the inline active power losses by 256 kW. In this case study, reconfiguring has helped keep the voltage within the acceptable range while not overloading the lines. This study shows the proposed approach is suitable for dynamic grid reconfiguration as a way to reduce the overload and the electricity losses; at the same time, the approach does not require calculating nonlinear steady-state equations for each possible grid topology.
References
Wu Jun, Gao Yuelin, Yan Lina, An Improved Differential Evolution Algorithm for Mixed Integer Programming Problems // Conference2013 Ninth International Conference on Computational Intelligence and Security (CIS), 2013, vol. 1, pp: 31-35.
Williams. H.P. Logic and integer programming. Publ.: Springer, 2009, vol. 130, pp. 464.
Manju M., Leena G., Saxena N.S. Distribution Network Reconfiguration for Power Loss Minimization Using Bacterial Foraging Optimization Algorithm // Engineering and Manufacturing, 2016, no. 2.
Shengwei Ji, Chenyang Bu, Lei Li, Xindong Wu Local Graph Edge Partitioning with a Two-Stage Heuristic Method // Conference2019 IEEE 39th International Conference on Distributed Computing Systems (ICDCS), 2019, vol. 1, рр. 228-237.
Dian Najihah Abu Talib ; Hazlie Mokhlis ; Mohamad Sofian Abu Talip ; Kanendra N. Parallel Power System Restoration Planning Using Heuristic Initialization and Discrete Evolutionary Programming // Modern Power Systems and Clean Energy, 2017, vol. 5, iss. 6, pp. 991-1003.
Huang S., Wu Q., Cheng L., Liu Z. Optimal Reconfiguration Based Dynamic Tarifffor Congestion Management and Line Loss Reductionin Distribution Networks // IEEE Transactions on Smart Grid. 2015, vol. 6, рр. 49.
Niknam T. An Efficient Hybrid Evolutionary Algorithm Based on PSO and ACO for Distribution Feeder Reconfiguration // Eur. Trans. Electr. Power, 2010, no 20, pp. 575-590.
Ola B., Saad M., Hazlie M. Wardiah Dahalanc Optimal Reconfiguration of Distribution System Connected with Distributed Generations: A Review of Different Methodologies // Renewable and Sustainable Energy Reviews, 2017, no 73, pp. 854-867.
Mostafa S., Reza B. Optimal Multi-objective Reconfiguration and Capacitor Placement of Distribution Systems with the Hybrid Big Bang–Big Crunch Algorithm in the Fuzzy Framework // Shams Engineering Journal, 2016, no 7, pp. 113-129.
Malysheva N.N. and Pavlov A.A. Determination of probabilistic descriptions and stochastic processes of changes load, Dynamics of Systems, Mechanisms and Machines (Dynamics), 2016, pp. 1–5.
Гребанюк Г.Г. Предельные графы в структурной оптимизации режимов распределительных сетей / Г.Г. Гребанюк, А.А. Крыгин // Автоматика и телемеханика. – 2015. – № 1. – С. 147-162.
Майстренко Г.В. Пприменение теории графов для повышения точности определения мест повреждения на линиях электропередачи в сетях сложной конфигурации // В сборнике: Социально-экономические проблемы развития муниципальных образований. Материалы и доклады XXII Международной научно-практической конференции. – 2017. – С. 113-116.
Diestel R. Graph Theory, Electronic Edition. Publ.: Springer-Verlag, 2005, pp. 422.
Слышалов В.К. Анализ методов, основанных на теории графов для определения показателей надежности схем ЭЭС / В.К. Слышалов, Г.В. Чекан Г.В. Чекан // Вестник Ивановского государственного энергетического университета. – 2010. – № 4. – С. 30-32.
Фишов А.Г. Реконфигурация электрических сетей с распределенной генерацией и мультиагентным управлением / А.Г. Фишов, Б.Б. Мукатов // Известия Томского политехнического университета. Инжиниринг георесурсов. – 2015. – Т. 326. – № 9. – С. 143-152.
Лукьянов Д.В. Выбор структуры электрических сетей промышленных предприятий в условиях автоматизированного управления электропотреблением / Д.В. Лукьянов, Д.А. Васильев, В.А. Иващенко, А.Ю. Шабельникова // Известия Вузов. Поволжский регион. Технические науки. – 2010. – № 2. – С. 52-61.
Reza J.-S., Seyed-Masoud M.-T., Seyed-Sattar M. Microgrid Operation and Management using Probabilistic Reconfiguration and unit Commitment // Electrical Power and Energy Systems, 2016, no 75, pp. 328-336.
Jizhong Z. Optimization of Power System Operation / IEEE Press Series on Power Engineering, Publ.: John Wiley & Sons, 2009, vol. 49, pp. 624.
Третьяков Е.А. Перспективные методы управления транспортом и распределением электроэнергии в электрических сетях железных дорог / Е.А. Третьяков, Г.Е. Головнев, А.Г. Галкин, Е.А. Сидорова // Известия Транссиба. – 2018. – № 2 (34) . – С. 113-124.
Гвоздевский И.Н. Применение агентно-ориентированного подхода для расширения возможностей автоматизированных систем диспетчерского управления с использованием онтологий / И.Н. Гвоздевский // Вестник Белгородского государственного технологического университета им. В.Г. Шухова. – 2016. – № 4. – С. 168-175.
Arefi A., Abeygunawardana A., Ledwich G. A new Risk-Managed Planning of Electric Distribution Network Incorporating Customer Engagement and Temporary Solutions. // IEEE Transactions on Sustainable Energy, 2016, vol. 7, iss. 4, pp. 1646-1661.
