Advanced signal processing techniques for robust state estimation applications in smart grids
View/Open
Cita com:
hdl:2117/332753
Chair / Department / Institute
Universitat Politècnica de Catalunya. Departament de Teoria del Senyal i Comunicacions
Document typeDoctoral thesis
Data de defensa2020-10-14
PublisherUniversitat Politècnica de Catalunya
Rights accessOpen Access
All rights reserved. This work is protected by the corresponding intellectual and industrial
property rights. Without prejudice to any existing legal exemptions, reproduction, distribution, public
communication or transformation of this work are prohibited without permission of the copyright holder
Abstract
Since their inception, more than one century ago, electrical grids have played the role of a critical infrastructure. During the majority of this time, power systems have not faced radical changes. In contrast, over the last two decades this paradigm has rapidly changed. On the one hand, the environmental need for de-carbonization has stimulated the introduction of (i) green energy through renewable energy sources (RES); and (ii) Distributed Energy Resources (DER). On the other, the de-regulation of energy market has raised the necessity for substantial cooperation between the energy utilities.
All the above implies that, to start with, power grids must be able to support bi-directional power flows. And, further, that variations in power generation and consumption must be timely and accurately monitored. To that aim, engineers and researchers can exploit recent innovations in measurement technology; advanced signal processing algorithms and optimization tools; and a widespread use of wired and wireless communication technologies. This, clearly, brings the notion of Smart Grids (SG) into play. The accomplishment of this modern paradigm requires the re-design of a number of classical management and control strategies running in the operation centers of traditional grids.
Specifically, the main objective of this PhD dissertation is the re-formulation of a key functionality for the efficient monitoring, control and optimization of electrical networks: State Estimation (SE). Our research has been divided in two parts. In the first, the study is focused on the Transmission Grids (TG). The second, is dedicated to the (medium voltage) Distribution Grid (DG).
With respect to TGs, we propose a hybrid SE scheme exploiting both PMU and legacy measurements. The problem suffers from an inherent non-convexity and, thus, we adopt a successive convex approximation framework (SCA-SE) to iteratively solve it. Our goal is to attain increased accuracy and faster convergence rate. Going one step beyond, we pose the SCA-SE problem in a decentralized setting. For the solution, we resort to the so-called Alternating Direction Method of Multipliers (ADMM). Finally, we take into consideration the presence of bad data in the measurement sets. In this case, we reformulate the problem in a Least Absolute Shrinkage and Selection Operator (LASSO) optimization framework and, we provide joint state estimation and bad data detection.
In the second part of this dissertation, we address the problem of SE for the distribution grid. Our aim is to propose an algorithm capable of tracking the rapid variations over the voltage profile. To do so, we leverage on the recently introduced micro-PMUs (µPMUs) for distribution grids. Specifically, we present a regularized SE scheme operating at two different time-scales: (i) a robust state estimator that operates at the main time instants; and (ii) a regularized SE scheme for a number of intermediate time instants. For the former, we formulate the estimator as a regularized version of the Normal-Equations based SE solution (R-NESE). As for the latter, we present a Decomposed Weighted Total Variation State Estimation (D-WTVSE) scheme. In order to solve the D-WTVSE problem, we resort to the ADMM. Besides, we study the problem of µPMU placement (µPP). The problem is posed as a mixed integer semidefinite programming (MISDP) model and, thus, it can be efficiently solved. Desde hace más de un siglo de su creación, las redes eléctricas han desempeñado el papel de una infraestructura critica. Durante la mayor parte de este tiempo, los sistemas de potencia electrica no han tenido cambios radicales. En contraste, este paradigma ha cambiado rápidamente en las últimas dos décadas. Por un lado, la necesidad ambientes de descarbonización ha estimulado la introducción de (i) energía verde a través de fuentes de energía renovables; (ii) Recursos energéticos distribuidos. Por otro lado, la desregulación del mercado energético ha planteado la necesidad de una cooperación sustancias entre las empresas de energía. Todo lo anterior implica que, para empezar, las redes eléctricas deben ser capaces de soportar flujos de energía bidireccionales. Y, ademas, que las variaciones en la generación y el consumo de energía deben ser monitoreadas de manera oportuna y precisa. Con este objetivo, los ingenieros e investigadores pueden explotar innovaciones recientes en tecnología de medición; algoritmos avanzados en procesamiento de señales y herramientas de optimización; y un uso generalizado de tecnologías de comunicación por cable e inalámbricas. Esto, claramente, implica a las redes eléctricas inteligentes (smart grids en inglés). La realización de este paradigma moderno, requiere el diseño de una serie de estrategias clásicas de gestión y control que se ejecutan en los centros de operación de las redes tradicionales. Específicamente, el objetivo de esta tesis doctoral es la formulación de una funcionalidad clave para el monitoreo, control y optimización eficiente de las redes eléctricas: Estimación de Estado (SE en sus siglas en inglés). Nuestra investigación se ha dividido en dos partes. En la primera, el estudio se centra en las Redes de Transmisión (TG). La segunda parte esta dedicada a la Redes de Distribución (DG) de media tensión. Con respecto a las TG, proponemos un esquema de SE hibrido que explota tanto las mediciones de PMU como las heredadas. El problema no es convexo y, así mismo, adoptamos un marco de aproximación convexo sucesivo (SCA-SE) para resolverlo de forma iterativa. Nuestro objetivo es lograr una mayo precisión y una tasa de convergencia más rápida. Yendo un paso adelante, planteamos el problema SCA-SE en un entorno descentralizado. Para solucionar esto, recurrimos al llamado Método de dirección Alterna de Multiplicadores (ADMM en sus siglas en inglés). Finalmente, tomamos en cuenta la presencia de datos incorrectos en los conjuntos de medidas. En este caso, reformulamos el problema en un marco optimización del método LASSO (Shrinkage and Selection Operator, por sus siglas en inglés) y, proporcionamos una estimación del estado conjunto y detección de datos incorrectos. En la segunda parte de esta disertación, abordamos el problema SE para la red de distribución. Nuestro objetivo es proponer un algoritmo capas de rastrear las variaciones rápidas sobre el perfil de voltaje. Para hacer esto, aprovechamos las micro-PMU (µPMUs) introducidas recientemente en las redes de distribución. Específicamente, presentamos un esquema SE regularizado que opera en dos escalas de tiempo diferentes: (i) un robusto estimador de estado que opera en los instantes de tiempo principales; y (ii) un esquema SE regularizado para varios instantes de tiempo intermedios. Para el primero, formulamos el estimador como la versión regularizada de ecuaciones normales basadas en solución SE (R-NESE). En cuanto a este ultimo, presentamos un esquema D-WTVSE (Decomposed Weighted Total Variation State Estimation, por sus siglas en inglés). Para resolver el problema de D-WTVSE, recurrimos al ADMM. Ademas, estudiamos el problema µPP (µPMU placement, por sus siglas en inglés). El problema se plantea como un modelo MISDP (Mixed Integer Semidefinite Programming, por sus siglas en inglés) y, por lo tanto, el problema puede ser resulto de manera eficiente.
CitationTsitsimelis, A. Advanced signal processing techniques for robust state estimation applications in smart grids. Tesi doctoral, UPC, Departament de Teoria del Senyal i Comunicacions, 2020. DOI 10.5821/dissertation-2117-332753 . Available at: <http://hdl.handle.net/2117/332753>
Collections
Files | Description | Size | Format | View |
---|---|---|---|---|
TAT1de1.pdf | 5,248Mb | View/Open |