A Comprehensive Approach to Implement Monitoring and State Estimation in Distribution Grids with a Low Number of Measurements

Menke, Jan-Hendrik

dc.date.accessioned	2020-11-19T16:15:55Z
dc.date.available	2020-11-19T16:15:55Z
dc.date.issued	2020
dc.identifier	doi:10.17170/kobra-202007291503
dc.identifier.uri	http://hdl.handle.net/123456789/12005
dc.description	Zugleich: Dissertation, Universität Kassel, 2019	ger
dc.language.iso	eng	eng
dc.publisher	kassel university press
dc.rights	Namensnennung - Weitergabe unter gleichen Bedingungen 4.0 International	*
dc.rights.uri	http://creativecommons.org/licenses/by-sa/4.0/	*
dc.subject	distribution system monitoring	eng
dc.subject	distribution system state estimation	eng
dc.subject	measurement placement	eng
dc.subject	measurement planning	eng
dc.subject	power system state estimation	eng
dc.subject.ddc	600
dc.title	A Comprehensive Approach to Implement Monitoring and State Estimation in Distribution Grids with a Low Number of Measurements	eng
dc.type	Buch
dcterms.abstract	This work addresses the monitoring and state estimation of electrical grids, especially at the distribution grid level. This topic becomes relevant because today’s distribution grids are not always designed for the current expansion of decentralized feed-in, which can lead to congestion within the grid. If congestion is detected by suitable monitoring, it can be resolved by measures, e.g., adjustment of generator power. For economic and technical reasons, however, grid monitoring cannot be implemented with a similarly high measurement density as in transmission grids. Two new monitoring methods, which are designed for low measurement density, are therefore presented for use in real-time grid operation. First, a heuristic monitoring method (HMM) is presented, which does not require pseudo-measurements and estimates voltage magnitudes and line loadings. Second, a monitoring method based on artificial neural networks (ANN) is presented. With appropriate training, the method can estimate grid variables, e.g., voltage magnitudes or line loadings, with high accuracy. Various extensions of the method allow the estimation of the complete grid state. The methods are tested on thousands of test scenarios using a comprehensive evaluation methodology. A reference state estimation algorithm, the HMM, and three variants of the ANN-based monitoring are compared for different measurement locations with typical measurement errors, extreme measurement errors, and topology errors. Each method is classified according to the most appropriate application. For measurement infrastructure planning, a concept is presented to determine suitable measurement locations for the use of one of the monitoring methods. A user defines the required accuracy of the monitoring. Using the current grid model and information about potential measurements, heuristic optimizers or a rule-based strategy can identify additional measurement points that fulfill multiple requirements: the relevant estimation errors should be below a certain threshold. At the same time, capital expenditures for the installation and operation of the measuring equipment should be minimal. After completion of the optimization, several possible measurement configurations are presented with their average and maximum errors and the projected capital expenditures. To this end, a web application is developed.	eng
dcterms.abstract	Diese Arbeit beschäftigt sich mit dem Monitoring und der Zustandsschätzung von Stromnetzen, insbesondere auf Ebene der Verteilnetze. Relevant wird dieses Thema, da heutige Verteilnetze nicht immer für den aktuell stattfindenden Zubau der dezentralen Einspeiser ausgelegt sind, wodurch es zu Überlastungen innerhalb des Netzes kommen kann. Werden Überlastungen durch geeignetes Monitoring erkannt, können diese mit Maßnahmen, z.B. Abregelung von Anlagen, behoben werden. Aus ökonomischen und technischen Gründen kann ein Netzmonitoring jedoch nicht mit einer ähnlich hohen Messdichte wie auf Übertragungsnetzebene implementiert werden. Zur Verwendung im Echtzeit-Netzbetrieb werden daher zwei neue Monitoring-Verfahren vorgestellt, die für eine geringen Messdichte ausgelegt sind. Erstens wird eine heuristische Monitoring-Methode (HMM) vorgestellt, die keine Pseudomessungen erfordert und Spannungsbeträge sowie Leitungsauslastungen schätzt. Zweitens wird ein Monitoring- Verfahren vorgestellt, das auf künstlichen neuronalen Netzen (ANN) basiert. Mit geeignetem Training kann das Verfahren Netzvariablen, z.B. Spannungsbeträge oder Leitungsauslastungen, mit hoher Genauigkeit schätzen. Verschiedene Erweiterungen der Methode ermöglichen eine vollständige Netzzustandschätzung. Die Methoden werden über eine umfangreiche Bewertungsmethodik an Tausenden von Testszenarien getestet. Die Referenz-Zustandsschätzung, die HMM und drei Varianten des ANN-basierten Monitorings werden für unterschiedliche Messstellen mit typischen Messfehlern, extremen Messfehlern und Topologiefehlern verglichen. Jede Methode wird nach dem für sie am besten geeigneten Anwendungsfall klassifiziert. Zur Planung der Messinfrastruktur wird ein Konzept vorgestellt, um optimale Messstellen für die vorgestellten Monitoring-Methoden zu ermitteln. Ein Nutzer definiert die erforderliche Genauigkeit des Monitorings. Über das aktuelle Netzmodell und Informationen über potenzielle Messungen können heuristische Optimierer oder ein regelbasierter Algorithmus (zusätzliche) Messstellen identifizieren, die mehrere Anforderungen erfüllen: Die relevanten Schätzfehler sollten unter einem bestimmten Grenzwert liegen. Gleichzeitig sollen Investitionsausgaben für die Installation und den Betrieb der Messgeräte minimiert werden. Nach Abschluss der Optimierung werden mehrere mögliche Messkonfigurationen mit ihren durchschnittlichen und höchsten Schätzfehlern und den prognostizierten Investitionsausgaben dargestellt. Hierzu wird ein Web-Interface entwickelt.	ger
dcterms.accessRights	open access
dcterms.creator	Menke, Jan-Hendrik
dcterms.dateAccepted	2019-12-19
dcterms.extent	xvii, 173 Seiten
dcterms.isPartOf	Energy Management and Power System Operation ;; Vol. 11	eng
dc.contributor.corporatename	Kassel, Universität Kassel, Fachbereich Elektrotechnik / Informatik	ger
dc.contributor.referee	Braun, Martin (Prof. Dr.)
dc.contributor.referee	Lehnhoff, Sebastian (Prof. Dr.)
dc.publisher.place	Kassel
dc.relation.isbn	978-3-7376-0872-5
dc.subject.swd	Verteilungsnetz	ger
dc.subject.swd	Übertragungsnetz	ger
dc.subject.swd	Monitorüberwachung	ger
dc.subject.swd	Zustandsschätzung	ger
dc.subject.swd	Zustandsüberwachung	ger
dc.subject.swd	Netzbelastung	ger
dc.subject.swd	Messgröße	ger
dc.subject.swd	Neuronales Netz	ger
dc.type.version	publishedVersion
dcterms.source.series	Energy Management and Power System Operation
dcterms.source.volume	Vol. 11
kup.iskup	true
kup.order	https://www.genialokal.de/Produkt/Jan-Hendrik-Menke/A-Comprehensive-Approach-to-Implement-Monitoring-and-State-Estimation-in-Distribution-Grids-with-a-Low-Number-of-Measurements_lid_44519531.html
kup.price	39,00
kup.series	Energy Management and Power System Operation
kup.subject	Naturwissenschaft, Technik, Informatik, Medizin
kup.typ	Dissertation
kup.institution	FB 16 / Elektrotechnik / Informatik
kup.binding	Softcover
kup.size	DIN A5