Συμβολή Μηχανικής Μάθησης Στον Έλεγχο Δυναμικής Ασφάλειας Συστημάτων Ηλεκτρικής Ενέργειας

Abstract

Η ασφάλεια ορίζεται ως η ικανότητα ενός συστήματος ηλεκτρικής ενέργειας να διατηρήσει τη συνεχή λειτουργία του, τόσο υπό κανονικές συνθήκες όσο και κάτω από σοβαρές διαταραχές. Τα σύγχρονα συστήματα αναγκάζονται να λειτουργούν με ολοένα και μικρότερα περιθώρια ασφάλειας καθώς η ζήτηση ηλεκτρικής ισχύος αυξάνεται με ρυθμούς συχνά μεγαλύτερους από τις δυνατότητες εγκατάστασης νέου εξοπλισμού παραγωγής και μεταφοράς. Έτσι η γρήγορη και αξιόπιστη εκτίμηση της κατάστασης ασφάλειας ενός συστήματος ηλεκτρικής ενέργειας καθίσταται αναγκαία. Στο πεδίο της Εκτίμησης της Δυναμικής Ασφάλειας (ΕΔΑ) δίνεται ιδιαίτερη έμφαση στον προληπτικό και τον διορθωτικό έλεγχο. Ο προληπτικός έλεγχος έχει να κάνει με ένα σύνολο δράσεων που εφαρμόζονται όταν εντοπίζεται ανασφαλής κατάσταση λειτουργίας, ενώ ο διορθωτικός έλεγχος εφαρμόζεται για να αντισταθμίσει τις συνέπειες της ανασφαλούς λειτουργίας του συστήματος αφού έχει συμβεί μια σοβαρή διαταραχή. Ο σκοπός αυτής της διατριβής είναι η εφαρμογή μεθόδων μηχανικής μάθησης στην εκτίμηση και τον έλεγχο δυναμικής ασφάλειας των συστημάτων ηλεκτρικής ενέργειας. Οι μέθοδοι μηχανικής μάθησης έχουν ιδιότητες που τις καθιστούν ιδιαίτερα ελκυστικές σε σχέση με τις αναλυτικές μεθόδους που παραδοσιακά εφαρμόζονται. Ένα πλεονέκτημά τους είναι η πολύ γρήγορη απόκρισή τους μετά τη διαδικασία της εκπαίδευσής τους. Επιπλέον έχουν τη δυνατότητα να αναγνωρίζουν αν μια κατάσταση του συστήματος έχει συμβεί ξανά και να προβλέπουν αντίστοιχα το βαθμό ασφάλειάς της Παρομοίως αν σχεδιαστούν σωστά προσαρμόζονται εύκολα σε νέες συνθήκες μαθαίνοντας από προηγούμενες καταστάσεις. Τέλος έχουν τη δυνατότητα να αποκαλύπτουν άγνωστα χαρακτηριστικά και σχέσεις σε ένα σύστημα.Στην παρούσα διατριβή, εφαρμόζονται Δέντρα Απόφασης (ΔΑ) για να προτείνουν κανόνες ασφάλειας που στη συνέχεια μπορούν να χρησιμοποιηθούν για τη διαχείριση φορτίου αλλά και της οικονομικής κατανομής φορτίου υπό τον περιορισμό ασφαλούς λειτουργίας. Προτείνεται επίσης μια τροποποιημένη μέθοδος για την κατασκευή ΔΑ, που χρησιμοποιεί γενετικούς αλγορίθμους προκειμένου να σχηματιστούν χαρακτηριστικές ομάδες ζυγών φορτίου στο σύστημα από τις οποίες θα γίνει η απαραίτητη μείωση φορτίου. Η μέθοδος των ΔΑ αναπτύσσεται περαιτέρω και προτείνεται ένα υβριδικό σύστημα μάθησης για τον διορθωτικό έλεγχο ασφάλειας που βασίζεται σε ένα αυτοοργανούμενο χάρτη. Ο χάρτης εκτελεί ταξινόμηση των καταστάσεων ασφάλειας σύμφωνα με το προφίλ φόρτισης του συστήματος, ενώ ΔΑ αναλαμβάνουν να διερευνήσουν τις θέσεις του χάρτη με αδιευκρίνιστο βαθμό ασφάλειας. Η μέθοδος των Νευρωνικών Δικτύων Ακτινικής Συνάρτησης Βάσης (ΝΔΑΣΒ) και των Μηχανών Διανυσμάτων Υποστήριξης (ΜΔΥ) εφαρμόζεται για την ΕΔΑ ενώ παράλληλα διερευνώνται εναλλακτικές τεχνικές επιλογής χαρακτηριστικών. Αναπτύσσεται επίσης μια υβριδική μέθοδος που συνδυάζει τα ΝΔΑΣΒ με τη βελτιστοποίηση σμήνους σωματιδίων για τον προσδιορισμό κατάλληλων διορθωτικών και προληπτικών δράσεων ελέγχου ασφάλειας. Εφαρμόζεται επίσης η μέθοδος της ενισχυτικής μάθησης για τον προσδιορισμό της πολιτικής στρεφόμενης εφεδρείας ενός αυτόνομου συστήματος ηλεκτρικής ενέργειας. Ο αλγόριθμος εκπαιδεύεται online και συγκρίνεται με ντετερμινιστικές πολιτικές εφεδρείας. Τέλος προτείνεται μια μέθοδος μηχανικής μάθησης που συνδυάζει τη βελτιστοποίηση σμήνους σωματιδίων με έναν τροποποιημένο αλγόριθμο αυτοοργανούμενων χαρτών για τον προσδιορισμό της βέλτιστης λύσης ελεγχόμενης νησιδοποίησης του συστήματος. Οι παραπάνω μέθοδοι εφαρμόστηκαν σε διάφορα συστήματα όπως το Ελληνικό διασυνδεδεμένο σύστημα, το αυτόνομο σύστημα της Κύπρου, το μικροδίκτυο και το πολλαπλό μικροδίκτυο καθώς και σε πρότυπα συστήματα του IEEE.