論文の概要: Evaluating the Planning and Operational Resilience of Electrical
Distribution Systems with Distributed Energy Resources using Complex Network
Theory
- arxiv url: http://arxiv.org/abs/2208.11543v4
- Date: Thu, 6 Jul 2023 04:55:09 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-07 18:28:05.687809
- Title: Evaluating the Planning and Operational Resilience of Electrical
Distribution Systems with Distributed Energy Resources using Complex Network
Theory
- Title（参考訳）: 複雑なネットワーク理論を用いた分散型エネルギー資源を用いた配電システムの計画と運用のレジリエンス評価
- Authors: Divyanshi Dwivedi, Pradeep Kumar Yemula, Mayukha Pal
- Abstract要約: 本稿では,極端事象下での配電系統の計画と運用のレジリエンスを評価する手法を提案する。
提案するフレームワークは,複雑なネットワーク理論を効果的に活用して開発されている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Electrical Distribution Systems are extensively penetrated with Distributed
Energy Resources (DERs) to cater the energy demands with the general perception
that it enhances the system's resilience. However, integration of DERs may
adversely affect the grid operation and affect the system resilience due to
various factors like their intermittent availability, dynamics of weather
conditions, non-linearity, complexity, number of malicious threats, and
improved reliability requirements of consumers. This paper proposes a
methodology to evaluate the planning and operational resilience of power
distribution systems under extreme events and determines the withstand
capability of the electrical network. The proposed framework is developed by
effectively employing the complex network theory. Correlated networks for
undesirable configurations are developed from the time series data of active
power monitored at nodes of the electrical network. For these correlated
networks, computed the network parameters such as clustering coefficient,
assortative coefficient, average degree and power law exponent for the
anticipation; and percolation threshold for the determination of the network
withstand capability under extreme conditions. The proposed methodology is also
suitable for identifying the hosting capacity of solar panels in the system
while maintaining resilience under different unfavourable conditions and
identifying the most critical nodes of the system that could drive the system
into non-resilience. This framework is demonstrated on IEEE 123 node test
feeder by generating active power time-series data for a variety of electrical
conditions using simulation software, GridLAB-D. The percolation threshold
resulted as an effective metric for the determination of the planning and
operational resilience of the power distribution system.
- Abstract（参考訳）: 電気系統は分散エネルギー資源(ders)によって広範囲に浸透し、エネルギー需要にシステムのレジリエンスを高めるという一般的な認識を満たしている。
しかし、dersの統合はグリッド操作に悪影響を与え、その断続的な可用性、気象条件のダイナミクス、非線形性、複雑さ、悪意のある脅威の数、消費者の信頼性要求の改善といった様々な要因によってシステムのレジリエンスに影響を与える可能性がある。
本稿では,極端事象下での配電系統の計画と運用のレジリエンスを評価する手法を提案し,電力系統の耐久能力について検討する。
提案手法は複雑なネットワーク理論を効果的に活用して開発された。
電力ネットワークのノードで監視されるアクティブ電力の時系列データから、望ましくない構成のための関連ネットワークを開発する。
これらの相関ネットワークに対しては,クラスタリング係数,アソシエイト係数,平均度,電力法指数などのネットワークパラメータを計算し,極端な条件下でのネットワークの耐力判定のためのパーコレーション閾値を算出した。
提案手法は, 異なる条件下でレジリエンスを維持しつつ, システム内のソーラーパネルのホスト容量を同定し, システムの非レジリエンス化に寄与する最重要ノードを特定するのにも適している。
このフレームワークは、シミュレーションソフトウェアGridLAB-Dを用いて、様々な電気条件のアクティブ電力時系列データを生成することにより、IEEE 123ノードテストフィード上で実証される。
パーコレーション閾値は配電システムの計画と運用のレジリエンスの決定に有効な指標となった。
関連論文リスト
- SafePowerGraph: Safety-aware Evaluation of Graph Neural Networks for Transmission Power Grids [55.35059657148395]
我々は,電力システム(PS)におけるグラフニューラルネットワーク(GNN)のための,最初のシミュレータに依存しない,安全指向のフレームワークであるSafePowerGraphを紹介する。
SafePowerGraphは複数のPFシミュレータとOPFシミュレータを統合し、エネルギー価格の変動や電力線停止など、さまざまなシナリオでGNNのパフォーマンスを評価する。
論文 参考訳（メタデータ） (2024-07-17T09:01:38Z) - Machine Learning for Scalable and Optimal Load Shedding Under Power System Contingency [6.201026565902282]
ネットワーク制限を考慮に入れた最適なロードシェディング(OLS)は、同時実行シナリオの多様なシステム全体への影響に対処する可能性がある。
本稿では、ニューラルネットワーク(NN)モデルのオフライントレーニングを活用して、個別の負荷センターに分散した設計を行い、OLSソリューションを自律的に構築する。
我々のLearning-for-OLSアプローチは、オンライン緊急応答における計算と通信の必要性を大幅に削減できる。
論文 参考訳（メタデータ） (2024-05-09T03:19:20Z) - Data-driven Energy Efficiency Modelling in Large-scale Networks: An Expert Knowledge and ML-based Approach [8.326834499339107]
本稿では,通信ネットワーク(SRCON)フレームワークのシミュレーション現実について紹介する。
ライブのネットワークデータを活用し、機械学習(ML)とエキスパートベースのモデルをブレンドする。
その結果、ネットワークエネルギー効率のモデリングにオペレーターが使用する最先端技術よりも大きな効果が得られた。
論文 参考訳（メタデータ） (2023-12-31T10:03:08Z) - Multiagent Reinforcement Learning with an Attention Mechanism for
Improving Energy Efficiency in LoRa Networks [52.96907334080273]
ネットワーク規模が大きくなるにつれて、パケット衝突によるLoRaネットワークのエネルギー効率は急激に低下する。
マルチエージェント強化学習(MALoRa)に基づく伝送パラメータ割り当てアルゴリズムを提案する。
シミュレーションの結果,MALoRaはベースラインアルゴリズムと比較してシステムEEを著しく改善することがわかった。
論文 参考訳（メタデータ） (2023-09-16T11:37:23Z) - Distributed Energy Management and Demand Response in Smart Grids: A
Multi-Agent Deep Reinforcement Learning Framework [53.97223237572147]
本稿では、自律制御と再生可能エネルギー資源のスマート電力グリッドシステムへの統合のための多エージェント深層強化学習(DRL)フレームワークを提案する。
特に,提案フレームワークは,住宅利用者に対する需要応答 (DR) と分散エネルギー管理 (DEM) を共同で検討している。
論文 参考訳（メタデータ） (2022-11-29T01:18:58Z) - Evaluating Distribution System Reliability with Hyperstructures Graph
Convolutional Nets [74.51865676466056]
本稿では,グラフ畳み込みネットワークとハイパー構造表現学習フレームワークを,精度,信頼性,計算効率のよい分散グリッド計画に活用する方法を示す。
数値実験の結果,提案手法は計算効率を大幅に向上させることがわかった。
論文 参考訳（メタデータ） (2022-11-14T01:29:09Z) - Data-Driven Approach to form Energy Resilient Smart Microgrids with
Identification of Vulnerable Nodes in Active Electrical Distribution Network [0.0]
電気配電網におけるノード識別の弱いDERを最適に割り当てる手法を提案する。
分布系をグラフ理論とグラフニューラルネットワーク(GNN)アーキテクチャを用いて最適マイクログリッドに分割した。
脆弱なノード上のDERの配置により、ネットワークの信頼性とレジリエンスが向上した。
論文 参考訳（メタデータ） (2022-08-24T17:39:36Z) - Stabilizing Voltage in Power Distribution Networks via Multi-Agent
Reinforcement Learning with Transformer [128.19212716007794]
本稿では,変圧器を用いたマルチエージェント・アクタ・クリティカル・フレームワーク(T-MAAC)を提案する。
さらに、電圧制御タスクに適した新しい補助タスクトレーニングプロセスを採用し、サンプル効率を向上する。
論文 参考訳（メタデータ） (2022-06-08T07:48:42Z) - Knowledge- and Data-driven Services for Energy Systems using Graph
Neural Networks [0.9809636731336702]
グラフニューラルネットワーク(GNN)の枠組みに基づくエネルギーシステムのためのデータおよび知識駆動型確率的グラフィカルモデルを提案する。
このモデルは、グリッドトポロジや物理制約の形で、明らかにドメイン知識をファクタリングし、スパーアーキテクチャとはるかに小さなパラメータの寸法性をもたらす。
実世界のスマートグリッドデモプロジェクトから得られた結果は、グリッドの混雑予測や市場入札サービスにどのようにGNNを使用したかを示している。
論文 参考訳（メタデータ） (2021-03-12T13:00:01Z) - Resilient Identification of Distribution Network Topology [0.0]
本稿では,DERMSで利用可能な測定値のみに依存するネットワークTI関数を提案する。
提案手法は,ネットワークスイッチング構成と保護装置の状態を同定する。
計算負荷が低いため、このアプローチは高速トラックであり、リアルタイムアプリケーションに適用できる。
論文 参考訳（メタデータ） (2020-11-16T14:23:56Z) - Risk-Aware Energy Scheduling for Edge Computing with Microgrid: A
Multi-Agent Deep Reinforcement Learning Approach [82.6692222294594]
マイクログリッドを用いたMECネットワークにおけるリスク対応エネルギースケジューリング問題について検討する。
ニューラルネットワークを用いたマルチエージェントディープ強化学習(MADRL)に基づくアドバンテージアクター・クリティック(A3C)アルゴリズムを適用し,その解を導出する。
論文 参考訳（メタデータ） (2020-02-21T02:14:38Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。