<  Back to the Polytechnique Montréal portal

Synchrophasor Data Analytics for Control and Protection Applications in Smart Grids

Seyed Younes Seyedi

PhD thesis (2017)

[img]
Preview
Download (2MB)
Cite this document: Seyedi, S. Y. (2017). Synchrophasor Data Analytics for Control and Protection Applications in Smart Grids (PhD thesis, École Polytechnique de Montréal). Retrieved from https://publications.polymtl.ca/2598/
Show abstract Hide abstract

Abstract

RÉSUMÉ Des réseaux intelligents sont des réseaux d’énergie fortement distribués où les technologies d’énergie et des services sont intégrés avec des informations, des communications et contrôlent des technologies. Puisque les sources d’énergie renouvelable deviennent plus efficaces et rentables, les réseaux intelligents peuvent livrer la puissance propre, durable, sécuritaire, et fiable aux consommateurs. Cependant, l’utilisation rapide de sources d’énergie renouvelable provoque des défis techniques en termes de surveillance, le contrôle et la protection des réseaux électriques. En fait, l’énergie renouvelable implique les phénomènes qui sont naturellement stochastiques comme la lumière du soleil et le vent. Donc, les réseaux intelligents devraient être capables de surveiller et répondre aux changements tant dans fournisseur d’énergie que dans la demande. L’évolution des réseaux électriques provoque aussi le déploiement de nombreuses unités de mesure sans précédent et d’intelligents appareils de mesure. En vertu des systèmes de communications, les signaux en temps réel et les données peuvent être échangés entre les composants des réseaux intelligents. Le flux de données en temps réel fournit une occasion unique pour des applications axées sur les données et des outils pour démultiplier la modernisation de réseaux et la résilience. Les unités de mesure de phaseur sont les dispositifs spécialisés qui acquièrent le phaseur synchronisé (synchrophasor) des données des réseaux électriques. L’analytique de données Synchrophasor peut potentiellement étre plus performant que des méthodes traditionnelles en termes de prise de décisions. Spécifiquement, l’analytique de données est des approches qualitatives/quantitatives et les algorithmes qui rassemblent et traitent des données pour en fin de compte améliorer la conscience situationnelle dans des réseaux électriques. Motivé par ce fait, cette thèse présente des solutions viables pour l’analytique de données synchrophasor dans le but d’améliorer la surveillance, le contrôle et la protection de réseaux de distribution. La thèse se concentre sur trois fonctionnalités qui sont portées de basé sur l’analytique de données synchrophasor: Détection de perturbation centralisée, surveillance de production décentralisée (PD) et la protection “backup” coordonnée. L’objectif de surveillance de perturbation est de réaliser la détection rapide et fiable de tension/des déviations de fréquence qui affectent la stabilité de réseau. La surveillance de PD est liée à la détection de la présence/absence de ressources énergétiques pour la gestion du flux de puissance.----------ABSTRACT Smart grids are highly distributed energy networks where energy technologies and services are integrated with information, communications and control technologies. As renewable energy sources are becoming more efficient and cost–effective, the smart grids can deliver safe, clean, sustainable and reliable power to consumers. However, the rapid utilization of renewable energy sources brings about technical challenges in terms of monitoring, control, and protection of power systems. In fact, renewable energy involves phenomena which are naturally stochastic such as sunlight and wind. Therefore, the smart grids should be capable of monitoring and responding to changes in both power supply and demand. The evolution of the power systems also gives rise to deployment of unprecedented number of measurement units and smart meters. By virtue of communications systems, real-time signals and data can be exchanged between components of the smart grids. The flow of real-time data provides a unique opportunity for data-driven applications and tools to leverage grid modernization and resiliency. Phasor measurement units are specialized devices that acquire synchronized phasor (synchrophasor) data from the power systems. Synchrophasor data analytics can potentially outperform traditional methods in terms of decision making. Specifically, data analytics are qualitative/quantitative approaches and algorithms that collect and process data to ultimately improve situational awareness in the power systems. Motivated by this fact, this thesis presents viable solutions for synchrophasor data analytics with the aim of improving monitoring, control and protection of power distribution grids. The thesis focuses on three functionalities that are carried out based on synchrophasor data analytics: Centralized disturbance detection, monitoring of distributed generation (DG) systems, and coordinated backup protection. The objective of disturbance monitoring is to achieve fast and reliable detection of voltage/frequency deviations that affect the network stability. The DG monitoring is concerned with detecting presence/absence of energy resources for management of the flow of power. Disturbance and DG monitoring tools pave the way for adaptive backup protection of active distribution networks. The adaptive backup protection scheme ensures the post-fault stability by detecting line faults within a permissible tolerance time. The coordination between control and backup protection systems leads to fast recovery of voltage/frequency and minimizes power outage. The efficacy and reliability of the developed methods and algorithms are validated by extensive computer simulations based on different benchmarks.

Open Access document in PolyPublie
Department: Département de génie électrique
Dissertation/thesis director: Houshang Karimi
Date Deposited: 30 Oct 2017 15:12
Last Modified: 24 Oct 2018 16:12
PolyPublie URL: https://publications.polymtl.ca/2598/

Statistics

Total downloads

Downloads per month in the last year

Origin of downloads

Repository Staff Only