A Unified Scheme for Processing, Recovery, and Quality Improvement of Synchrophasor Data

Les applications de l'unité de mesure de vecteur de phase (PMU) ont considérablement évolué ces dernières années. La prolifération des applications basées sur les synchrophaseurs nécessite le développement de méthodes novatrices et efficaces de réseautage, de traitement, d'amélioration de la qualité, et d'archivage de données. L'une des fonctions clés des réseaux synchrophaseurs est le concentrateur de données de vecteurs de phase (PDC) qui collecte les données des PMUs transmises à partir de différents lieux géographiques du réseau électrique, puis les transmet aux applications cibles. Les natures incertaines des systèmes de communication et des PMUs limitent les performances des PDC et compromettent les applications en imposant des délais excessifs, des pertes de données, des erreurs de mesure, et du bruit. Le délai, la disponibilité et la qualité des données déterminent si un réseau des synchrophaseurs peut prendre en charge certaines applications. De plus, un réseau des synchrophaseurs efficace doit être capable de traiter et d'archiver des quantités massives de données. Cette thèse propose une solution unifiée pour améliorer la disponibilité, les délais et la qualité des données de synchrophaseurs. Les principaux algorithmes de la solution proposée sont la coordination optimale de PDCs, la récupération de données synchrophaseurs manquantes, et la compression efficace pour l'archivage. Les algorithmes proposés fonctionnent en temps réel et compatibles avec toutes les exigences des applications de données de synchrophaseurs. Les modèles mathématiques du réseau de synchrophaseurs sont développés et les paramètres des PDCs sont ajustés de manière optimale pour maximiser le débit des données fournies à l'application dans les limites de temps spécifiées. L'algorithme temps réel de la récupération des données de synchrophaseurs manquantes utilise un problème non-convexe de complétion de matrices (MC) avec la pénalité quasi-norme de Schatten-q. L'algorithme d'approximation de rang réduit proposé est utilisé pour la réduction de bruit dans les données. Enfin, la méthode de compression proposée comprend une technique de réduction de dimensionnalité basée sur la décomposition en valeurs singulières (SVD) et un algorithme de partitionnement progressif. L'algorithme de partitionnement sépare les données en différentes partitions selon leurs conditions, par exemple, les conditions normales d'opération, les perturbations et les défauts. La dimensionnalité de ces partitions est réduite en rejetant les modes SVD dominés par l'erreur de mesure PMU. De nombreux tests numériques sont effectués à l'aide de données de terrain et synthétiques de PMU pour évaluer les performances des algorithmes proposés.