doi: 10.17586/2226-1494-2023-23-2-289-298


УДК 004.032.4 004.032.2

Методика управления компонентами распределительной электроэнергетической системы при обеспечении качества потребляемой электроэнергии

Мозохин А.Е., Шведенко В.Н.


Читать статью полностью 
Язык статьи - русский

Ссылка для цитирования:
Мозохин А.Е., Шведенко В.Н. Методика управления компонентами распределительной электроэнергетической системы при обеспечении качества потребляемой электроэнергии // Научно-технический вестник информационных технологий, механики и оптики. 2023. Т. 23, № 2. С. 289–298. doi: 10.17586/2226-1494-2023-23-2-289-298


Аннотация
Предмет исследования. Электроэнергетическая система представляет собой сложную организационную структуру, которая обеспечивает рабочее взаимодействие для входящих в нее интеллектуальных электронных устройств, за счет определения их ролей, каналов связи и полномочий. Система управления современной электроэнергетической системой должна обеспечивать согласованность работы интеллектуальных электронных устройств на технологических этапах генерации, транспорта, распределения и потребления энергии. Недостатком существующих систем управления технологическими процессами в таких системах является использование иерархической структуры управления применительно к сетевой топологии. Это приводит к возникновению конфликтов ресурсов и процессов на этапах генерации, транспорта, распределения и потребления электроэнергии. Несогласованная работа устройств управления приводит к снижению эффективности функционирования энергетических объектов, что негативно влияет на качество электроэнергии в сети электроснабжения. МетодДля синхронизации работы распределенных по сети интеллектуальных электронных устройств предложено обеспечивать их совместную работу через единый информационный центр в цифровой среде. При этом управление режимами работы сети электроснабжения осуществлено с применением цифровых двойников компонентов. Основные результаты. Цифровые двойники объектов электроэнергетической системы выполняют прогнозирование показателей качества электроэнергии, имитируют режимы работы взаимодействующих устройств в цифровой среде, а также контролируют управление компонентами сети электроснабжения для обеспечения рационального режима работы. Для достижения универсальности и быстродействия системы управления использован аппарат нечетких искусственных нейронных сетей, а для лучшего прогнозирования показателей качества электроэнергии в сети — ансамбли искусственных нейронных сетей. Практическая значимость. Разработана методика управления качеством электроэнергии на участках распределительной электрической сети с применением цифровых двойников, обеспечивающих взаимосвязь контролируемых показателей качества электроэнергии и регулируемых величин исполнительных механизмов интеллектуальных электронных устройств.

Ключевые слова: система управления, цифровой двойник, ансамбль искусственных нейронных сетей, электроэнергетическая система, интеллектуальные электронные устройства, показатели качества электроэнергии

Список литературы
  1. Мозохин А.Е., Шведенко В.Н. Анализ направлений развития цифровизации отечественных и зарубежных энергетических систем // Научно-технический вестник информационных технологий. механики и оптики. 2019. Т. 19. № 4. С. 657–672. https://doi.org/10.17586/2226-1494-2019-19-4-657-672
  2. Веселов Ф.В., Дорофеев В.В. Интеллектуальная энергосистема России как новый этап развития электроэнергетики в условиях цифровой экономики // Энергетическая политика. 2018. № 5. С. 43–52.
  3. Naderi Y., Sims R., Coffele F., Xu L. Active power quality management in smart microgrids // CIRED - Open Access Proceedings Journal. 2020. V. 2020. N 1. P. 262–265. https://doi.org/10.1049/oap-cired.2021.0324
  4. Naderi Y., Hosseini S.H., Zadeh S.G., Mohammadi-Ivatloo B., Vasquez J.C., Guerrero J.M. An overview of power quality enhancement techniques applied to distributed generation in electrical distribution networks // Renewable and Sustainable Energy Reviews. 2018. V. 93. P. 201–214. https://doi.org/10.1016/j.rser.2018.05.013
  5. Zhang P., Feng Q., Chen R., Wang D., Ren L. Classification and identification of power quality in distribution network // Proc. of the 5th International Conference on Power and Renewable Energy (ICPRE). 2020. P. 533–537. https://doi.org/10.1109/ICPRE51194.2020.9233147
  6. Chowdhury P.R., Sahu P.K., Essakiappan S., Manjrekar M., Schneider K., Laval S. Power quality and stability in a cluster of microgrids with coordinated power and energy management // Proc. of the 2020 IEEE Industry Applications Society Annual Meeting. 2020. P. 1–7. https://doi.org/10.1109/IAS44978.2020.9334828
  7. Jin S., Hogewood L., Fries S., Lambert J.H., Fiondella L., Strelzoff A., Boone J., Fleckner K., Linkov I. Resilience of cyber-physical systems: Role of AI, digital twins, and edge computing // IEEE Engineering Management Review. 2022. V. 50. N 2. P. 195–203. https://doi.org/10.1109/EMR.2022.3172649
  8. Liu T., Yu H., Yin H., Zhang Z., Sui Z., Zhu D., Gao L., Li Z. Research and application of digital twin technology in power grid development business // Proc. of the 6th Asia Conference on Power and Electrical Engineering (ACPEE). 2021. P. 383–387. https://doi.org/10.1109/ACPEE51499.2021.9436946
  9. Fu Y., Huang Y., Hou F., Li K. A brief review of digital twin in electric power industry // Proc. of the IEEE 5th International Electrical and Energy Conference (CIEEC). 2022. P. 2314–2318. https://doi.org/10.1109/CIEEC54735.2022.9846081
  10. Ardebili A.A., Longo A., Ficarella A. Digital Twins bonds society with cyber-physical Energy Systems: a literature review // Proc. of the 2021 IEEE International Conferences on Internet of Things (iThings) and IEEE Green Computing & Communications (GreenCom) and IEEE Cyber, Physical & Social Computing (CPSCom) and IEEE Smart Data (SmartData) and IEEE Congress on Cybermatics (Cybermatics). 2021. P. 284–289. https://doi.org/10.1109/iThings-GreenCom-CPSCom-SmartData-Cybermatics53846.2021.00054
  11. Steindl G., Stagl M., Kasper L., Kastner W., Hofmann R. Generic digital twin architecture for industrial energy systems // Applied Science. 2020. V. 10. N 24. P. 8903. https://doi.org/10.3390/app10248903
  12. Kharlamova N., Traholt C., Hashemi S. A digital twin of battery energy storage systems providing frequency regulation // Proc. of the 2022 IEEE International Systems Conference (SysCon). 2022. P. 1–7. https://doi.org/10.1109/SysCon53536.2022.9773919
  13. Liu J., Wang S., Lu X., Li T. Research on online status evaluation technology for main equipment of power transmission and transformation based on digital twin // Proc. of the IEEE 5th Conference on Energy Internet and Energy System Integration (EI2). 2021. P. 3368–3373. https://doi.org/10.1109/EI252483.2021.9713501
  14. Bonetti A., Harispuru C., Pitzer M., Pustejovsky M., Wetterstrand N., Kachelrieß S. Digital twin technology for virtual testing of power system relay protection // Proc. of the 3rd Global Power, Energy and Communication Conference (GPECOM). 2021. P. 154–160. https://doi.org/10.1109/GPECOM52585.2021.9587869
  15. Шведенко В.Н., Мозохин А.Е. Применение концепции цифровых двойников на этапах жизненного цикла производственных систем // Научно-технический вестник информационных технологий, механики и оптики. 2020. Т. 20. № 6. С. 815–827. https://doi.org/10.17586/2226-1494-2020-20-6-815-827
  16. Шведенко В.Н., Мозохин А.Е. Концепция управления сетевой структурой интеллектуальных устройств в условиях цифровой трансформации энергетической отрасли // Научно-технический вестник информационных технологий, механики и оптики. 2021. Т. 21. № 5. С. 748–754. https://doi.org/10.17586/2226-1494-2021-21-5-748-754
  17. Ahmed M.S., Mohamed A., Shareef H., Homod R.Z., Ali J.A. Artificial neural network based controller for home energy management considering demand response events // Proc. of the International Conference on Advances in Electrical, Electronic and Systems Engineering (ICAEES). 2016. P. 506–509. https://doi.org/10.1109/icaees.2016.7888097
  18. Işık E., Inalli M. Artificial neural networks and adaptive neuro-fuzzy inference systems approaches to forecast the meteorological data for HVAC: The case of cities for Turkey // Energy. 2018. V. 154. P. 7–16. https://doi.org/10.1016/j.energy.2018.04.069
  19. Abdelaziz Y., Ali E.S. Cuckoo search algorithm based load frequency controller design for nonlinear interconnected power system // International Journal of Electrical Power & Energy Systems. 2015. V. 73. P. 632–643. https://doi.org/10.1016/j.ijepes.2015.05.050
  20. Howell S.K., Wicaksono H., Yuce B., McGlinn K., Rezgui Y. User centered neuro-fuzzy energy management through semantic-based optimization // IEEE Transactions on Cybernetics. 2019. V. 49. N 9. P. 3278–3292. https://doi.org/10.1109/tcyb.2018.2839700
  21. Лабинский А.Ю., Нефедьев С.А., Бардулин Е.Н. Использование нечеткой логики и нейронных сетей в системах автоматического управления // Вестник Санкт-Петербургского университета Государственной противопожарной службы МЧС России. 2019. № 1 [Электронный ресурс]. URL: https://cyberleninka.ru/article/n/ispolzovanie-nechetkoy-logiki-i-neyronnyh-setey-v-sistemah-avtomaticheskogo-upravleniya(дата обращения: 18.12.2022).
  22. ParvinK., HossainLipuM.S., HannanM.A., AbdullahM.A., JernK.P., BegumR.A., Mansur M., Muttaqi K.M., Indra MahliaT.M., DongZ.Y. Intelligent controlle r sand optimization algorithms fo building energy management to wards achieving sustainable development: challenge sand prospects// IEEEAccess. 2021. V. 9. P. 41577–41602. https://doi.org/10.1109/ACCESS.2021.3065087
  23. Кочкин В.И., Нечаев О.П. Применение статических компенсаторов реактивной мощности в электрических сетях энергосистем и предприятий. М.: Изд-во НЦ ЭНАС, 2000. 248 с.
  24. Кабышев А.В. Компенсация реактивной мощности в электроустановках промышленных предприятий. Томск: ТПУ, 2012. 234 c.
  25. Yong Z., Li-Juan Y., Qian Z., Xiao-Yan S. Multi-objective optimization of building energy performance using a particle swarm optimizer with less control parameters // Journal of Building Engineering. 2020. V. 32. P. 101505. https://doi.org/10.1016/j.jobe.2020.101505


Creative Commons License

This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License
Информация 2001-2024 ©
Научно-технический вестник информационных технологий, механики и оптики.
Все права защищены.

Яндекс.Метрика