Un nuovo metodo per mappare i percorsi di distribuzione dell'energia
Presentiamo un nuovo approccio per identificare i percorsi elettrici utilizzando dati GIS statici.
Maurizio Vassallo, Adrien Leerschool, Alireza Bahmanyar, Laurine Duchesne, Simon Gerard, Thomas Wehenkel, Damien Ernst
― 6 leggere min
Indice
Le reti di distribuzione dell'elettricità portano energia dai trasformatori a case e aziende. Queste reti stanno diventando sempre più complesse a causa di un numero maggiore di clienti e dell'aggiunta di fonti di energia rinnovabile. È fondamentale sapere come l'elettricità si muove attraverso queste reti per garantire una pianificazione e una gestione efficienti.
Una delle grosse sfide che affrontano gli operatori di sistema di distribuzione (DSO) è capire il percorso esatto che l'elettricità fa per raggiungere i clienti. Questo processo si chiama identificazione del percorso topologico (TPI). A causa delle dimensioni enormi di queste reti e dei limiti nei dati disponibili, i DSO spesso non conoscono i percorsi.
Affrontando la sfida del TPI, i DSO possono capire meglio come i clienti si connettono agli elementi della rete, come i trasformatori. Questa comprensione è fondamentale per una pianificazione precisa e per la modellazione digitale della rete.
Lavori Precedenti
Esistono vari metodi per affrontare il problema di identificazione dei percorsi di rete. Questi metodi possono essere divisi in due gruppi: quelli che lavorano con dati statici e quelli che si basano su dati di infrastruttura di misurazione avanzata (AMI).
Il primo gruppo utilizza dati di sistemi informativi geografici (GIS). Questo tipo di dati mostra le posizioni fisiche degli elementi della rete. Alcuni studi hanno identificato con successo i percorsi di rete usando questo metodo collegando elementi in base alle loro distanze. Altri hanno usato approcci diversi, come tecniche di clustering, per affinare la comprensione della disposizione della rete.
Tuttavia, mentre i metodi con dati statici possono essere più facili da usare, spesso presentano problemi come informazioni incomplete.
Il secondo gruppo si basa su dati provenienti da contatori intelligenti e sensori. Queste tecnologie avanzate forniscono letture dinamiche della rete ma richiedono una copertura estesa. In molti casi, la mancanza di dati completi limita la loro utilità.
Nuovo Approccio
Questo articolo presenta un nuovo metodo per aiutare i DSO a identificare i percorsi topologici dei clienti utilizzando solo dati GIS statici e le connessioni tra clienti e trasformatori. Questo metodo non ha bisogno di dati AMI, rendendolo più applicabile per i DSO con infrastrutture meno avanzate.
L'approccio formula il problema utilizzando un algoritmo di programmazione lineare intera (ILP). L'obiettivo principale è collegare il maggior numero possibile di clienti al loro corretto trasformatore, affrontando nel contempo le imprecisioni nei dati.
Il nuovo metodo è testato sia con esempi accademici che con reti del mondo reale. I risultati mostrano che questo metodo identifica efficacemente i percorsi dei clienti anche quando i dati sono limitati.
Comprendere gli Elementi della Rete
Le reti di distribuzione dell'energia sono costituite da vari elementi come sottostazioni, linee, giunzioni e clienti. Ognuno di questi elementi ha caratteristiche distinte come tipo e posizione. Catalogando e comprendendo questi elementi, diventa più facile analizzare la struttura complessiva della rete.
Concetti di Percorso
In questo contesto, un percorso topologico del cliente è il tragitto che l'elettricità segue da un trasformatore a un cliente. Ci sono diversi tipi di percorsi:
Percorsi Ipotesi
Questi percorsi sono vie potenziali dove il cliente iniziale è noto, ma le connessioni al trasformatore sono incerte. Rappresentano le possibilità di come l'elettricità potrebbe fluire per raggiungere un cliente.
Percorsi Reali
I percorsi reali rappresentano il tragitto effettivo che l'elettricità compie da un trasformatore a un cliente. Nelle reti radiali, ogni cliente ha tipicamente un solo percorso reale, poiché riceve energia da un solo trasformatore.
Percorsi Stimati
Questi sono approssimazioni dei percorsi reali basate sui dati disponibili. Sono derivati da percorsi ipotetici e dovrebbero rappresentare la realtà della rete il più fedelmente possibile.
Metodologia
Il metodo proposto inizia con i dati grezzi disponibili per il DSO. Questo di solito include dati GIS, informazioni sui clienti e regole di configurazione della rete. L'obiettivo è stimare i percorsi dei clienti che si avvicinano ai percorsi reali.
Passi nel Metodo
Raccogliere Informazioni Grezze: Questo include coordinate GIS degli elementi, i loro tipi e le connessioni ai trasformatori.
Definire Funzioni di Trasformazione: Queste funzioni aiutano a convertire le informazioni grezze in un formato chiaro pertinente alla rete.
Creare Informazioni Ben Definite: Queste nuove informazioni vengono utilizzate per identificare potenziali percorsi.
Generare Percorsi Ipotetici: Usando le informazioni ben definite, il metodo costruisce percorsi ipotetici che potrebbero collegare i clienti ai trasformatori.
Stimare Percorsi: Il passo successivo è identificare percorsi che stimano i percorsi reali, utilizzando l'approccio di ottimizzazione ILP.
Validare i Percorsi Stimati: Le soluzioni ottenute vengono verificate per assicurarsi che siano in linea con le possibilità realistiche.
Casi Studio
Esempio Accademico
Per illustrare come funziona il metodo, viene considerato un esempio accademico. Questo esempio presenta una piccola rete di distribuzione di energia. I risultati dimostrano come il metodo aiuti a identificare i percorsi dei clienti basandosi su dati limitati.
La metodologia segue gli stessi passi sopra descritti, portando all'identificazione di percorsi ipotetici e alla loro raffinazione in percorsi stimati.
Applicazione nel Mondo Reale
La metodologia è stata applicata anche a una rete di distribuzione reale in Belgio. Questo caso sottolinea le sfide affrontate quando si lavora con dati incompleti. L'approccio ha dimostrato la sua efficacia nell'identificare connessioni anche quando mancavano diversi registri.
Risultati
La metodologia identifica i percorsi in modo efficiente anche con dati incompleti. I percorsi stimati sono riusciti a collegare un numero significativo di clienti ai trasformatori corretti.
Attraverso rappresentazioni grafiche, vengono illustrate le connessioni tra gli elementi, facilitando la visualizzazione delle connessioni con i clienti.
Funzione Diagnostica
Una volta identificati i percorsi stimati, una funzione diagnostica verifica la loro validità. Se vengono scoperti dei problemi, il metodo consente di apportare modifiche alle funzioni di trasformazione e rivalutare i percorsi.
Questa fase è cruciale per garantire l'affidabilità dei percorsi stimati e può aiutare a individuare errori nei dati del DSO.
Conclusione
Questo metodo offre una soluzione pratica per affrontare il problema dell'identificazione dei percorsi topologici nelle reti di distribuzione dell'energia. Basandosi esclusivamente sui dati GIS statici, questo approccio semplifica il processo e riduce la necessità di tecnologie avanzate come i contatori intelligenti.
La capacità di identificare percorsi accurati ha importanti implicazioni per la gestione e la pianificazione efficienti della rete. Inoltre, il metodo offre una base per creare modelli digitali delle reti di energia, assistendo i DSO nei loro compiti operativi.
I lavori futuri potrebbero concentrarsi sull'estensione di questo algoritmo per includere l'identificazione di percorsi di backup o l'incorporamento di dati AMI per affinare ulteriormente l'approccio. Inoltre, si cercherà di migliorare la scalabilità e l'efficienza del processo di ottimizzazione.
Questo lavoro mira infine ad aiutare i DSO a ottimizzare le loro reti di distribuzione, migliorando la affidabilità del servizio e l'efficienza operativa.
Titolo: An Optimization Algorithm for Customer Topological Paths Identification in Electrical Distribution Networks
Estratto: A customer topological path represents the sequence of network elements connecting an MV/LV transformer to a customer. Accurate knowledge of these paths is crucial for distribution system operators (DSOs) in digitalization, analysis, and network planning. This paper introduces an innovative approach to address the challenge of customer topological path identification (TPI) using only the limited and often inaccurate data available to DSOs. Specifically, our method relies only on geographic information system (GIS) data of network elements and the customer to MV/LV transformers connection information. We introduce an integer linear programming (ILP) optimization algorithm designed to identify customer topological paths that closely approximate the real electricity paths. The effectiveness of the proposed approach is demonstrated through its application to both an academic and a real-world electrical distribution network. Results show that the method effectively addresses data inaccuracies and successfully identifies customer topological paths, providing a valuable tool for DSOs in developing accurate digital twins of their distribution networks.
Autori: Maurizio Vassallo, Adrien Leerschool, Alireza Bahmanyar, Laurine Duchesne, Simon Gerard, Thomas Wehenkel, Damien Ernst
Ultimo aggiornamento: 2024-09-09 00:00:00
Lingua: English
URL di origine: https://arxiv.org/abs/2409.09073
Fonte PDF: https://arxiv.org/pdf/2409.09073
Licenza: https://creativecommons.org/publicdomain/zero/1.0/
Modifiche: Questa sintesi è stata creata con l'assistenza di AI e potrebbe presentare delle imprecisioni. Per informazioni accurate, consultare i documenti originali collegati qui.
Si ringrazia arxiv per l'utilizzo della sua interoperabilità ad accesso aperto.
Link di riferimento
- https://doi.org/10.1109/PowerTech46648.2021.9495093
- https://doi.org/
- https://doi.org/10.1016/j.epsr.2022.108969
- https://doi.org/10.1109/TSG.2019.2933006
- https://doi.org/10.1109/PTC.2017.7981064
- https://doi.org/10.1109/TSSC.1968.300136
- https://doi.org/10.5772/63631
- https://doi.org/10.1109/DRPT.2008.4523781
- https://doi.org/10.1109/ISGTEurope52324.2021.9640163
- https://doi.org/10.1109/TPWRS.2010.2052077
- https://doi.org/10.1109/TDC.2018.8440540
- https://api.semanticscholar.org/CorpusID:55344363
- https://doi.org/10.1109/PSCE.2009.4839979
- https://doi.org/10.1109/TPWRD.2024.3354292
- https://doi.org/10.1109/TDC.2016.7519985
- https://api.semanticscholar.org/CorpusID:38279545
- https://doi.org/10.1088/1755-1315/384/1/012231
- https://doi.org/10.1109/JSYST.2022.3153449
- https://doi.org/10.1109/CEEPE62022.2024.10586328
- https://doi.org/10.3389/fenrg.2020.613331
- https://doi.org/10.1109/CSAT61646.2023.00172
- https://doi.org/10.1109/ITOEC.2018.8740469
- https://doi.org/10.1109/ICITBS53129.2021.00045
- https://doi.org/10.1109/TII.2023.3280936
- https://doi.org/10.1049/joe.2019.1319
- https://github.com/TPIproblem/OptimalTPI