Multistage planning for active distribution systems under uncertainty: a comprehensive approach

Detalhes bibliográficos
Autor(a) principal: Marcelo, Jonathan Ayala
Data de Publicação: 2023
Tipo de documento: Tese
Idioma: eng
Título da fonte: Repositório Institucional da UNESP
Texto Completo: https://hdl.handle.net/11449/250945
Resumo: Neste trabalho propõe-se um novo modelo estocástico de dois estágios baseado em cenários para o planejamento multiestágio de sistemas ativos de distribuição de energia elétrica considerando um tratamento adequado das incertezas. O problema de planejamento é formulado como um modelo de programação quadrática inteira mista e resolvido mediante uma nova técnica matheurística que pode obter soluções de alta qualidade garantindo sua factibilidade em relação ao problema original (não linear e não convexo). Como o planejamento ótimo depende tanto da qualidade dos dados quanto da modelagem e da técnica de solução, os dados (parâmetros operacionais) e as incertezas são modeladas detalhadamente, considerando incertezas de curto e longo prazo. Propõe-se também um novo método para estimar as cargas dos veículos elétricos com base em distribuições de probabilidades. Para capturar a diversidade dos cenários de operação a partir das incertezas de demanda e recursos energéticos, preservando a transição temporal da operação do sistema (útil para a modelagem dos sistemas de armazenamento de energia elétrica), são utilizados cenários representativos de operação de duração diária e resolução horária. Para isso, é proposto um novo método para determinar cenários representativos robustos que permitem ênfase em cenários críticos, como aqueles de demandas máxima e mínima. Um grande portfólio de ações de planejamento é considerado visando obter o melhor plano de investimento com base nos recursos tecnológicos atuais, bem como investigar seus impactos na operação do sistema. Essas ações incluem repotencialização das subestações, instalação de comutadores de tap sob carga (OLTCs), sistemas de geração distribuída, sistemas de armazenamento de energia elétrica, bancos de capacitores fixos e chaveados, compensadores estáticos de reativos (SVCs), reguladores de tensão e recondutoramento. Adicionalmente, o modelo garante reduções periódicas de CO$_2$, para atender o compromisso de limitar o aquecimento global. Para ponderar adequadamente estas emissões, são contabilizadas as emissões de CO$_2$ provenientes da operação do sistema de distribuição e dos veículos a combustão, considerando a redução de emissões resultante da adoção dos veículos elétricos. Após o planejamento, a confiabilidade dos planos de investimento é analisada quantitativamente, mostrando as vantagens de considerar adequadamente as incertezas no processamento dos dados. Para demonstrar a eficácia do modelo proposto, são realizados testes em um sistema de distribuição de 69 nós e em um sistema real de 135 nós, considerando três estudos de casos com diferentes tratamentos de incerteza e diferentes seleções de cenários representativos.
id UNSP_7d4c3c06b579cb9dfe6dd795a856c4ad
oai_identifier_str oai:repositorio.unesp.br:11449/250945
network_acronym_str UNSP
network_name_str Repositório Institucional da UNESP
repository_id_str 2946
spelling Multistage planning for active distribution systems under uncertainty: a comprehensive approachPlaneamento multiestágio de sistemas ativos de distribuição elétrica considerando incertezas: uma abordagem abrangenteActive distribution systemsUncertaintiesProsumersElectrical vehiclesPlanning reliability assestmentMatheuristicsSistemas ativos de distribuiçãoIncertezasProsumidoresVeículos elétricosAvaliação da confiabilidade do planejamentoMatheurísticaNeste trabalho propõe-se um novo modelo estocástico de dois estágios baseado em cenários para o planejamento multiestágio de sistemas ativos de distribuição de energia elétrica considerando um tratamento adequado das incertezas. O problema de planejamento é formulado como um modelo de programação quadrática inteira mista e resolvido mediante uma nova técnica matheurística que pode obter soluções de alta qualidade garantindo sua factibilidade em relação ao problema original (não linear e não convexo). Como o planejamento ótimo depende tanto da qualidade dos dados quanto da modelagem e da técnica de solução, os dados (parâmetros operacionais) e as incertezas são modeladas detalhadamente, considerando incertezas de curto e longo prazo. Propõe-se também um novo método para estimar as cargas dos veículos elétricos com base em distribuições de probabilidades. Para capturar a diversidade dos cenários de operação a partir das incertezas de demanda e recursos energéticos, preservando a transição temporal da operação do sistema (útil para a modelagem dos sistemas de armazenamento de energia elétrica), são utilizados cenários representativos de operação de duração diária e resolução horária. Para isso, é proposto um novo método para determinar cenários representativos robustos que permitem ênfase em cenários críticos, como aqueles de demandas máxima e mínima. Um grande portfólio de ações de planejamento é considerado visando obter o melhor plano de investimento com base nos recursos tecnológicos atuais, bem como investigar seus impactos na operação do sistema. Essas ações incluem repotencialização das subestações, instalação de comutadores de tap sob carga (OLTCs), sistemas de geração distribuída, sistemas de armazenamento de energia elétrica, bancos de capacitores fixos e chaveados, compensadores estáticos de reativos (SVCs), reguladores de tensão e recondutoramento. Adicionalmente, o modelo garante reduções periódicas de CO$_2$, para atender o compromisso de limitar o aquecimento global. Para ponderar adequadamente estas emissões, são contabilizadas as emissões de CO$_2$ provenientes da operação do sistema de distribuição e dos veículos a combustão, considerando a redução de emissões resultante da adoção dos veículos elétricos. Após o planejamento, a confiabilidade dos planos de investimento é analisada quantitativamente, mostrando as vantagens de considerar adequadamente as incertezas no processamento dos dados. Para demonstrar a eficácia do modelo proposto, são realizados testes em um sistema de distribuição de 69 nós e em um sistema real de 135 nós, considerando três estudos de casos com diferentes tratamentos de incerteza e diferentes seleções de cenários representativos.This work proposes a new scenario-based two-stage stochastic model for the multistage planning of active distribution systems considering a proper handling of the uncertainties. The planning problem is formulated as a mixed integer quadratic programming model and solved through a matheuristic technique that can attain high-quality solutions guaranteeing their feasibility regarding the original non-linear and non-convex problem. Since an optimal planning depends on both data quality and modeling, due importance is given to data analysis (about operating parameters) and the uncertainties are modeled in detail, considering short and long term uncertainties. Also, a new method to estimate the electrical vehicle loads based on probability distributions is proposed. In order to capture the diversity of operation scenarios from demand and energy resource uncertainties while preserving the temporal transition of the system operation (useful for electrical energy storage modeling), representative operating scenarios of daily duration and hourly resolution are used. For that, a new method to determine robust representative scenarios is proposed, which allows to emphasize in critical scenarios, as those of maximum and minimum demand. A large portfolio of planning actions is considered with the aim of improving the system planning and investigating its impacts on system operation. These actions include substation replacement, installation of on load tap changers (OLTC), distributed generation systems, electrical energy storage systems, fixed and switchable capacitor banks, static VAr compensators (SVC), voltage regulators and reconductoring. Moreover, the model guarantees periodical CO2 reductions in order to be on track to limit global warming. To properly weight up these emissions, CO2 emissions from distribution system operation and CO2 emission reduction from EV adoption are accounted for. After planning, the reliability of the obtained investment plans are addressed and measured and the advantages of considering properly the uncertainties in data processing are shown. To show the effectiveness of the proposed model, tests are carried out in a 69-node distribution test system and a real 135-node distribution system, considering three case studies with different uncertainty handling and different selection of representative scenarios.Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq)Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)CNPq: 140363/2020-3CAPES: 88887.310463/ 2018-00Universidade Estadual Paulista (Unesp)Mantovani, José Sanches [UNESP]Rupolo, DiogoContreras, JavierMarcelo, Jonathan Ayala2023-10-10T18:12:52Z2023-10-10T18:12:52Z2023-09-22info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisapplication/pdfapplication/pdfhttps://hdl.handle.net/11449/250945enginfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UNESPinstname:Universidade Estadual Paulista (UNESP)instacron:UNESP2024-08-05T17:57:43Zoai:repositorio.unesp.br:11449/250945Repositório InstitucionalPUBhttp://repositorio.unesp.br/oai/requestopendoar:29462024-08-05T17:57:43Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)false
dc.title.none.fl_str_mv Multistage planning for active distribution systems under uncertainty: a comprehensive approach
Planeamento multiestágio de sistemas ativos de distribuição elétrica considerando incertezas: uma abordagem abrangente
title Multistage planning for active distribution systems under uncertainty: a comprehensive approach
spellingShingle Multistage planning for active distribution systems under uncertainty: a comprehensive approach
Marcelo, Jonathan Ayala
Active distribution systems
Uncertainties
Prosumers
Electrical vehicles
Planning reliability assestment
Matheuristics
Sistemas ativos de distribuição
Incertezas
Prosumidores
Veículos elétricos
Avaliação da confiabilidade do planejamento
Matheurística
title_short Multistage planning for active distribution systems under uncertainty: a comprehensive approach
title_full Multistage planning for active distribution systems under uncertainty: a comprehensive approach
title_fullStr Multistage planning for active distribution systems under uncertainty: a comprehensive approach
title_full_unstemmed Multistage planning for active distribution systems under uncertainty: a comprehensive approach
title_sort Multistage planning for active distribution systems under uncertainty: a comprehensive approach
author Marcelo, Jonathan Ayala
author_facet Marcelo, Jonathan Ayala
author_role author
dc.contributor.none.fl_str_mv Mantovani, José Sanches [UNESP]
Rupolo, Diogo
Contreras, Javier
dc.contributor.author.fl_str_mv Marcelo, Jonathan Ayala
dc.subject.por.fl_str_mv Active distribution systems
Uncertainties
Prosumers
Electrical vehicles
Planning reliability assestment
Matheuristics
Sistemas ativos de distribuição
Incertezas
Prosumidores
Veículos elétricos
Avaliação da confiabilidade do planejamento
Matheurística
topic Active distribution systems
Uncertainties
Prosumers
Electrical vehicles
Planning reliability assestment
Matheuristics
Sistemas ativos de distribuição
Incertezas
Prosumidores
Veículos elétricos
Avaliação da confiabilidade do planejamento
Matheurística
description Neste trabalho propõe-se um novo modelo estocástico de dois estágios baseado em cenários para o planejamento multiestágio de sistemas ativos de distribuição de energia elétrica considerando um tratamento adequado das incertezas. O problema de planejamento é formulado como um modelo de programação quadrática inteira mista e resolvido mediante uma nova técnica matheurística que pode obter soluções de alta qualidade garantindo sua factibilidade em relação ao problema original (não linear e não convexo). Como o planejamento ótimo depende tanto da qualidade dos dados quanto da modelagem e da técnica de solução, os dados (parâmetros operacionais) e as incertezas são modeladas detalhadamente, considerando incertezas de curto e longo prazo. Propõe-se também um novo método para estimar as cargas dos veículos elétricos com base em distribuições de probabilidades. Para capturar a diversidade dos cenários de operação a partir das incertezas de demanda e recursos energéticos, preservando a transição temporal da operação do sistema (útil para a modelagem dos sistemas de armazenamento de energia elétrica), são utilizados cenários representativos de operação de duração diária e resolução horária. Para isso, é proposto um novo método para determinar cenários representativos robustos que permitem ênfase em cenários críticos, como aqueles de demandas máxima e mínima. Um grande portfólio de ações de planejamento é considerado visando obter o melhor plano de investimento com base nos recursos tecnológicos atuais, bem como investigar seus impactos na operação do sistema. Essas ações incluem repotencialização das subestações, instalação de comutadores de tap sob carga (OLTCs), sistemas de geração distribuída, sistemas de armazenamento de energia elétrica, bancos de capacitores fixos e chaveados, compensadores estáticos de reativos (SVCs), reguladores de tensão e recondutoramento. Adicionalmente, o modelo garante reduções periódicas de CO$_2$, para atender o compromisso de limitar o aquecimento global. Para ponderar adequadamente estas emissões, são contabilizadas as emissões de CO$_2$ provenientes da operação do sistema de distribuição e dos veículos a combustão, considerando a redução de emissões resultante da adoção dos veículos elétricos. Após o planejamento, a confiabilidade dos planos de investimento é analisada quantitativamente, mostrando as vantagens de considerar adequadamente as incertezas no processamento dos dados. Para demonstrar a eficácia do modelo proposto, são realizados testes em um sistema de distribuição de 69 nós e em um sistema real de 135 nós, considerando três estudos de casos com diferentes tratamentos de incerteza e diferentes seleções de cenários representativos.
publishDate 2023
dc.date.none.fl_str_mv 2023-10-10T18:12:52Z
2023-10-10T18:12:52Z
2023-09-22
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://hdl.handle.net/11449/250945
url https://hdl.handle.net/11449/250945
dc.language.iso.fl_str_mv eng
language eng
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
application/pdf
dc.publisher.none.fl_str_mv Universidade Estadual Paulista (Unesp)
publisher.none.fl_str_mv Universidade Estadual Paulista (Unesp)
dc.source.none.fl_str_mv reponame:Repositório Institucional da UNESP
instname:Universidade Estadual Paulista (UNESP)
instacron:UNESP
instname_str Universidade Estadual Paulista (UNESP)
instacron_str UNESP
institution UNESP
reponame_str Repositório Institucional da UNESP
collection Repositório Institucional da UNESP
repository.name.fl_str_mv Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)
repository.mail.fl_str_mv
_version_ 1808128131967483904