Sunteți pe pagina 1din 7

EVALUAREA PIERDERILOR DE PUTERE I ENERGIE N REELELE

ELECTRICE FOLOSIND INTELIGENTA ARTIFICIAL


O cale de abordare a problemei evalurii pierderilor de putere i energie n reelele
complex buclate folosete mijloace specifice Inteligenei Artificiale, n spe Reelele Neuronale
Artificiale.
Metodele folosite pn n prezent au urmrit, n principal, creterea preciziei n evaluarea
pierderilor. Totui, o bun precizie i o vitez mare de calcul sunt dou cerine greu de satisfacut
simultan, avnd n vedere c o acuratee mrit a rezultatelor impune o modelare mai detaliat a
procesului i creterea numrului parametrilor considerai ca date de intrare. RNA reprezint o
alternativ la aceste metode, care permite obinerea unor rezultate satisfctoare din punctul de
vedere al ambelor cerine amintite.
In principiu, n contextul problemei analizate, se urmrete proiectarea i antrenarea unei
RNA care s realizeze aproximarea unei funcii de forma :
[ Q] ([ ])
t
P F x A A = (0.1)
unde : [ Q]
t
P A A - matricea coloan a pierderilor de putere activ i reactiv (indicele t indic
transpunerea);
[ ] x - matricea coloan a mrimilor de stare :
[ ] [P Q P Q ]
g g c c t
x = (0.2)
P Q
g g
- matricea coloan a puterilor active i reactive ale surselor de putere din reea;
P Q
c c
- matricea coloan a puterilor active i reactive absorbite de consumatorii din nodurile
reelei.
Matricele P Q P Q
g g c c
reprezint intrrile RNA. Notnd cu n
g
i n
c
numrul de noduri
generatoare, respectiv consumatoare din reeaua analizat, rezult numrul neuronilor din stratul
de intrare al RNA : 2 (n
g
+ n
c
). Ieirea RNA furnizeaz pierderile de putere activ P i reactiv
Q, astfel nct stratul de ieire va conine 2 neuroni.
Procesul de proiectare al RNA include urmtoarele etape :
pregtirea setului de date de antrenare: acesta conine perechi de forma([ ], ([ ] x F x ) i se
obine prin calcule de regim repetate pentru diverse intrri [ x ];
alegerea arhitecturii optime pentru RNA : n cadrul acestei etape se stabilesc numrul de
straturi ascunse i componena acestora, care asigur o eroare global sub o valoare limit
impus;
antrenarea RNA : folosind setul de date de antrenare i un algoritm de tipul gradientului
conjugat, se stabilesc ponderile conexiunilor dintre neuronii diferitelor straturi;
evaluarea performanelor RNA dup antrenare : se folosete un set de date diferit de cel de
antrenare i se evalueaz precizia rezultatelor furnizate.
Procesul descris are un caracter iterativ. Este posibil ca o structur stabilit n cel de-al
doilea pas al acestui proces s nu permit antrenarea RNA pn la o eroare suficient de mic. n
aceast situaie, arhitectura trebuie schimbat i reeaua reantrenat.
Studiile efectuate au artat c se poate obine o mbuntire sensibil a preciziei dac n
datele de intrare se consider, pe lng puterile injcctate i absorbite din nodurile reelei, i
tensiunile nodurilor de tip PU i de echilibru n acest caz, matricea mrimilor de intrare va fi :
| | Q P Q
g g c c
t
x P ( =

(0.3)
Unde U este matricea coloan a tensiunilor corespunztoare nodurilor de tip PU i echilibru.
Se consider, ca exemplu, reeaua complex buclat a crei schem monofilar este
reprezentat n Fig. 1, care conine 4 surse de putere n nodurile 2, 3, 4, 6 i trei consumatori n
nodurile 1, 2, 5. Singurul nod cu tensiune controlat din reea este nodul 6 (nod de echilibru).


Setul de date de antrenare a fost construit considernd limite minime i maxime pentru
puterile active i reactive din noduri, precum i pentru tensiunea nodului de echilibru (Tabelul
1). De asemenea, s-au considerat 3 configuraii ale reelei, i anume : configuraia complet,
configuraia cu linia 2 - 5 deconectat i configuraia cu linia 3 - 4 deconectat. Pentru fiecare
configuraie s-au calculat 330 regimuri de funcionare care au constituit setul de date de
antrenare.
Conform procesului de proiectare descris, s-a obinut RNA cu arhitectura prezentat n Fig.
2. Stratul de intrare conine 15 neuroni, corespunztori mrimilor de intrare :


1 2 3 4 6
1 2 3 4 6
1 2 5
1 2 5
6
[ ]
[ ]
[ ]
[ ]
[ ]
g g g g g g
g g g g g g
c c c c
c c c c
P P P P P P
Q Q Q Q Q Q
P P P P
Q Q Q Q
U U
=
=
=
=
=
(0.4)
RNA conine un singur strat ascuns, cu 8 neuroni. Pe stratul de ieire exist doi neuroni
corespunztori pierderilor de putere activ i reactiv.
Evaluarea performanelor RNA s-a fcut folosind un set de date test constituit din 300
perechi ([ x ], F([x]) ) determinate pe baza unor calcule de regim, pentru o configuraie a reelei
din Fig. 1, n care linia 1-5 este deconectat. Tabelul 2 conine pierderile de putere activ i
Fig. 1 Schema monofilar a reelei Fig. 2 Arhitectura RNA
reactiv evaluate cu ajutorul RNA i prin calcule de regim, precum i abaterile procentuale ntre
acestea, pentru primele 15 perechi din setul test.
Tabelul 1 Valorile limit pentru variabilele de stare folosite la formarea setului de antrenare
Nod
Tip P
g
min
P
g
max
Q
g
min
Q
g
max
P
c
min
P
c
max
Q
c
min
Q
c
max
U
min

U
max

1 PQ - - - - -40 -20 -15 -5 - -
2 PQ 5 15 5 10 -30 -10 -15 -5 - -
3 PQ 10 40 10 25 - - - - - -
4 PQ 10 30 5 15 - - - - - -
5 PQ - - - - -50 -20 -20 -10 - -
6 NE 20 20 10 30 - - - 0,9 1,1

Tabelul 2 Comparaie ntre valorile pierderilor de putere activ i reactiv evaluate princalcul de regim,
respectiv cu ajutorul RNA
Nod Calcul regim RNA Abatere (%)
P Q P Q P Q
1 0.0385 0.1031 0.0380 0.1046 -1.3 1.5
2 0.0338 0.0806 0.0332 0.0808 -1.8 0.2
3 0.0500 0.1205 0.0497 0.1198 -0.4 -0.6
4 0.0259 0.0779 0.0257 0.0776 -0.9 -0.4
5 0.0296 0.0779 0.0295 0.0781 -0.5 0.2
6 0.0408 0.1092 0.0409 0.1092 0.2 0
7 0.0249 0.0648 0.0247 0.0645 -0.9 -0.5
8 0.0249 0.0698 0.0247 0.0639 -0.9 -0.7
9 0.0369 0.0930 0.0362 0.0943 -1.8 1.4
10 0.0329 0.0906 0.0329 0.0913 0.0 0.7
11 0.0265 0.0739 0.0265 0.0727 -0.3 -1.6
12 0.0271 0.0732 0.0271 0.0736 -0.3 0.5
13 0.0287 0.0876 0.0288 0.0884 0.3 1.0
14 0.0281 0.0779 0.0277 0.0779 -1.3 0
15 0.0259 0.0641 0.0260 0.0633 0.3 -1.3

Dac se dispune de un istoric al evoluiei sarcinii sau de o previziune a sarci nii pe un interval
de timp T
0
, RNA din Fig. 2 poate fi folosit i pentru estimarea pierderilor de energie activ,
conform relaiei :

0
0
0
( )
T
T i i
i
W P t dt P t A = A = A A

}
(0.5)
unde AP
t
- pierderile de putere activ estimate cu ajutorul RNA pentru regimul de funcionare i;
i
t A - durata regimului de funcionare i.

Fig. 3 Comparaie ntre pierderile de putere activ estimate prin
calcule de regim i cu ajutorul RNA
Pentru exemplul prezentat, pierderile de energie activ au fost evaluate pe un timp de 6 ore,
cu un pas de eantionare de 15 minute. n Fig. 3 se prezint nivelul pierderilor de putere estimate
cu RNA i prin calcule de regim pentru primii 25 pai de eantionare. Pierderile totale de energie
n perioada analizat, estimate pe cele 2 ci, au valorile W
RNA
= 62,46 MWh, W
reg
=62,10
MWh, ceea ce corespunde unei abateri procentuale de 0,5%.
Analiza unor reele cu o configuraie mai complex folosind modelul descris ridic o serie de
probleme, n special n etapa de antrenare, probleme care se traduc prin creteri importante ale
timpului de calcul, far a obine o reducere semnificativ a erorilor. Pentru mbuntirea
performanelor RNA n aceste situaii, este de dorit ca stabilirea datelor care reprezint intrrile
RNA s se realizeze pe baza unei analize statistice a corelaiilor pierderilor de putere cu diferite
mrimi (de exemplu, puteri active i reactive injectate / absorbite, tensiuni nodale).
Acest nou mod de abordare a fost studiat pe o reea test, a crei configuraie este prezentat
n Fig.4. Caracteristicile de material ale reelei i limitele de variaie ale puterilor nodale sunt
indicate n Tabelele 3 i 4.
S-a generat un set de date folosind limitele maxime i minime ale puterilor nodale din
Tabelul 4 i calculul off-line al regimurilor dc funcionare, n vederea stabilirii pierderilor de
putere activ pentru fiecare caz n parte. Setul de date conine 1100 de regimuri (modele), dintre
care primele 1000 s-au folosit n etapa de antrenare, iar ultimele 100 au constituit setul test
pentru evaluarea performanelor RNA.



Fig. 4 Schema monofilar a reelei test
Tabelul 3 Caracteristicile de material ale reelei test din Fig. 4
Linia R [] X[] B/2*10
-6
[S] Q
c
/2 [MVAr] Y*10
-3
[S]
1-2 2.4 6.03 21.3 0.258 56.98-j143.16
2-3 1.6 4.02 14.2 0.172 85.47-j214.74
3-4 2.88 7.236 25.56 0.309 47.48-j119.29
4-5 1.92 4.824 17.04 0.206 71.22-j178.95
5-6 3.2 8.04 28.4 0.344 42.73-j107.37
6-7 0.8 2.01 7.1 0.086 170.94-j429.48
7-8 4.8 12.06 42.6 0.516 28.49-j71.58
4-8 1.28 3.216 11.36 0.138 106.84-j268.42
2-5 4 10.05 35.5 0.429 34.19-j85.89
1-6 1.6 4.02 14.2 0.172 85.47-j214.74

Tabelul 4 Limitele de variaieale puterilor active i factorilor de putere din nodurile reelei test din Fig. 4
Nod Pc
min
[MW]
Pc
max

[MW]
Pg
min
[MW]
Pg
max

[MW]
cos
min
cos
max

2 20 40 - - 0.86 0.88
3 15 30 - - 0.86 0.88
4 15 25 - - 0.86 0.88
5 5 15 20 50 0.84 0.88
6 10 30 - - 0.86 0.88
7 10 25 - - 0.86 0.88
8 10 20 30 60 0.84 0.88

Tabelul 5 Coeficienii de corelaie dintre P i alte mrimi din reea
Corelaii Nod 1 Nod 2 Nod 3 Nod 4 Nod 5 Nod 6 Nod 7 Nod 8
P-P - -0.463 -0.452 -0.112 -0.407 -0.286 -0.234 -0.279
P-Q - -0.463 -0.446 -0.103 -0.410 -0.288 -0.234 -0.277
P-cos - -0.038 -0.017 -0.039 -0.030 0.029 0.027 -0.024
P-|U| -0.245 -0.356 -0.383 -0.395 -0.391 -0.329 -0.344 -0.399

n vederea stabilirii mrimilor de intrare ale RNA s-a procedat la analiza corelaiilor care
exist ntre pierderile totale de putere activ, pe de o parte, i puterile active i reactive, factorul
de putere i modulul tensiunii pentru fiecare nod din reea, pe de alt parte. Coeficienii de
corelaie ntre mrimile menionate sunt prezentai n Tabelul 5. Din analiza datelor din acest
tabel se desprind urmtoarele concluzii :
ntre pierderile de putere i factorul de putere corelaia este foarte slab;
corelaiile dintre pierderile de putere i modulul potenialelor nodale sunt relativ
puternice i au acelai ordin de mrime (0,35...0,40);
pentru unele noduri corelaia pierderi - puteri active / reactive este relativ sczut (de
exemplu, nodul 4).
Pe baza observaiilor anterioare s-a decis numrul i structura mrimilor de intrare ale RNA :
2*7=14 neuroni pentru puterile active i reactive nodale;
2 neuroni pentru potenialele nodurilor 4 i 8, pentru care exist cea mai puternic
corelaie P - | U |.
Prin parcurgerea procesului de proiectare descris s-a stabilit arhitectura optim a RNA,
prezentat n Fig.4.

Fig. 5 RNA pentru estimarea pierderilor n reeaua test
Tabelul 6 Abateri pentru pierderile de putere evaluate cu RNA i prin calcule de regim, pentru setul de
antrenare
Model P (RNA) P ( calcul regim) Eroare (%)
1 0.7036 0.7096 0.86
2 0.7008 0.7014 0.09
3 0.5334 0.5355 0.39
4 0.5428 0.5433 0.09
5 0.5535 0.5578 0.77
6 0.5368 0.5368 0.01
7 0.6284 0.6275 -0.14
8 0.7003 0.7007 0.06
9 0.6332 0.6342 0.16
10 0.5511 0.5536 0.44
11 0.4683 0.4656 -0.56
12 0.6805 0.6769 -0.54
13 0.5981 0.5987 0.11
14 0.6276 0.6303 0.42
15 0.8202 0.8226 0.28

Tabelul 7 - Abateri pentru pierderile de putere evaluate cu RNA i prin calcule de regim, pentru setul de test
Model P (RNA) P ( calcul regim) Eroare (%)
1 0.8333 0.8376 0.51
2 0.7878 0.7829 -0.62
3 0.4715 0.4762 0.99
4 0.6184 0.6153 -0.51
5 0.5503 0.5508 0.09
6 0.9299 0.9353 0.57
7 0.4678 0.4707 0.61
8 0.5414 0.5371 -0.8
9 0.5600 0.5527 -1.32
10 1.2953 1.3024 0.54
11 0.5903 0.5878 -0.42
12 0.6506 0.6480 -0.4
13 0.5063 0.5050 -0.26
14 0.8747 0.8651 -1.12
15 0.6528 0.6547 0.29

Dup 2 * 10
4
cicluri de antrenare a RNA, eroarea ptratic medie pe un model a sczut
sub 4 *10
-6
, eroare care poate fi considerat acceptabil. n Tabelul 6 se indic abaterile ntre
pierderile de putere evaluate prin calcule de regim i cele evaluate cu ajutorul RNA, pentru
primele 15 modele din setul de antrenare.
Performanele RNA pot fi apreciate mai exact dac se utilizeaz setul test, care nu a fost
folosit n etapa de antrenare. Tabelul 7 conine abaterile ntre pierderile de putere evaluate prin
calcule de regim i cele evaluate cu ajutorul RNA, pentru primele 15 modele din setul test.
Aceleai abateri, pentru ntregul set test, sunt reprezentate grafic n Fig.6. Abaterea medie
absolut procentual pentru ntregul set de date test este de 0,66 %, iar valoarea maxim a
abaterii procentuale este de 4,68 %. Din analiza abaterilor procentuale prezentate n Fig. 6 se
constat ns c, n marea majoritate a cazurilor, abaterea procentual nu depete 2 %.
Rezultatele obinute pentru cele dou arhitecturi de RNA prezentate asigur o evaluare a
pierderilor de putere cu o bun precizie. Aceast obsevaie, asociat cu un timp de calcul redus
(practic, n timp real), suni argumente serioase n sprijinul utilizrii RNA la evaluarea pierderilor
de putere n reelele complex buclate.


Fig. 6 Distribuia abaterilor procentuale ntre modelele din setul test