Wykorzystanie drzew decyzyjnych i pomiarów WAMS

Odkrywanie wiedzy w bazach danych jest procesem odkrywania nowych korelacji, wzorców i trendów na podstawie dużych wolumenów danych przechowywanych w repozytoriach, wykorzystując technologie rozpoznawania wzorców [107]. Proces odkrywania wiedzy składa się z następujących etapów:

• utworzenie zbioru treningowego, w którym poszukuje się zależności, reguł i związków,

• wybranie zadania eksploracji danych, • wybranie algorytmu do eksploracji danych, • szukanie wzorców w danych,

• interpretacja znalezionych wzorców i ich weryfikacja,

• zebranie odkrytej wiedzy i przygotowanie raportu dla użytkowników.

Najważniejszy w tym procesie jest etap eksploracji danych (ang. data mining) (rys. 7.10a). W monografii zaproponowano indukcyjny algorytm, którego zaniem będzie znajdowanie zależności i schematów w przygotowanym zbiorze da-nych o słabych napięciowo węzłach. Najpopularniejszymi formami reprezentacji odkrywanej wiedzy są drzewa decyzyjne (rys. 7.10b). Jest to graficzna metoda wspomagania procesu decyzyjnego, stosowana w teorii decyzji. Algorytm drzew decyzyjnych jest stosowany w uczeniu maszynowym do pozyskiwania wiedzy na podstawie przykładów. Jest to schemat o strukturze drzewa decyzji i ich możli-wych konsekwencji. W fazie uczenia zadaniem drzew decyzyjnych jest rozpoznanie właściwego zbioru słabych napięciowo węzłów na podstawie licznych, rozgałę-ziających się wariantów rozpływu mocy w SEE. W fazie docelowego zastosowania drzew decyzyjnych – jako narzędzie wspierające pracę dyspozytora mocy SEE, kla-syfikacja polega na znajdowaniu sposobu odwzorowania danych w zbiór predefi-niowanych klas według rozległych systemów pomiarowych WAMS. Na podstawie zawartości bazy danych budowany jest model (drzewo klasyfikacyjne), który służy

Rys. 7.10. Na podstawie tabeli decyzyjnej (a) tworzone jest drzewo decyzyjne (b), którego węzłami są poszczególne atrybuty, gałęziami wartości odpowiadające tym atrybutom, a liście tworzą poszczególne decyzje. Część (b) przedstawia strukturę rekordów bazy danych wykorzystanych do budowy drzewa decyzyjnego danego obszaru węzłów zagrożonych utratą stabilności napięciowej

do szybkiego rozpoznania właściwego obszaru słabych napięciowo węzłów. W tym przypadku zmienną dyskryminującą jest zmienna jakościowa P_g. Do wyznaczenia wartości mocy biernej Qbzapas, wymaganej ze względu na bezpieczeństwo analizo-wanego obszaru SEE, wykorzystano strukturę drzewa regresyjnego, gdzie zmienną dyskryminującą jest zmienna ilościowa – wybrane parametry rozpływu mocy oraz pomiary z urządzeń PMU. Przykład kodu programu (algorytmu indukcyjnego), zapisanego w umownym języku programowania, przedstawiono poniżej. Parametr φ oznacza stopień podobieństwa atrybutów.

Compute B=number of elements in base

Compute R=number of elements in set-i

Compute maximum number of elements M=max(B,R)

Compute threshold for common elements T=φM

Compute number of common elements between base and set-i C=common elements

If C>=T then base and set-i are similar

If C<T then:

Denote the set (base or set-i) with the lowest number of elements by S.

If all elements in this smallest set are included in the largest set then sets are similar;

otherwise sets are not similar.

Algorytm szybkiej identyfikacji obszarów SEE zagrożonych utratą stabilności zakłada wykorzystanie bazy danych z uczącym się systemem klasyfikującym, gdzie umieszcza się parametry węzłów słabych napięciowo, tzn. z wartością własną bliską zeru, dla których przyrost modalnego napięcia jest bardzo wrażliwy na przyrost mo-dalnej mocy biernej i mają największy wpływ na lawinę napięć. W bazie zapisane są również pozostałe, ale skojarzone z tymi obszarami, dane (np. wyłączenia, przepły-wy w gałęziach, …). Układ pracy SEE, który pochodzi z estymatora stanu lub sys-temów DSA wyposażonych w urządzenia PMU, jest rozpoznawany i kojarzony z wcześniej zapisanym w bazie przypadkiem. Proces ten oparty jest na heurystycz-nych metodach odkrywania wiedzy w bazach daheurystycz-nych, którego idea została pokazana na rysunku 7.11.

Rys. 7.11. Struktura rekordów bazy danych wykorzystanych do identyfikacji drzewa decyzyjnego dla danego obszaru węzłów zagrożonych utratą stabilności napięciowej

na postawie estymatora stanu i dostępnych pomiarów z urządzeń PMU

Idea szybkiej identyfikacji obszarów zagrożonych znajduje się na rysunku 7.12. Symbolicznie prezentowane są tam różne sposoby badania stabilności napięciowej wydzielonego obszaru SEE. Na przykład kierunek A–B–J reprezentuję analizę on-line stabilności obszarów sieci przesyłowej, gdzie zastosowano inteligentne metody klasy-fikacji z użyciem drzew decyzyjnych.

Algorytm wyznaczania krytycznych obszarów regulacji napięcia wraz z określe-niem wymaganych źródeł mocy biernej jest następujący:

• Wyznacza zapas przesyłu mocy czynnej i biernej, zwiększając moc odbiorów aż do utraty zbieżności rozpływu mocy. Brak bezpiecznego zapasu przesyłu grozi utratą stabilności napięciowej w układzie normalnym, bez wyłączeń. Jeżeli punkt lawiny napięć został osiągnięty przy braku zapasu bezpiecznego, to ko-nieczna jest zmiana konfiguracji sieci przesyłowej.

Rys. 7.12. Idea indukcyjnego algorytmu identyfikacji obszarów zagrożonych utratą stabilności napięciowej z wykorzystaniem WAS

• Jeżeli brak jest bezpiecznego zapasu przesyłu mocy, to należy zidentyfikować słabe węzły z napięciami mniejszymi niż dopuszczalny. W celu zwiększenia wartości napięć w słabych węzłach należy wyznaczyć, za pomocą krzywych Q-U, potrzebną do kompensacji moc biernej.

• Bada się czy sieć przesyłowa jest zagrożona utratą stabilności napięciowej po wyłą-czeniu pojedynczej gałęzi (linii, transformatora, łącznika szyn). Jeżeli po wyłącze-niu gałęzi rozpływ mocy jest rozbieżny, to oznacza to utratę stabilności napięcio-wej. W takim przypadku konieczna jest zmiana konfiguracji sieci przesyłonapięcio-wej. • W wyznaczonych słabych węzłach przeprowadza się analizę modalną,

następ-nie węzły grupuje się w tzw. obszary węzłów słabych napięciowo oraz przypo-rządkowuje się im właściwe i dostępne źródła mocy biernej – baterie konden-satorów oraz generatory.

• W celu podwyższenia poziomów napięć w słabych węzłach w stanach powyłą-czeniowych wyznacza się za pomocą krzywych Q-U niezbędną do kompensacji moc baterii. Dla wyznaczonych obszarów określa się sumaryczną wartość mocy biernej, właściwą z perspektywy stabilności napięciowej.

• W bazie danych umieszcza się parametry słabych napięciowo węzłów z warto-ścią własną bliską zeru, dla których przyrost modalnego napięcia jest bardzo

– Kierunek D–E oznacza klasyczne badanie stabilności napięciowej sieci przesyłowej; – Kierunek F–G – wyniki analizy stabilności

dla wszystkich możliwych warunków pracy systemu elektroenergetycznego;

– Kierunek A–C wraz z H tworzy nowe obiekty do bazy danych m.in. zawierający bazowy rozpływ mocy A–C dla analizowanego ob-szaru SEE ze ścieżki H;

– Kierunek A–B–J reprezentuje analizę on-line, gdzie predykcja rozpływu mocy realizowana jest z użyciem drzewa decyzyjnego.

wrażliwy na przyrost modalnej mocy biernej i mają największy wpływ na lawi-nę napięć.

• Na podstawie tabel decyzyjnych budowane są drzewa decyzyjne oparte na licz-nych, rozgałęziających się wariantowych rozpływu mocy w SEE. Węzłami drzew decyzyjnych są poszczególne atrybuty, gałęziami zaś wartości odpowia-dające im, a liście tworzą poszczególne decyzje.

• Na podstawie estymatora stanu oraz dostępnych pomiarów z urządzeń PMU drzewa decyzyjne rozpoznają w trybie on-line właściwy obszar węzłów zagro-żonych utratą stabilności napięciowej.

Opracowany algorytm został przetestowany w ograniczonym zakresie. W raporcie [117] został opublikowany tylko ten etap, który dotyczy pracy w wersji of-line pre-zentowanego algorytmu. Analizowany był ciąg przesyłowy 400 kV: Gdańsk Błonia– Grudziądz–Płock–Miłosna–Mościska–Rogowiec, w którym poważnym zadaniem jest ciągła identyfikacja obszarów zagrożonych lawiną napięć i co za tym idzie podjęcie zadań inwestycyjnych w źródła mocy biernej SVC lub STATCOM. W opinii autora algorytm wymaga intensywnego rozwoju w kierunku osiągnięcia jego funkcjonalności w trybie on-line; wówczas stanowić będzie atrakcyjne narzędzie wspomagające pracę operatorów sieci przesyłowej. Autor równocześnie przewiduje uwzględnienie w pre-zentowanej metodzie podziału stałych źródeł mocy biernej na te z regulacją skokową oraz płynną. Istotne jest także uwzględnienie w kolejnej fazie rozwoju algorytmu jed-noczesnej pracy źródeł mocy biernej i regulacji na zaczepach transformatorów. Doce-lowo przewiduje się także zastosowania do automatyki sterowania członami baterii opartych na uchybie regulacyjnym i kryteriach czasowych, podobnie jak na przykład w przypadku automatyki ARST. Ze względu na związek między mocą bierną a napię-ciem w regulatorach baterii kondensatorów, wielkością kryterialną będzie współczyn-nik mocy, poziom mocy biernej lub napięcia.

Jeśli chodzi o zapewnienie pewności przesyłu mocy w sieci przesyłowej, ważne jest określenie we wszystkich węzłach bezpiecznego zapasu stabilności napięciowej. Wymaga to działań o różnym charakterze, prowadzonych w różnym czasie i na wielu płaszczyznach. Do najważniejszych z nich należy zaliczyć właściwą gospodarkę mocy biernej. Obszary systemu elektroenergetycznego, które cechuje brak elektrowni i lo-kalnych statycznych źródeł mocy biernej narażone są na utratę stabilności napięcio-wej. Drastycznym przykładem takiej sytuacji była awaria napięciowa w KSE w dniu 26 czerwca 2006 r.

Aby uniknąć przesyłania mocy biernej na duże odległości oraz zapewnić sobie możliwość jej regulacji, instaluje się w pobliżu odbiorów baterie kondensatorów lub kompensatory statyczne. Najskuteczniejszą jednak metodą zapewnienia bezpieczeń-stwa przesyłu mocy w sieci przesyłowej jest takie sterowanie kompensacją mocy bier-nej, które zapewniłoby w stacjach GPZ 110 kV/SN określoną (stałą) wartość współ-czynnika mocy. Jednak obecny stan techniczny sieci przesyłowej oraz stan prawny OSP nie stwarza skutecznego egzekwowania od OSD właściwego sposobu sterowania sieciami dystrybucyjnymi. Nadzieję na poprawę dają nowoczesne technologie, oparte na rozległych systemach pomiarowych. W warunkach krajowych obserwowany jest wzrost zainteresowania implementowaniem systemów WAMS w węzłach sieci prze-syłowej. Jednak najważniejszy problem polega na braku odpowiednich algorytmów sterowania pracą systemu elektroenergetycznego, które wykorzystują synchroniczne pomiary fazorów. W monografii zaproponowano oryginalny algorytm, który oparty jest na metodzie eksploracji danych (współczynników udziału wartości własnej) i polega na wykorzystaniu drzew decyzyjnych do szybkiej oceny stanu pracy węzłów sieci przesyłowej wyposażonej w urządzenia PMU.

Głównym celem pracy było poszerzenie wiedzy o zachowaniu się sieci przesyło-wej w warunkach deficytu mocy biernej w aspekcie zagrożenia stanem niestabilności napięciowej.

Cel pracy osiągnięto przez:

1. Opisanie obecnego stanu sieci przesyłowej w KSE, który charakteryzuje się