Politechnika Częstochowska Wydział Elektryczny Zastosowanie sztucznych sieci neuronowych do oceny wpływu pracy odbiorników nieliniowych na jakość energii elektrycznej dr inż. Marek Gała Kraków, 16 grudnia 2010 r.

Pojęcie jakości energii elektrycznej Od wielu lat, w krajach rozwiniętych, energia elektryczna dawno już przestała być postrzegana wyłącznie w kategoriach ilościowych jako wielkość fizyczna, lecz skupia na sobie uwagę równie często z powodów jej oceny w kategoriach standardów jakościowych. Podobnie jak każdy inny produkt, również energia elektryczna jest efektem procesu wytwórczego i jako taki produkt podlega ocenie i standaryzacji. Jakość energii elektrycznej jest pojęciem określającym przydatność energii elektrycznej do zasilania odbiorników i wyraża się poprzez wartości liczbowe określonych parametrów elektrycznych (wyrażanych najczęściej dla napięcia w postaci jego wartości i odchylenia, częstotliwości, asymetrii oraz kształtu napięcia) oraz wskaźników opisujących proces jej dostarczania do odbiorcy w normalnych warunkach pracy (czyli bez uwzględnienia skutków działania sił natury, ingerencji osób trzecich oraz władz administracyjnych) z uwzględnieniem występowania zaburzeń przewodzonych. Jakość energii elektrycznej jest pojęciem określającym przydatność energii elektrycznej do zasilania odbiorników i wyraża się poprzez wartości liczbowe określonych parametrów elektrycznych (wyrażanych najczęściej dla napięcia w postaci jego wartości i odchylenia, częstotliwości, asymetrii oraz kształtu napięcia) oraz wskaźników opisujących proces jej dostarczania do odbiorcy w normalnych warunkach pracy z uwzględnieniem występowania zaburzeń przewodzonych. Wśród parametrów opisujących jakość energii wyróżnić można: wartość skuteczną i jej odchylenie od wartości deklarowanej, wskaźniki THD, wartości względne harmonicznych interharmonicznych, współczynnik asymetrii napięcia oraz wskaźniki Pst i Plt opisujące intensywność zjawiska migotania światła. Wzrost intensywności odkształcenia napięcia zasilającego w sieci elektroenergetycznej będący skutkiem pracy odbiorników nieliniowych wymaga nierzadko wskazania źródła zaburzeń elektromagnetycznych oraz określenia ilościowego udziału poszczególnych odbiorców energii elektrycznej w całkowitym zaburzeniu napięcia występującym w określonych węzłach systemu elektroenergetycznego, np. w punkcie wspólnego przyłączenia PWP. Ma to zasadnicze znaczenie dla realizacji zapisów kontraktu na dostawę energii elektrycznej oraz wyznaczania ewentualnych bonifikat lub kar pomiędzy stronami kontraktu, ponieważ każda ze stron kontraktu powinna odpowiadać wyłącznie za swój udział w degradacji jakości energii elektrycznej. Jednak do chwili obecnej nie udało się opracowanie obiektywnych metod i narzędzi pozwalających na realizację tak sformułowanego problemu.

Metody lokalizacji źródeł wyższych harmonicznych Obecnie za najbardziej miarodajną ze wszystkich sposobów lokalizacji źródeł wyższych harmonicznych uważana jest tzw. „metoda impedancyjna” zaproponowana przez Xu, która pozwala na dokonanie oceny udziału dostawcy i odbiorcy energii w całkowitym odkształceniu napięcia w PWP, powodowanym istnieniem wyższych harmonicznych. Obecnie za najbardziej miarodajną ze wszystkich metod lokalizacji źródeł wyższych harmonicznych uważana jest metoda zaproponowana przez Xu zwana metodą impedancyjną. Wykorzystuje ona jednak istotne uproszczenia, bowiem jak zaprezentowano na bieżącym slajdzie model zastępczy wg. Xu odnosi się do każdej n-tej harmonicznej z osobna i wykorzystuje zastąpienie elementów nieliniowych zarówno po stronie dostawcy oraz odbiorcy energii ich liniowymi odpowiednikami: ZnZ dla dostawcy oraz ZnO w stosunku do odbiorcy energii oraz połączonymi równolegle z tymi impedancjami źródłami wyższych harmonicznych odpowiednio: inZ i inO. W przypadku zachowania stałych wartości impedancji dostawcy energii ZnZ oraz impedancji jej odbiorcy ZnO , zmiana przepływu prądu wyższych harmonicznych inPWP stanowi wyłącznie efekt zmian prądu wyższych harmonicznych, generowanego po stronie dostawcy inZ oraz analogicznych zmian prądu inO po stronie odbiorcy energii – rysunek. Uproszczony model układu elektroenergetycznego stanowiący reprezentację dostawcy oraz odbiorcy energii elektrycznej na potrzeby analizy wpływu stron kontraktu na zawartość wyższych harmonicznych w węźle PWP [Xu_00, Xu_03]

Metody lokalizacji źródeł wyższych harmonicznych W celu wyznaczenia udziału poszczególnych stron kontraktu w ostatecznej wartości prądu In PWP w węźle PWP, dokonuje się zastąpienia modelu układu odpowiadającą mu modyfikacją w oparciu o twierdzenie Nortona: Zmodyfikowany schemat układu elektroenergetycznego ilustrujący udział poszczególnych stron kontraktu w zaburzeniu prądu in PWP powodowanym zjawiskiem generowania wyższych harmonicznych [Xu_00, Xu_03] W celu wyznaczenia udziału poszczególnych stron kontraktu w ostatecznej wartości prądu In PWP w węźle PWP, dokonuje się zastąpienia modelu układu odpowiadającą mu modyfikacją w oparciu o twierdzenie Nortona zgodnie ze schematem zaprezentowanym na rysunku. Wartość płynącego prądu w torze pomiędzy dostawcą oraz odbiorcą energii określa się zgodnie z zasadą superpozycji: Natomiast analiza wartości składowych prądu InPWP prowadzi do określenia wpływu poszczególnych stron kontraktu w całkowitej degradacji jakości energii w badanym węźle sieci zasilającej. Wartość płynącego prądu w torze pomiędzy dostawcą oraz odbiorcą energii określa się zgodnie z zasadą superpozycji:

Zastosowanie sztucznych sieci neuronowych w zagadnieniach związanych z oceną intensywności zaburzeń elektromagnetycznych Oprócz metod klasycznych opracowana została również w 2005 roku przez Mazumdara, Harleya oraz Lamberta metoda wykorzystująca technikę sztucznych sieci neuronowych. Bazuje ona na dwóch identycznych sieciach neuronowych SN I i SN II. Estymacyjna sieć neuronowa SN II po wprowadzeniu na jej wejście sygnału sinusoidalnie zmiennego odpowiada wartościami chwilowymi prądu adekwatnymi do stanu, w którym po stronie dostawcy energii nie występują źródła zaburzeń elektromagnetycznych. Jednak autorom udało się jedynie odpowiedzieć na pytanie: jak silnie zaburzony wyższymi harmonicznymi prąd płynąłby w poszczególnych obwodach zasilających odbiorniki nieliniowe, gdyby dostawca energii elektrycznej zapewniał sinusoidalnie zmienne napięcie zasilania. Zaproponowana metoda nie określa wpływu poszczególnych odbiorców na całkowitą degradację jakości energii elektrycznej w węźle PWP. Wykorzystanie sztucznych sieci neuronowych do estymacji prądu płynącego w obwodzie zasilającym odbiorcę nieliniowego [Maz_05]

Za cel pracy badawczej przyjęto: opracowanie neuronowej metody estymacji wartości chwilowych napięcia w węźle wspólnego przyłączenia odbiorców nieliniowych na potrzeby realizacji oceny jakości energii elektrycznej, determinowanej stopniem zaburzeń pochodzących od strony dostawcy energii elektrycznej oraz charakterem i intensywnością pracy wszystkich odbiorców zasilanych poniżej punktu PWP.

Metoda neuronowa estymacji napięcia w punkcie wspólnego przyłączenia Model sieci elektroenergetycznej zasilającej dwóch odbiorców nieliniowych oddziaływujących na jakość energii elektrycznej punkcie wspólnego przyłączenia PWP [oprac. wł.] Ocena wpływu pracy danego odbiorcy nieliniowego na jakość energii elektrycznej w PWP, może zostać sprowadzona do przypadku, w którym na jakość energii elektrycznej w analizowanym węźle systemu mają wpływ dwaj odbiorcy nieliniowi. Ideę wydzielania odbiorców na: pojedynczego odbiorcę oraz tzw. odbiorcę skupionego tzn. odbiorcę reprezentującego grupę wielu odbiorców zasilanych z tego samego PWP przedstawiono na rysunku. Dokonując pomiaru wartości prądu Is po stronie wtórnej transformatora sieciowego Ts oraz prądu IO1 wydzielonego odbiorcy, prąd pozostałych odbiorców, wyznacza się na podstawie prawa Kirchhoffa. W środowisku Matlab/Simulink zostały zaimplementowane układy stanowiące reprezentację modelową systemu elektroenergetycznego, dla którego na jakość energii elektrycznej w węźle PWP mają wpływ wyłącznie dwaj odbiorcy nieliniowi, natomiast powyżej węzła PWP znajduje się dostawca energii elektrycznej zapewniający idealne parametry dostarczanej energii elektrycznej oraz dla przypadku, w którym źródło zaburzeń elektromagnetycznych znajduje się również powyżej PWP. Każdy z odbiorników nieliniowych został zaimplementowany w postaci liniowych impedancji sterowanych łącznikami tyrystorowymi o zmiennym kącie zapłonu. Przeprowadzono symulację pracy zaprezentowanych układów podczas zmiany charakteru oraz intensywności zaburzeń każdego z odbiorników nieliniowych w wyniku dokonywania zmian wartości mocy czynnych oraz biernych każdego z odbiorników nieliniowych oraz wartości kątów zapłonu każdego z łączników tyrystorowych. W prezentowany sposób utworzono zbiory danych uczących oraz odmienne zbiory danych testujących, które posłużyły do opracowania oraz weryfikacji neuronowej metody estymacji napięcia w PWP. Idea wydzielania odbiorców na: pojedynczego odbiorcę oraz odbiorcę skupionego. Model sieci elektroenergetycznej zasilającej odbiorniki nieliniowe ZO1 i ZO2 oraz odbiornik nieliniowy ZO0 znajdujący się powyżej punktu PWP [oprac. wł.]

Metoda neuronowa estymacji napięcia w punkcie wspólnego przyłączenia Cel prowadzonych badań determinuje w sposób zasadniczy ogólne wymagania stawiane architekturze sieci neuronowej. W przeciwieństwie do propozycji wskazanej przez Mazumdara na wejście sieci neuronowych wprowadza się zbiory uczące z podziałem na wielkości wyznaczane wyłącznie dla składowych podstawowych tj. wartości skutecznej prądów oraz mocy czynnych i biernych w poszczególnych obwodach zasilających odbiorców nieliniowych. Natomiast informacja o intensywności zaburzeń w prądach odbiorców nieliniowych została wskazana w postaci wartości współczynników a i b szeregów Fouriera określonych dla prądów IO1 i IO2. Uczenie sieci neuronowych zawierających od 1-20 neuronów w warstwie ukrytej zrealizowano zgodnie z algorytmem wstecznej propagacji błędów (wykorzystano algorytm Levenberga-Marquarda) dla 500 epok. Jako funkcję celu wskazano minimalizację funkcji SSE stanowiącej sumę kwadratów błędów odpowiedzi sieci. Po dokonaniu odwrotnej transformacji Fouriera wyznaczano wartości procentowego błędu estymacji napięcia podczas uczenia oraz podczas testowania sieci zgodnie z przedstawioną zależnością. Wyznaczono również wartości wskaźników stanowiących miary dokładności odwzorowania w postaci zaprezentowanej na slajdzie. Dobór optymalnej liczby neuronów w warstwie ukrytej przeprowadzono z punktu widzenia zapewnienia najlepszych zdolności uogólniania nabytej wiedzy przez sieci neuronowe. Na wykresie zostały zaprezentowane wartości wskaźnika MSE określone dla błędu estymacji. Można zaobserwować, iż dla zbioru od 8 do 12 neuronów w warstwie ukrytej uzyskuję się najlepszą zdolność uogólniania wiedzy nabytej przez sieć neuronową. Jako optymalną wskazano sieć neuronową o architekturze 10-10-2 dla której na kolejnym slajdzie przedstawiono wybrane wyniki uzyskane podczas weryfikacji sieci neuronowych na zbiorze danych testujących. Zmiana wartości wskaźnika MSE uPWP uzyskana dla sieci 10–Nl–2 dla elementów zbiorów danych uczących oraz testujących zarejestrowanych w układzie modelowym [oprac. wł.] Widok neuronowej sieci jednokierunkowej o architekturze 10–Nl–2 [oprac. wł.]

Metoda neuronowa estymacji napięcia w punkcie wspólnego przyłączenia Na kolejnym wykresie zaprezentowano wartości błędów estymacji dla przypadku a) w którym występują odbiorniki nieliniowe przyłączone wyłącznie poniżej PWP a dostawca energii zapewnia sinusoidalnie zmienny kształt napięcia zasilającego oraz dla przypadku b) odpowiadającego występowaniu zaburzeń elektromagnetycznych dodatkowo powyżej PWP pochodzących od pracującego odbiorcy nieliniowego ZO0 Błąd neuronowej metody estymacji napięcia nie przekracza odpowiednio 2% w przypadku a) oraz 3,5% dla przypadku ogólnego b), w którym zarówno po stronie odbiorców przyłączonych w PWP jak również po stronie dostawcy energii znajdują się źródła zaburzeń elektromagnetycznych. Zaprezentowano również przykładowe wyniki w dziedzinie czasu oraz częstotliwości uzyskane podczas testowania sieci neuronowej 10–10–2 dla elementów zbioru testującego. Widoczna jest wymagana zbieżność odpowiedzi sieci neuronowej z wartościami rzeczywistymi zarówno w dziedzinie czasu, jak również dla reprezentacji częstotliwościowej analizowanych napięć. Przedstawiono także wykres prezentujący wartości współczynnika THD określone dla napięcia rzeczywistego oraz estymowanego przez sieć neuronową. Proszę zwrócić uwagę, iż w szerokim zakresie zmieniana była intensywność zaburzeń powodowanych pracą odbiorników nieliniowych. Wartość wskaźnika THD zmienia się od 0 do powyżej 8% Przykładowe wyniki uzyskane podczas testowania sieci neuronowej 10–10–2 dla elementów zbioru testującego [oprac. wł.] Zmiana błędu estymacji uPWP wartości chwilowych napięcia uPWP dla sieci neuronowej 10–10–2 dla zbioru danych testowych zarejestrowanych w układach modelowych [oprac wł.] ^

Pomiar i akwizycja danych pomiarowych na potrzeby zastosowania neuronowej metody estymacji napięcia W układzie elektroenergetycznym, którego schemat zaprezentowano na rysunku przeprowadzone zostały prace pomiarowe z użyciem opracowanego komputerowego system akwizycji danych pomiarowych rejestrowanych na potrzeby oceny jakości energii elektrycznej składającego się z komputera przenośnego PC, zestawu przetworników pomiarowych oraz karty pomiarowej. Rozdzielnia GPZ zasila zakład przemysłowy posiadający dwa topielne piece indukcyjne o mocach 1,25 MW każdy. Dostarcza energię elektryczną również do odbiorników trakcyjnych należących do PKP za pośrednictwem dwóch transformatorów TR2 oraz TR3 o mocach 4,4 MVA. Zasila także grupę kilkunastu tysięcy odbiorców komunalno-bytowych, niewielkich podmiotów usługowo-produkcyjnych oraz administracyjno-biurowych zasilanych za pośrednictwem ponad stu, w większości słupowych stacji transformatorowych 15/0,4 kV. Przykładowe wyniki pomiarów zarejestrowanych dla przypadku wyłączenia pieców indukcyjnych, pracy wyłącznie jednego z nich oraz pracy obu pieców topielnych zainstalowanych u odbiorcy przemysłowego zostały zaprezentowane na kolejnym slajdzie. Schemat sieci dystrybucyjnej zasilającej piece indukcyjne zainstalowane w zakładzie przemysłowym, odbiorniki trakcyjne PKP oraz odbiorców komunalno-bytowych, niewielkie podmioty usługowo-produkcyjne i administracyjno-biurowe [oprac. wł.]

Pomiar i akwizycja danych pomiarowych na potrzeby zastosowania neuronowej metody estymacji napięcia Na bieżącym slajdzie zostały przedstawione wykresy wartości chwilowych napięć w PWP, prądów w torze zasilającym odbiorcę przemysłowego oraz prądów w obwodzie zasilającym pozostałych odbiorców przyłączonych do wspólnego węzła PWP dla stanu, w którym: piece indukcyjne nie pracują, pracuje jeden z pieców zainstalowanych w zakładzie przemysłowym, oraz pracują dwa piece topielne. Na podstawie zaprezentowanych wyników pomiarów widać wyraźnie, iż część zaburzeń elektromagnetycznych powodowanych pracą pieców indukcyjnych przenika do obwodu zasilającego pozostałych odbiorców oraz powoduje wzrost intensywności odkształcenia napięcia w PWP.

zbiór danych wejściowych uczących: zbiór danych wyjściowych uczących: Zastosowanie neuronowej metody estymacji napięcia w sieci dystrybucyjnej zasilającej odbiorniki nieliniowe Uzyskany w wyniku realizacji prac pomiarowo-rejestracyjnych zbiór danych pomiarowych posłużył do wyodrębnienia zbioru danych uczących Xucz zawierającego następujące katalogi informacji: zbiór danych wejściowych uczących: zbiór danych wyjściowych uczących: Uzyskany w wyniku realizacji prac pomiarowo-rejestracyjnych zbiór danych pomiarowych posłużył do wyodrębnienia zbioru danych uczących Xucz zawierającego następujący katalog informacji: wartości skuteczne prądów płynących w torach obu odbiorców IO1 i IO2, moce czynne i bierne P1O1, Q1O1, P1O2, Q1O2 określone wyłącznie dla składowych podstawowych prądów i napięć, częstotliwościowe reprezentacje prądów IO1 i IO2 w postaci wartości współczynników a i b szeregów Fouriera. Natomiast wektor danych wyjściowych, stanowiła częstotliwościowa reprezentacja napięcia uPWP. Na rysunku przedstawiono schemat prezentujący ideę uczenia neuronowego estymatora napięcia w punkcie PWP. W sposób symboliczny określono zbiór danych wejściowych wprowadzany na wejście sieci neuronowej. Odpowiedź sieci stanowi częstotliwościowa reprezentacja napięcia w PWP, która po dokonaniu odwrotnej transformaty Fouriera pozwala na określenie błędu estymacji oraz dokonanie doboru optymalnych wag. Uproszczony schemat prezentujący sposób uczenia neuronowego estymatora napięcia w punkcie PWP [oprac. wł.]

Wartości chwilowe napięć fazowych uPWP L1÷uPWP L3 [oprac. wł.] Zastosowanie neuronowej metody estymacji napięcia w sieci dystrybucyjnej zasilającej odbiorniki nieliniowe ̶ UL1 ̶ UL2 ̶ UL3 V W celu lepszego zobrazowania wyników uzyskanych dzięki zastosowaniu neuronowej metody estymacji napięcia w PWP został przedstawiony krótki film prezentujący porównanie odpowiedzi estymatorów napięcia z wartościami rzeczywistymi zarejestrowanymi w analizowanym węźle sieci dystrybucyjnej. Linią ciągłą przedstawiono zmianę rzeczywistego napięcia uPWP, natomiast przebieg złożony z poszczególnych punktów prezentuje wartości estymowane przez każdą z trzech sieci neuronowych dla faz L1 do L3 w zależności od stanu pracy pieców indukcyjnych. Jak widać, odpowiedzi sieci neuronowych korespondują z danymi rzeczywistymi zarejestrowanymi w analizowanym węźle systemu elektroenergetycznego. Na podstawie wartości chwilowych napięcia rzeczywistego oraz estymowanego w PWP wyznaczono wartości poszczególnych wskaźników opisujących jakość energii elektrycznej, co zostało zaprezentowane na kolejnym slajdzie. Nr próbki Wartości chwilowe napięć fazowych uPWP L1÷uPWP L3 [oprac. wł.]

Zastosowanie neuronowej metody estymacji napięcia w sieci dystrybucyjnej zasilającej odbiorniki nieliniowe Przedstawiono wykres błędu oraz histogram błędu estymacji napięcia w PWP dla jednej z faz dla zbioru danych testujących. Wyznaczony błąd estymacji nie przekracza 3,5%. Zaprezentowano porównanie wartości skutecznych określonych dla napięcia rzeczywistego – kolor niebieski oraz estymowanego – kolor czerwony, natomiast na drugim z wykresów zaprezentowano błąd względny procentowy określony dla wartości skutecznych napięcia. Wartość wyznaczonego błędu nie przekracza 8*10-3 %. Kolorem zielonym zostały zaznaczone poszczególne fazy pracy odbiorników nieliniowych. Przedstawiono współczynnik zawartości wyższych harmonicznych THD dla napięcia rzeczywistego oraz estymowanego przez sieć neuronową. Błąd estymacji wartości THD nie przekracza 0,15%. Wyznaczono również wartości wskaźników THD dla grup harmonicznych. Zobrazowano wartości współczynników asymetrii napięć oraz wartości względne procentowe wybranych dominujących harmonicznych: 5. i 7. Przedstawiono widma częstotliwościowe wyższych harmonicznych określone dla napięcia rzeczywistego – kolumny w kolorze niebieskim oraz dla napięcia stanowiącego odpowiedzi sieci neuronowej – czerwone gwiazdki. Błąd bezwzględny estymacji nie przekracza 0,1% w przypadku, gdy piece nie pracują, 0,05% dla przypadku, w którym pracuje jeden piec indukcyjny oraz 0,08% w stanie załączenia dwóch pieców indukcyjnych Wyraźnie widoczna jest wymagana zbieżność reprezentacji częstotliwościowej porównywanych sygnałów napięciowych. Wyniki uzyskane dla rzeczywistego napięcia uPWP oraz napięcia estymowanego uPWP przez sieć neuronową 30–10–5–2 dla zbioru danych testowych [oprac. wł.] ˆ

Zjawisko przenikania wyższych harmonicznych prądu Uproszczony jednofazowy schemat sieci elektroenergetycznej zasilającej odbiorniki nieliniowe Na uproszczonym schemacie bazującym na linearyzacji odbiorników nieliniowych dla każdej z wyższych harmonicznych została wyjaśniona idea przenikania zaburzeń elektromagnetycznych powodowanych pracą odbiorników nieliniowych. Praca odbiorcy ZO1 powoduje dodatkowe zaburzenie prądu płynącego w torze zasilającym odbiorcę ZO2 lecz również wyższe harmoniczne przenikają w głąb systemu elektromagnetycznego. Podobnie, zaburzenia powstające w obwodzie zasilającym odbiorcę ZO2 przenikają do pierwszego odbiorcy oraz powyżej węzła PWP. Również zaburzenia elektromagnetyczne generowane po stronie dostawcy energii elektrycznej docierają do każdego z obwodów zasilających odbiorniki ZO1 oraz ZO2. Tak więc, w przypadku, gdy zachodzi potrzeba dokonania wirtualnego wyłączenia wybranego odbiorcy np. ZO1 należy dodatkowo zmodyfikować informacje o zawartości wyższych harmonicznych w prądzie rejestrowanym w torze zasilającym odbiorcę ZO2. Schemat zastępczy układu określony dla składowej podstawowej Uproszczony schemat zastępczy układu określony dla wyższych harmonicznych

Estymacja wyższych harmonicznych prądu nieliniowego odbiorcy skupionego w przypadku wirtualnego wyłączenia sąsiedniego odbiorcy nieliniowego Uwzględnienie zmian intensywności zaburzeń elektromagnetycznych zawartych w prądzie iO2 pochodzących od wyłączanego w sposób wirtualny analizowanego odbiorcy zostało zrealizowane również z wykorzystaniem sieci neuronowych. Dokonano wyboru następujących elementów będących zbiorem danych uczących: Uwzględnienie zmian intensywności zaburzeń elektromagnetycznych zawartych w prądzie iO2 pochodzących od wyłączanego w sposób wirtualny analizowanego odbiorcy zostało również zrealizowane z wykorzystaniem sieci neuronowych. Zastosowane rozwiązanie służy udzieleniu odpowiedzi na następujące pytanie: o ile mniej odkształcony prąd płynąłby w torze zasilającym odbiorcę ZO2, gdyby wciąż pracujący w rzeczywistości odbiorca ZO1 został wyłączony w sposób wirtualny. Utworzony estymator zawartości wyższych harmonicznych w prądzie płynącym w obwodzie zasilającym odbiorcę skupionego pełni wyłącznie rolę pomocniczą w stosunku do nadrzędnych estymatorów napięcia. Zatem do jego tworzenia nie jest możliwe wykorzystanie informacji o stopniu zaburzenia zawartej w odkształconym napięciu uPWP ze względu na fakt, iż to właśnie estymacja wartości chwilowych napięcia stanowi cel prowadzonych badań. Uproszczony schemat prezentujący sposób uczenia neuronowego estymatora widma wyższych harmonicznych odkształconego prądu iO2 [oprac. wł.]

Wartości chwilowe prądów iO2 L1÷iO2 L3 [oprac. wł.] Estymacja wyższych harmonicznych prądu nieliniowego odbiorcy skupionego w przypadku wirtualnego wyłączenia sąsiedniego odbiorcy nieliniowego ̶ IO2 L1 ̶ IO2 L2 ̶ IO2 L3 A Na bieżącym slajdzie zaprezentowano w postaci krótkiego filmu odpowiedzi pomocniczych sieci neuronowych stanowiących estymatory zawartości wyższych harmonicznych w prądzie iO2. Wartości estymowane oznaczone w postaci kropek porównano z wartościami rzeczywistymi pochodzącymi z pomiaru a oznaczonymi w postaci linii ciągłych. Jak widać odpowiedzi sieci neuronowych korespondują z wartościami rzeczywistymi prądu określonymi w wyniku dokonania pomiarów. Również w stosunku do sygnałów prądowych zastosowano procedurę oceny dokładności estymacji wyznaczając wartości wszystkich charakterystycznych parametrów. Nr próbki Wartości chwilowe prądów iO2 L1÷iO2 L3 [oprac. wł.]

Estymacja wyższych harmonicznych prądu nieliniowego odbiorcy skupionego w przypadku wirtualnego wyłączenia sąsiedniego odbiorcy nieliniowego Wyniki uzyskane dla rzeczywistego prądu iO2 oraz prądu estymowanego iO2 przez sieć neuronową 24–12–6–2 dla zbioru danych testowych [oprac. wł.] ˆ

Ocena jakości energii elektrycznej w węźle PWP podczas wirtualnego wyłączenia odbiorcy nieliniowego Dzięki właściwemu współdziałaniu opracowanych estymatorów możliwe stało się zrealizowanie stanu wirtualnego wyłączenia. Pomocnicze estymatory prądu zapewniają określenie niezbędnych dla sieci napięciowych wartości danych wejściowych adekwatnych stanowi wirtualnego wyłączenia odbiorcy ZO1. Natomiast pozostałe elementy zbioru danych wejściowych określane są w wyniku realizacji prac pomiarowych. Na podstawie odpowiedzi neuronowych estymatorów napięcia określono wartości wskaźników opisujących jakość energii w wstanie wirtualnego wyłączenia – blok PQ2 a następnie dokonano porównania wyników uzyskanych dla rzeczywistego stanu pracy sieci elektroenergetycznej – blok PQ1. Na kolejnym slajdzie zaprezentowano wyniki uzyskane w stanie wirtualnego wyłączenia pieców indukcyjnych oraz dokonano porównania wartości wskaźników jakości energii elektrycznej podczas wirtualnego wyłączenia oraz dla stanu rzeczywistej pracy układu. Estymacja napięcia w węźle PWP podczas wirtualnego wyłączenia odbiorcy nieliniowego ZO1, połączona z jednoczesną oceną jakości energii elektrycznej w stanie wirtualnego wyłączenia oraz w stanie rzeczywistej pracy odbiorcy przemysłowego ZO1 [oprac. wł.]

Ocena jakości energii elektrycznej w węźle PWP podczas wirtualnego wyłączenia odbiorcy nieliniowego

Ocena jakości energii elektrycznej w węźle PWP podczas wirtualnego wyłączenia odbiorcy nieliniowego Wyniki uzyskane dla rzeczywistego napięcia uPWP oraz napięcia estymowanego uPWP przez sieć neuronową dla zbioru danych testowych [oprac. wł.] ˆ

Wnioski opracowana neuronowa metoda estymacji napięcia pozwala na określenie wartości chwilowych napięcia w analizowanym węźle sieci elektroenergetycznej w zależności od charakteru oraz intensywności pracy analizowanego odbiorcy, tzw. odbiorcy skupionego oraz pracy samego systemu elektroenergetycznego; wykazano, iż maksymalny błąd względny uzyskany podczas wyznaczania wartości estymowanej napięcia chwilowego ûPWP nie przekracza 3,5 %, natomiast uzyskana dokładność podczas określania wartości poszczególnych parametrów opisujących jakość energii elektrycznej jest istotnie lepsza, np. dla wskaźnika THD ûPWP wartość błędu bezwzględnego wyniosła 0,15 %; dysponowanie wartościami chwilowymi napięć w analizowanym węźle pozwala na przeprowadzenie kompleksowej oceny jakości energii elektrycznej w zależności od charakteru pracy danego odbiorcy nieliniowego; zastosowanie opisanej metody w rzeczywistych układach elektroenergetycznych pozwala na określenie stopnia odkształcenia napięcia w PWP oraz pozostałych wskaźników opisujących jakość energii elektrycznej (stopień asymetrii, wahania napięcia, etc.) podczas tzw. wirtualnego wyłączenia analizowanego odbiorcy nieliniowego, co prowadzi do wyznaczenia jego indywidualnego wpływu w całkowitej degradacji napięcia w analizowanym węźle systemu elektroenergetycznego.

Dziękuję za uwagę