Sintonización Adaptativa del Estabilizador de Sistema de Potencia mediante Árboles de Decisión y Optimización Heurística

• Oscullo, José Antonio ^[1] ; Cepeda, Jaime Cristóbal ^[1]
  1. [1] Escuela Politécnica Nacional

     Escuela Politécnica Nacional

     Quito, Ecuador

     
• Localización: Revista Politécnica, ISSN-e 2477-8990, Vol. 51, Nº. 1, 2023 (Ejemplar dedicado a: Revista Politécnica), págs. 57-66
• Idioma: español
• DOI: 10.33333/rp.vol51n1.05
• Enlaces
  • Texto completo
• Resumen
  • español

    Este artículo presenta un enfoque novedoso para amortiguar de forma adaptativa las oscilaciones de baja frecuencia mediante un clasificador de árboles de decisión que utilizan como entradas las señales de frecuencia y potencia de las barras de generación sensadas por el sistema de monitoreo de área amplia (WAMS). El ajuste adaptativo de los estabilizadores de sistemas de potencia (PSS) convencionales (p.ej., PSS1A, PSS2A, PSS2B), que se encuentran disponibles en el sistema, se realiza al modificar los parámetros óptimos de sintonización del PSS, mediante el análisis de los modos críticos de los escenarios operativos utilizando el algoritmo de optimización heurística de mapeo media- varianza (MVMO). Estos parámetros por escenario pueden ser seleccionados mediante un clasificador inteligente basado en árboles de decisión con el objetivo de adaptar la sintonización del PSS a las condiciones de operación. Dicho proceso se implementa en PowerFactory de DIgSILENT mediante la herramienta de análisis modal, se determinan los modos críticos, para el caso de simulación. Mientras en tiempo real, los modos críticos son obtenidos por medio del algoritmo de identificación modal establecido con la matriz Pencil de las señales WAMS. La metodología planteada se aplica al sistema New York-New England de 66-Barras, obteniéndose la mejor respuesta dinámica del sistema con los PSS adaptativos a las diferentes condiciones operativas del sistema. Además, se compara la respuesta con el PSS4B que se caracteriza por monitorear varias frecuencias de los modos de oscilación presentes en la operación del sistema y así presentar los beneficios a la contribución propuesta.

  • English

    This paper presents a novel approach for adaptively damping low-frequency electromechanical oscillations viathe application of decision trees that uses, as inputs frequency and power signals of generation buses monitored byWide-Area measurement system (WAMS). This methodology can be applied for adaptive tuning of conventional Power SystemStabilizers (i.e., PSS1A, PSS2A, PSS2B) generally available in actual power systems, it is done by adjusting the PSStuning parameters by analyzing critical oscillation modes for different operational scenarios using the Mean-VarianceMapping Optimization (MVMO) heuristics algorithm. Those optimal parameters PSS determined for each scenario areselected by an intelligent classifier based on Decision Trees with the objective of adapting the PSS tuning to the operatingconditions. This process uses DIgSILENT PowerFactory for offline case using modal analysis critical modes are determined.In real-time, critical modes are determined by the modal identification algorithm established with matrix Pencil ofWAMS-signals. The methodology is applied to the 66-Bus New York-New England system test power system, showinggood dynamic response in adapting the PSS tuning to the different power system conditions. In addition, the response iscompared with the PSS4B which is characterized by monitoring various frequencies of the oscillation modes present inthe operation of the system and thus presenting the benefits to the proposed contribution.

• Referencias bibliográficas
  • Almunif, A., Fan, L., & Miao, Z. (2019). A tutorial on data-driven eigenvalue identification: Prony analysis, matrix pencil, and eigensystem...
  • Cepeda, J., Rueda, L. , Erlich, I., Korai, W., & Gonzalez-Longatt, F. (2014). Mean-Variance Mapping Optimization Algo- rithm for Power...
  • Crow, M. (2016). Computational Methods for Electric Power Sys- tems. Boca Raton, USA: CRC Press Taylor & Francis Group.
  • Flores, H., Cepeda, J., & Gallardo, C. (2017). Optimum Lo- cation and Tuning of PSS devices considering Multi- machine criteria and a...
  • Fisher, R. (1936). The use of multiple measurements in taxono- mic problems. Wiley Annals of Eugenics, 7(2), 179-188. http://doi.org/10.1111/j.1469-1809.1936.tb02137.x
  • Grondin R., Kamwa, I., Trudel, G., Gerin-Lajoie, L., & Tabor- da, J. (2003). Modeling and closed-loop validation of a new PSS concept,...
  • He, J., Lu, C., Wu, X., Li, P., & Wu, J. (2009). Design and ex- periment of wide area HVDC supplementary damping controller considering...
  • IPE, Society (2016). IEEE Recommended Practice for Ex- citation System Models for Power System Stabi- lity Studies, IEEE Standard Board, 1(1),...
  • Ma, J. (2018). Power System Wide-Area Stability Analysis and Control. Beijing, China: Wiley Science Press. Mondal, D., Chakrabarti, A., &...
  • Oscullo, J., & Gallardo, C. (2020). Adaptive tuning of power sys- tem stabilizer using a damping control strategy consi- dering stochastic...
  • Oscullo, J., & Gallardo, C. (2020). Residue Method Evaluation for the Location of PSS with Sliding Mode Control and Fuzzy for Power Electromechanical...
  • Peres, W., Junior, I., & Passos-Filho, J. (2018). Gradient based hybrid metaheuristics for robust tuning of power system stabilizers....
  • Qsutra (n.d.). Classification and regression trees. Obtenido de: http://qsutra.com/explore/classification and regression trees. (Enero, 2022).
  • Shanka A., & Gurrala, G. (2020). A Systematic Tuning Approach for Multi-Band Power System Stabilizers (PSS4B). IEEE International Symposium...
  • Trinh, W., Shetye, K., & Overbye, T. (2019). Iterative Ma- trix Pencil Method for Power System Modal Analy- sis. Proceedings of the 52nd...
  • Wang, D., Rueda, J., Rakhshani, E., & Meijden, M. (2020). MVMO-Based Identification of Key Input Variables and Design of Decision Trees...