VOLTAGE STABILITY PROBABILISTIC ASSESSMENT IN COMPOSITE GENERATION AND TRANSMISSION SYSTEMS

• Main Author: ANSELMO BARBOSA RODRIGUES
• Other Authors: RICARDO BERNARDO PRADA
• Language: Portuguese
• Published: PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO 2009
• Online Access: http://www.maxwell.vrac.puc-rio.br/Busca_etds.php?strSecao=resultado&nrSeq=14870@1; http://www.maxwell.vrac.puc-rio.br/Busca_etds.php?strSecao=resultado&nrSeq=14870@2

COORDENAÇÃO DE APERFEIÇOAMENTO DO PESSOAL DE ENSINO SUPERIOR === CONSELHO NACIONAL DE DESENVOLVIMENTO CIENTÍFICO E TECNOLÓGICO === Em alguns países, os sistemas de energia elétrica estão operando próximos aos seus limites devido à falta de investimentos para expansão da transmissão e crescimento natural da demanda de energia elétrica. Esta condição de operação também pode ocorrer em sistemas de potência nos quais a expansão da transmissão é realizada de forma adequada. Neste caso, o carregamento excessivo da rede de transmissão é geralmente originado pela perda de interligações que transportam grandes blocos de energia. Os dois cenários de operação descritos acima têm causado problemas de Estabilidade de Tensão em sistemas de energia elétrica. Os estados de instabilidade de tensão são caracterizados principalmente pela presença de dois mecanismos: a insolubilidade das equações de fluxo de potência e a perda de controlabilidade. Os distúrbios que originam estes dois mecanismos são de natureza aleatória. Conseqüentemente, os índices de estabilidade de tensão, usados para analisar a perda de controlabilidade e a insolubilidade, são variáveis aleatórias. Desta forma, a análise de estabilidade de tensão deveria reconhecer incertezas associadas com parâmetros da rede elétrica, tais como: flutuações de carga e disponibilidade dos equipamentos. Geralmente, a modelagem de incertezas na análise de estabilidade de tensão é realizada usando os seguintes métodos probabilísticos: a Simulação Monte Carlo e a Enumeração de Estados. O principal índice estimado por estes métodos é o risco de instabilidade de tensão. Entretanto, o cálculo do risco de instabilidade de tensão é geralmente realizado contabilizando apenas um dos mecanismos causadores dos cenários de instabilidade de tensão. Além disso, a severidade dos estados de instabilidade de tensão não tem sido devidamente investigada. O objetivo desta tese é desenvolver um método para realizar uma análise probabilística da estabilidade de tensão que contabilize os dois mecanismos causadores da instabilidade de tensão no cálculo do seu risco. Serão também propostos índices probabilísticos, baseados na Análise de Robustez, para expressar a severidade dos estados de instabilidade de tensão. O método proposto se baseia na combinação das seguintes técnicas: Enumeração de Estados, Simulação Monte Carlo, Método da Matriz D’ e Fluxo de Potência Ótimo Não-Linear. Os métodos de Enumeração de Estados e Simulação Monte Carlo são usados para selecionar os estados do sistema resultantes de falhas nos equipamentos e erros de previsão de carga. A identificação da perda de controlabilidade e a restauração da solubilidade dos estados selecionados são realizadas pelo Método da Matriz D’ e pelo Fluxo de Potência Ótimo, respectivamente. A combinação dos métodos citados acima foi usada para obter os seguintes índices probabilísticos: risco de instabilidade de tensão, valores esperados da margem de estabilidade de tensão para as barras, e probabilidades dos estados de robustez. Os resultados dos testes com o método proposto revelaram que as probabilidades de estados instáveis, associados aos dois mecanismos causadores da instabilidade de tensão, são bastante significativas. Adicionalmente, a Análise de Robustez permitiu identificar a causa raiz e a severidade dos problemas de instabilidade de tensão. === In some countries, the electric power systems are operating near to their limits due to the absence of investments in the transmission network expansion and natural growth of the electricity demand. This operation condition can also occur in electric power systems in which the transmission expansion is carried out in appropriate way. In this case, the excessive loading of the transmission network is usually originated by the loss of interconnections that transport large energy blocks. The two operation scenarios described above have caused Voltage Stability problems in the electric power systems. The voltage instability states are mainly characterized by the presence of two mechanisms: the unsolvability of the power flow equations and the controllability loss. The disturbances that originate these two mechanisms are of stochastic nature. Consequently, the voltage instability indices, used to analyze the unsolvability and controllability loss, are random variables. In this way, the voltage stability assessment would recognize the uncertainties associated with the parameters of the electric network, for example: load fluctuations and equipment availability. Generally, the uncertainties modeling in the voltage stability is carried out using the following probabilistic methods: the Monte Carlo Simulation and the State Enumeration. The main index estimated by these methods is the voltage instability risk. However, the voltage instability risk evaluation is usually carried out considering only one of the mechanisms that cause voltage instability scenarios. Furthermore, the severity of the unstable states has not been properly investigated. The aim of this thesis is to develop a method to carry out a probabilistic assessment of the voltage stability that take into account the two mechanisms that cause the voltage instability in the evaluation of its risk. Probabilistic indices, based on Well-Being Analysis, are also proposed to express the severity of the voltage instability states. The proposed method is based on the combination of the following techniques: State Enumeration Method, Monte Carlo Simulation, D’ Matrix Method and Nonlinear Optimal Power Flow. The State Enumeration and Monte Carlo Simulation Methods are used to select the system states resulting of equipment failures and load forecast errors. The identification of the controllability loss and the solvability restoration of the power flow equations for the selected states are carried out by the D’ Matrix Method and by the Nonlinear Optimal Power Flow, respectively. The combination of the methods cited above was used to obtain the following probabilistic indices: voltage instability risk, expected value of the voltage instability margin for the buses, and Well-Being states probabilities. The results of the tests with the proposed method revealed that the probabilities of unstable states, associated with the two voltage instability mechanism, are very significant. Additionally, the Well-Being Analysis was able to identify the root cause and the severity of the voltage instability problems.