Smart grid topology estimation in low voltage networks

Abstract

Energieerzeugung in verteilten Stromnetzen und der daraus resultierende bidirektionale Ener-giefluss erfordern weitergreifende Regelungstechnologien, um das Potential der alternativen Energien auszunutzen. Viele Smart-Grid-Konzepte, welche Strategien für effizientes Ener-giemanagement beschreiben, bauen auf der Kenntnis der Versorgungsnetztopologie auf. Smart-Grid-Konzepte benötigen die Topologie, um auf dynamische Änderungen der Netzto-pologie, beispielsweise im Falle von Wartungsarbeiten oder Netzerweiterung, reagieren zu können. In Niederspannungsnetzen sind Leistungsschalter installiert, die diese Netzwerkre-konfiguration ermöglichen. Diese Leistungsschalter können jedoch nur manuell betätigt wer-den und auch der aktuelle Schaltzustand kann nur vor Ort abgelesen werden. Das Ziel dieser Diplomarbeit ist es, die Topologien von Niederspannungsnetzen aus den Messdaten der Smart Meter, den digitalen Zählern, zu berechnen.<br />Eine analytische Methode, um die Topologie zu berechnen, nutzt die Messdaten der Smart Meter und berechnet daraus über Systemidentifikationsmethoden die Übertragungsfunktion des Netzwerks.<br />Durch ein iteratives Analysieren der Übertragungsfunktion kann auf die To-pologie geschlossen werden.<br />Für eine zweite Methode ist zusätzlich zu den Smart Grid Messdaten die grundsätzliche Topo-logie des Niederspannungsnetzes, sowie die Position der Leistungsschalter bekannt, nicht aber die Schaltzustände dieser Leistungsschalter. Um auf die aktuelle Topologie zu schließen, werden Methoden der Netzwerkanalyse auf die gemessenen Ströme der Smart Meter ange-wandt, um die Spannungen für alle Punkte im Niederspanungsnetz für alle möglichen Topo-logien, die aus den Schalterkombinationen entstehen können, zu berechnen. Stimmen die be-rechneten Spannungen einer möglichen Topologie mit den gemessen Spannungen der Smart Meter überein, sind die richtigen Schalterzustände gefunden, die die aktuelle Topologie des Niederspannungsnetzes wiederspiegeln.<br />Beide Methoden wurden entwickelt, evaluiert und mit Simulationsdaten sowie realen Daten getestet. Weiters werden beide Ansätze in der Demonstrationsanlage Intelligentes Nieder-spannungsnetz" implementiert.<br />

Energy generation in distribution networks and the resulting bidirectional energy flow ask for more advanced control technologies like Smart Grid. Smart Grid concepts use the grid topology as a basis for efficient Smart Grid energy management strategies. The knowledge of the current topology is necessary to provide the ability of Smart Grid concepts to react to dynamical changes of the low voltage grid which happen in case of maintenance work, addition of customers or faults. Low voltage networks are equipped with switches/circuit breakers which allow these re-configurations of the network topology. These switches are operated manually and currently no economic incentive is planned to enable remote monitoring or even remote control of these switches. The aim of this master thesis is to estimate topologies of low voltage grids by using measurement data from Smart Meters. Therefore, different methods have to be developed, evaluated and applied.<br />An analytical approach to estimate the topology can be based on linear algebra or artificial neural networks to identify the system transfer function using the Smart Meter data. Analysing the identified system with iterative methods then leads to the grid topology.<br />Another approach is based on a-priori knowledge of the grid.<br />Additionally to the Smart Meter data, it is assumed that the general topology and the number and positions of switches are known but not the switch state of the circuit breakers. By applying network analysis methods for electric circuits to the measured current of the Smart Meters the voltages for all nodes for all possible topologies which can arise from the number of switches can be calculated. If the calculated voltages of a possible topology accord to the voltage measurements of the Smart Meters the current switch states are found, resulting in the knowledge of the topology of the low voltage grid.<br />Both methods were evaluated and tested using real Smart Meter measurement data provided by a network operator. Furthermore, the two approaches will be implemented in the demonstration system \Intelligent Low Voltage Grid" which is used for showcases.