Optimized resilience in power grid operations: a synergistic framework for risk assessment and adaptive restoration modeling
| dc.contributor.advisor | Leite, Jonatas Boas [UNESP] | |
| dc.contributor.author | Kheirkhah, Ali Reza | |
| dc.date.accessioned | 2024-04-12T19:48:51Z | |
| dc.date.available | 2024-04-12T19:48:51Z | |
| dc.date.issued | 2024-03-05 | |
| dc.description.abstract | This thesis propels the field of power distribution network resilience forward by introducing a detailed framework that synergistically combines probabilistic load flow algorithms with adaptive load restoration strategies. This approach enhances the network's ability to withstand disruptions. Central to our methodology is the employment of monetary Value-at-Risk (VaR) and monetary Conditional Value-at-Risk (CVaR) as quantitative metrics for a risk-based analysis, enabling a precise assessment of impacts against high-impact, low-probability (HILP) events. By utilizing Monte Carlo simulations to model probabilistic vulnerability scenarios, our study offers a precise tool for distribution network operators to facilitate informed investment decisions. Incorporating smart grid technologies, the framework employs automatic fault location, isolation, service restoration (FLISR), and demand-side management (DSM) to dynamically assess interruption probabilities and accurately compute the costs of energy not supplied. The validity of our framework is demonstrated through empirical analysis on two real-world case studies: The first employs a geographic information system (GIS) for risk visualization across 4 feeders, enhancing strategic system improvement decisions. The second applies a genetic algorithm within a 136-bus test system, showcasing the benefits of network reconfiguration for resilience enhancement through various scenarios of sectionalizing switching and distributed generation allocation. These studies underscore the effectiveness of our method in aiding distribution network operators in investment decision-making to bolster system resilience, driven by risk mitigation strategies. This framework not only supports informed investment decisions but also significantly contributes to the development of a robust power infrastructure, capable of efficiently managing and recovering from adverse disruptions. | en |
| dc.description.abstract | Esta tese impulsiona o campo da resiliência da rede de distribuição de energia ao introduzir um quadro detalhado que combina de forma sinérgica algoritmos probabilísticos de fluxo de carga com estratégias adaptativas de restauração de carga. Esta abordagem melhora a capacidade da rede de resistir a interrupções. Central para a nossa metodologia é a utilização do Valor em Risco e do Valor em Risco Condicional como métricas quantitativas para uma análise baseada em risco, possibilitando uma avaliação precisa dos impactos contra eventos de alto impacto e baixa probabilidade. Utilizando simulações de Monte Carlo para modelar cenários de vulnerabilidade probabilística, nosso estudo oferece uma ferramenta precisa para operadores de redes de distribuição facilitarem decisões de investimento informadas. Incorporando tecnologias de rede inteligente, o quadro utiliza localização automática de falhas, isolamento, restauração de serviço e gerenciamento do lado da demanda para avaliar dinamicamente as probabilidades de interrupção e calcular precisamente os custos da energia não fornecida. A validade do nosso quadro é demonstrada através da análise empírica em dois estudos de caso do mundo real: O primeiro utiliza um sistema de informação geográfica para visualização de riscos em 4 alimentadores, aprimorando decisões estratégicas de melhoria do sistema. O segundo aplica um algoritmo genético dentro de um sistema de teste de 136 barramentos, destacando os benefícios da reconfiguração da rede para o aprimoramento da resiliência através de vários cenários de seccionamento e alocação de geração distribuída. Esses estudos sublinham a eficácia do nosso método em auxiliar operadores de redes de distribuição na tomada de decisões de investimento para reforçar a resiliência do sistema, impulsionada por estratégias de mitigação de riscos. Este quadro não apenas apoia decisões de investimento informadas, mas também contribui significativamente para o desenvolvimento de uma infraestrutura de energia robusta, capaz de gerenciar e recuperar-se eficientemente de interrupções adversas. | pt |
| dc.description.sponsorship | Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) | |
| dc.description.sponsorshipId | CAPES: 001 | |
| dc.identifier.citation | KHEIRKHA, Ali Reza. Optimized resilience in power grid operations: a synergistic framework for risk assessment and adaptive restoration modeling. 2024. 92 f. Tese (Doutorado em Engenharia Elétrica) – Faculdade de Engenharia, Universidade Estadual Paulista - Unesp, Ilha Solteira, 2024. | pt |
| dc.identifier.lattes | 0021788573704930 | |
| dc.identifier.orcid | 0000-0001-5199-7312 | |
| dc.identifier.uri | https://hdl.handle.net/11449/255120 | |
| dc.language.iso | eng | |
| dc.publisher | Universidade Estadual Paulista (Unesp) | |
| dc.rights.accessRights | Acesso aberto | |
| dc.subject | Adaptive restoration | en |
| dc.subject | Operational resilience metrics | en |
| dc.subject | Power outage | en |
| dc.subject | Probabilistic power flow | en |
| dc.subject | Risk management | en |
| dc.subject | Restauração adaptativa | pt |
| dc.subject | Métricas de resiliência operacional | pt |
| dc.subject | Interrupção de energia | pt |
| dc.subject | Fluxo de potência probabilístico | pt |
| dc.subject | Gestão de risco | pt |
| dc.title | Optimized resilience in power grid operations: a synergistic framework for risk assessment and adaptive restoration modeling | en |
| dc.title.alternative | Resiliência otimizada em operações de redes elétricas: uma estrutura sinérgica para avaliação de riscos e modelagem de restauração adaptativa | pt |
| dc.type | Tese de doutorado | pt |
| unesp.campus | Universidade Estadual Paulista (Unesp), Faculdade de Engenharia, Ilha Solteira | pt |
| unesp.embargo | 24 meses após a data da defesa | |
| unesp.examinationboard.type | Banca pública | |
| unesp.graduateProgram | Engenharia Elétrica - FEIS 33004099080P0 | |
| unesp.knowledgeArea | Automação | |
| unesp.researchArea | optimization |
Arquivos
Licença do Pacote
1 - 1 de 1
Nenhuma Miniatura disponível
- Nome:
- license.txt
- Tamanho:
- 2.14 KB
- Formato:
- Item-specific license agreed upon to submission
- Descrição: