Security of Electricity Supply in Power Systems
Establishing a Global Framework for Assessing Power System Health and Analyzing Outage Statistics in Sweden
Tid: Må 2024-02-19 kl 13.00
Plats: Kollegiesalen, Brinellvägen 8, Stockholm
Videolänk: https://kth-se.zoom.us/j/68367508107
Språk: Engelska
Ämnesområde: Elektro- och systemteknik
Respondent: Sanja Duvnjak Zarkovic , Elektromagnetism och fusionsfysik
Opponent: Assistant Professor Christina Papadimitriou, Eindhoven University of Technology TUE
Handledare: Patrik Hilber, Elektromagnetism och fusionsfysik; Ebrahim Shayesteh, Elektromagnetism och fusionsfysik
QC 20240129
Abstract
Det primära syftet med denna avhandling är att förbättra elförsörjningstryggheten genom att tillhandahålla ett holistiskt perspektiv och införa ett heltäckande ram- verk för att bedöma kraftsystemets hälsa. Detta nya tillvägagångssätt syftar till en grundlig utvärdering av systemets övergripande prestanda och välbefinnande, med hjälp av de fysiska dimensionerna av försörjningstryggheten som grunden för ett hälsoindex för kraftsystemet.
Efter att ha upprättat det teoretiska ramverket samlas relevant och tillgäng- lig data in för att analysera och förstå systemets prestanda. Genom att analysera avbrottsstatistik i Sverige identifierar forskningen specifika trender och prestations- mått som kan undersökas ytterligare och segmenteras enligt olika kriterier. Insik- terna från denna forskning kan i sin tur användas för att informera om proaktiva underhållsstrategier och kapacitetsplanering, för att i slutändan minska riskerna för avbrott och säkerställa en mer tillförlitlig elförsörjning.
Avbrottsstatistiken analyseras vidare ur aspekten datakvalitet, med fokus på inkonsekvenser och saknade värden i avbrottsrapporterna, det vill säga okända av- brottsorsaker och oidentifierad felaktig utrustning. Genom att noggrant granska uppgifterna avslöjas märkbara luckor och brister. Därför föreslås ett format för att förbättra avbrottsrapporteringen med hjälp av en databas med 3 relationer (avbrottsöversikt, avbrottsuppdelning och kunduppdelning). Förutom en kvalitativ analys av data, utforskas och testas olika maskininlärningsalgoritmer med avseen- de på deras förmåga att förutsäga de okända värdena i datamängden, och erbjuder därmed en tvåfaldig lösning: förbättrar avbrottsdatans noggrannhet och underlättar djupare, mer exakta analytiska möjligheter. Resultaten och förslagen inom detta arbete belyser de nuvarande utmaningarna inom hantering av avbrottsdata och lägger också grunden för ett mer omfattande, datadrivet tillvägagångssätt inom avbrottshantering och policyutveckling.