With the insertion of distributed generation in distribution networks, security analysis becomes crucial, in islanded operation or when the system is connected to the grid. Dynamic stability analyses are necessary in order to achieve minimum levels of security and reliability. Such analyses are obtained through the solution of the algebraic-differential set of equations that model the distribution grid and their generators, which requires numerical solution methods. Therefore, this paper presents a computational tool for transient stability and large disturbance frequency stability analysis, considering distribution systems with the insertion of biomass-fed distributed generation, which may, or may not, have speed regulation systems. The presented tool may be employed to assess assorted system indexes, such as the severity of disturbances, the quality of a given operating condition, in terms of voltage and frequency operating limits, and the response of both the system and the generators in face of the action of speed regulators.
Resumo-No planejamento e operação de redes de distribuição de energia elétrica, integradas com fontes renováveis como a solar, a estimativa de valores de irradiância torna-se um grande diferencial estratégico. Para auxiliar na resolução deste problema, pesquisadores da área propõem inúmeras soluções como, por exemplo, aplicação de séries temporais regressivas, utilização de dados previstos por agências meteorológicas e emprego de técnicas de inteligência artificial, entre outros. Considerando a abordagem conexionista, as redes neurais artificiais (RNA) vêm sendo cada vez mais utilizadas em problemas de classificação e regressão não-linear devido à sua aplicabilidade na análise de dados e previsão, incluindo em aplicações na área de energias renováveis. A disponibilidade de dados históricos em bancos de dados meteorológicos torna a RNA ainda mais atrativa nos problemas de estimação de irradiância solar, uma vez que esta é capaz de executar um mapeamento não-linear entre conjuntos de variáveis de entrada e de saída. Assim, este trabalho objetiva desenvolver duas diferentes arquiteturas de RNA, a Multilayer Perceptron (MLP), com algoritmo de treinamento Backpropagation, e a Generalized Regression Neural Network (GRNN), para analisar a contribuição de cada uma para a determinação de uma curva típica de irradiância solar para o mês de janeiro de 2019 na cidade de Curitiba-PR. Foram implementadas duas arquiteturas distintas para cada tipo de RNA, variando o número de neurônios na camada oculta da MLP e o valor de espalhamento (spread) para a GRNN, visando avaliar o impacto dos parâmetros estruturais no desempenho de cada algoritmo. Embora ambas as arquiteturas demonstrarem, assim como menciona a literatura, resultados
In Brazil, the demand for the acquisition and installation of photovoltaic systems has grown exponentially and, with that, the importance of studies considering their effects on the distribution grids power flow also grows. Due to the intermittent nature of photovoltaic generation, it is important to approach the analysis in a discrete way, taking into account the changes in the power injections during the studied period. Thus, this article presents the daily analysis of the effects of photovoltaic generation on the distribution system through the computational implementation of a discretized power flow routine. The implemented routine can also analyze the effects of other distributed generations on distribution grids, whether those grids are radial or not. The study results show positive impacts on the voltage quality obtained by the photovoltaic systems insertion, for a well-known distribution test system.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.