Analysis of the load flow behaviour near a Jacobian singularity

Galiana, F.D.; Zeng, Zhihui

doi:10.1109/59.207355

Cited by 19 publications

(2 citation statements)

References 25 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…In order to solve the load flow methods based on Jacobian matrix, the inverse of Jacobian matrix must exist. However, in some cases, the Jacobian matrix becomes singular because of high resistance to reactance (R/X) ratio of distribution lines [28]. The Z-matrix-based load flow methods need the set of equations proportional to the number of buses, which utilizes more computational resources and time [29].…”

Section: Introductionmentioning

confidence: 99%

Graph theory-based radial load flow analysis to solve the dynamic network reconfiguration problem

Aman

Jasmon

Bakar

et al. 2015

Int. Trans. Electr. Energ. Syst.

View full text Add to dashboard Cite

Summary Radial load flow (RLF) methods are frequently used in solving distribution system problems. The conventional Jacobian‐based load flow methods (e.g., Newton–Raphson) may fail to converge in solving distribution system due to high resistance to reactance ratio of distribution lines. RLF methods are based on sweep‐based mechanism and require that the line data must be arranged in accordance with network topology. This problem needs special attention particularly in case of solving dynamic power system problems, where topology of the network changes with tie switches position (network reconfiguration problem). This paper has presented an intelligent graph theory‐based RLF analysis to solve “dynamic” problems. The proposed algorithm will help in arranging line data for any combination of tie switch positions, to check the radiality of the system and to ensure that all nodes are connected with the source node. The effectiveness of the proposed method is also validated by solving 16‐bus and 33‐bus network reconfiguration problem using graph theory‐based RLF method. Copyright © 2015 John Wiley & Sons, Ltd.

show abstract

Section: Introductionmentioning

confidence: 99%

Graph theory-based radial load flow analysis to solve the dynamic network reconfiguration problem

Aman

Jasmon

Bakar

et al. 2015

Int. Trans. Electr. Energ. Syst.

View full text Add to dashboard Cite

show abstract

“…Com base em [28], Zeng e Galiana [34] propuseram um método simples de obtenção do ponto de máximo carregamento, queé estimado através de uma extrapolação feita a partir de alguns pontos de operação conhecidos. Em [35,36] apresentou-se um algoritmo baseado em linearizações sucessivas das equações de fluxo de carga, e métodos que propõem determinar o quanto pode-se aumentar a carga de um sistema, até que as equações de fluxo de carga deixem de apresentar solução.…”

Section: Abordagem Estáticaunclassified

Avaliação das condições de operação de sistemas eletricos de potencia com relação a estabilidade de tensão utilizando redes neurais artificiais

Cifuentes¹

View full text Add to dashboard Cite

As mudanças no setor elétrico têm influído de maneira drástica nas condições de operação dos sistemas, levando-os a operar próximos da sua máxima capacidade. Por esta razão, estimar a proximidade do ponto de operação da rede aos limites do sistema de forma eficiente tem se tornado uma tarefa fundamental na operação de sistemas elétricos de potência. Do ponto de vista da estabilidade de tensãoé interessante conhecer a margem de carregamento, já que ela fornece uma idéia precisa da proximidade do sistema ao colapso de tensão. Este trabalho propõe o treinamento de redes neurais artificiais para avaliar a margem de carregamento sob condições de operação normais e de contingência a partir das informações coletadas da previsão de carga e usando diferentes grandezas mensuráveis diretamente do sistema ou através de cálculos simples, visando a aplicação desta metodologia num ambiente de tempo real.Palavras-chave: Sistemas de potência, redes neurais artificiais, estabilidade de tensão, colapso de tensão, margens de segurança.

show abstract