Analysis of power distribution systems using a multicore environment

Abstract

Currently it is widely accepted that the construction of large generation centers is no longer the best option to supply the increment of electric load. High costs related to the construction of new generation centers, state policies aimed at reducing the production of greenhouse gases, and legal issues, such as obtaining environmental permits for the construction of new transmission lines, are some of the main reasons that have driven the growth of small scale generation located close to actual load consumption, also known as Distributed Generation (DG). This doctoral thesis presents a contribution to three main topics related to the analysis of power distribution systems: the generation of system curves (i.e. load and renewable generation curves) to be used in other studies, a procedure for maximum reduction of distribution energy losses by allocating distributed generation, and a procedure for reliability assessment of power distribution systems with distributed generation. The approaches followed in this thesis for implementing the two procedures are based on the Monte Carlo method. The generation of system curves is a key aspect in studies that assume time variation of loads and renewable generation. The main reason behind the implementation of algorithms for obtaining curve shapes of load and generation is to use a self-contained environment that does not rely on external tools (e.g. HOMER). Parallel computing is a natural approach when the objective is to reduce the total execution time of problems with an embarrassingly parallel nature (such as the Monte Carlo method). The use of a multicore environment allows users to distribute task executions among available CPUs, thus reducing total simulation times. Therefore, the procedures for optimum allocation of distributed generation and reliability assessment of power distribution systems have been developed taking advantage of parallel computing; namely, they were conceived as Parallel Monte Carlo methods. The simulation tools used in this work are MATLAB and OpenDSS. OpenDSS is the tool chosen for carrying out the simulations of distribution systems, while MATLAB is used to control the execution of simulations performed by OpenDSS, handle data generated by OpenDSS, and produce graphical outputs. The optimum allocation of distributed generation has been the objective of many studies in recent years; the procedure presented in this Thesis is aimed at minimizing system energy losses for short and long term evaluation periods. A sequential connection of generating units is assumed for long term periods. Although reaching the global optimum using a Monte Carlo approach can be a time consuming task even when a multicore installation is used, the results obtained have proven that the procedure is capable of finding a quasi-optimum solution. Furthermore, two new approaches (i.e. the so-called Refined method and a "Divide and Conque" approach) were presented; their application has permitted an important reduction of simulation times without a significant loss in accuracy. Reliability analysis is a fundamental piece of distribution system planning and design. The developed procedure is mostly aimed at replicating the random nature of system and power component failures; it estimates distribution system reliability indices through consecutive power flow executions of the test system. The obtained results show that the method is able to estimate the probability density function of the different reliability indices with the desired accuracy for systems with and without distributed generation. Additional reliability indices related to distributed generation have been introduced (SAIFIDG and SAIDIDG); these new indices help assessing the impact of system failure on DG. Furthermore, the use of a power flow simulator allows an easy and accurate calculation of the Actual Energy Not Supplied (AENS) and Actual Energy Not Produced (AENP) indices, the latter related to DG.

En la actualidad es generalmente aceptado que la construcción de grandes plantas generadoras ya no es la mejor opción para atender el aumento de demanda eléctrica. Los altos costos que implica la construcción de dichas plantas, la actual preocupación por reducir la emisión de gases de efecto invernadero y otros problemas de tipo legal, como la obtención de permisos ambientales para la construcción de nuevas líneas, ha dado impulso al crecimiento de la generación a pequeña escala en sitios cercanos a los puntos de consumo, también conocida como generación distribuida (GD). Esta tesis doctoral se ha concentrado en tres temas relacionados con el análisis de sistemas de distribución: la generación de curvas de cargas y generación basada en recursos renovables, un procedimiento para minimizar las pérdidas de energía en sistemas de distribución eléctrica mediante la asignación óptima de generación distribuida, y un procedimiento para el análisis de fiabilidad en sistemas de distribución con generación distribuida. La generación de curvas de cargas y generación renovable (fotovoltaica y eólica) es un elemento clave en estudios para los que se considera la variación temporal de carga y generación. Los algoritmos desarrollados con esta tesis fueron implantados con el objetivo de evitar el uso de herramientas externas para la generación estas curvas (por ejemplo, HOMER). El cálculo paralelo es un enfoque natural cuando el objetivo es reducir el tiempo de simulación de problemas embarazosamente paralelos (como el método de Monte Carlo). El uso de una instalación multiprocesador permite al usuario repartir las tareas a ejecutar entre los procesadores disponibles, reduciendo los tiempos de simulación. Por lo tanto, los procedimientos para localización óptima de generación distribuida y el análisis de fiabilidad en redes de distribución han sido desarrollados haciendo uso del cálculo paralelo, es decir, fueron concebidos como métodos de Monte Carlo Paralelos. Las herramientas utilizadas son MATLAB y OpenDSS. OpenDSS es la herramienta encargada de llevar a cargo la resolución de los sistemas bajo estudio, mientras que MATLAB es utilizado para controlar la ejecución de las simulaciones realizadas por OpenDSS, procesar la información generada y producir salidas gráficas. La localización óptima de generación distribuida ha sido objeto de muchos estudios en años recientes; el procedimiento presentado tiene como objetivo minimizar las pérdidas de energía para evaluaciones a corto y largo plazo. Aunque determinar el óptimo global utilizando el método de Monte Carlo puede requerir de tiempos de simulación muy grandes (incluso contando con una instalación multiprocesador), los resultados obtenidos prueban que el método es capaz de encontrar una solución cuasi-óptima. Adicionalmente, dos nuevas metodologías (método de Monte Carlo Refinado y "Divide y Conquista") han sido presentadas; su aplicación permite una importante reducción en los tiempos de simulación sin una pérdida significativa de precisión. El análisis de fiabilidad es una pieza vital para el diseño y planificación de sistemas de distribución eléctrica, el procedimiento desarrollado busca reproducir la naturaleza aleatoria de los fallos producidos en el sistema. El método determina los índices de fiabilidad a través de ejecuciones consecutivas del sistema bajo estudio. Los resultados obtenidos muestran que el método es capaz de estimar la función de distribución de probabilidad de los distintos índices con la precisión deseada en sistemas con y sin GD. Dos nuevos índices relacionados con GD han sido introducidos (SAIFIDG y SAIDIDG); estos índices pueden ayudar a evaluar el impacto de los fallos en la generación distribuida. Además, el uso de un simulador de flujos de carga permite el cálculo preciso de los índices de energía real no suministrada (AENS) y la energía real no producida (AENP), este último relacionado con GD.