Skip to content
IoT-forskning

Elkraftsystemåterställning — SCI-publicerad algoritmforskning

Ett samarbetsforskningsprojekt som resulterade i två peer-reviewade publikationer i CSEE Journal of Power and Energy Systems. Forskningen föreslog nya algoritmer för återställning av eldistributionssystem efter avbrott — med Prims Minimum Spanning Tree för att hitta optimala effektflödesvägar.

MATLABMatpower ToolboxAlgorithm DesignPrim’s MSTMulti-Objective OptimizationPower Flow AnalysisGraph TheoryIEEE 69-Bus System
Elkraftsystemåterställning — SCI-publicerad algoritmforskning

Utmaningen

När elnät drabbas av större avbrott kräver återställning av el till kritiska laster med distribuerade produktionsresurser att optimala effektflödesvägar hittas — ett komplext flerkriterieoptimeringsproblem.

Vår lösning

Vi föreslog en ny viktkoefficient för Prims MST-algoritm för att hitta optimala återställningsvägar baserat på ledningsimpedans, lastprioritet och efterfrågan. En adaptiv strategi utvecklades för att hantera störningar efter återställning.

Effekt

Resultat och påverkan

Publicerad: Optimal önätbildning med Prims MST-algoritm — CSEE JPES, Vol. 8, Nr. 2, mars 2022
Publicerad: Adaptiv önätstrategi — CSEE JPES, Vol. 9, Nr. 4, juli 2023
Föreslagen metod återställde 64% av total efterfrågan — överträffade 6 konkurrerande metoder
100% återställning av högst prioriterade laster i initialt scenario
Validerad på IEEE 69-bus distributionssystem med MATLAB Matpower

Har ni ett projekt i åtanke?

Låt oss diskutera hur NexGenix kan utveckla er nästa lösning.

Starta ert projekt