Kumpulan data sintetis menetapkan standar baru dalam penelitian sistem energi
Machine

Kumpulan data sintetis menetapkan standar baru dalam penelitian sistem energi


Kumpulan data sistem distribusi sintetis Smart-DS dari Santa Fe, mendemonstrasikan skala representasi kisi Smart-DS. Kredit: Laboratorium Energi Terbarukan Nasional

, Pepatah yang layak untuk rekayasa sistem adalah “tidak ada pengganti untuk hal yang nyata” —tidak ada yang seperti menguji perangkat atau ide baru pada sistem nyata, dengan ketepatan mutlak. Tetapi karena alasan yang jelas, hal ini biasanya tidak mungkin dilakukan pada sistem energi: Tidak ada utilitas yang akan mempermainkan daya yang dilayaninya kepada ribuan, bahkan jutaan pelanggan.

Alih-alih yang nyata, tim National Renewable Energy Laboratory (NREL) dan kolaborator eksternal telah menemukan hal terbaik berikutnya: hampir replika jaringan listrik — realistis hingga perangkat individu, dan hingga transmisi daya jarak jauh. Sejak penerapannya dalam beberapa proyek penelitian yang inovatif, kreasi tim, Model Sintetis untuk Pengujian Realistis Tingkat Lanjut: Sistem Distribusi dan Skenario (Smart-DS), ditetapkan untuk menjadi standar baru dalam pemodelan skala penuh dan simulasi skenario sistem energi.

“Tujuan dari proyek ini adalah untuk menciptakan set data kelistrikan generasi berikutnya,” kata Insinyur NREL Tarek Elgindy. “Ini menggantikan apa yang telah digunakan selama 15 atau 20 tahun terakhir,”

Secara historis, insinyur dan inovator akan membandingkan teknologi baru pada model yang sangat disederhanakan, seperti yang berasal dari pengumpan uji IEEE yang pertama kali muncul di awal tahun 90-an. Ini melayani tujuan yang berharga dalam memverifikasi bahwa alat simulasi komputer yang muncul saat itu akurat, tetapi ukurannya yang kecil dan kurangnya kekhususan jauh dari kompleksitas dan skala sebenarnya dari jaringan listrik yang sebenarnya. Selain itu, untuk membengkokkan sistem pengujian umum ini ke aplikasi spesifiknya — misalnya, untuk memproyeksikan dampak pertumbuhan matahari di atap, atau untuk menguji algoritme kontrol baru — peneliti sering menyesuaikan kumpulan data eksperimental mereka. Hasilnya berantakan. Para peneliti menggunakan banyak bentuk modifikasi dari kumpulan data generik, yang membuat penelitian jaringan listrik tidak tepat dan sulit direproduksi. Smart-DS dimaksudkan untuk memecahkan masalah tersebut.

Tanpa menghina atau melebih-lebihkan, kumpulan data Smart-DS dapat dibandingkan seperti “Mona Lisa” dengan standar pengujian sistem tenaga saat ini. Sementara sistem IEEE terbesar memiliki 8.500 node listrik, kumpulan data Smart-DS San Francisco memiliki 10 juta. Smart-DS, yang muncul dari program ARPA-E GRID DATA, secara algoritmik menghasilkan model sistem energi untuk menyesuaikan dengan geografi suatu area, distribusi populasi, penggunaan lahan, dan faktor lainnya. Ini seperti realitas alternatif, di mana sistem tenaga suatu wilayah berkembang sedikit berbeda, tetapi secara fungsional sama. Sistem energi yang dimodelkan menangkap kerumitan yang sebenarnya dan memberikan standar baru dengan skala dan detail yang realistis. Metode yang digunakan peneliti untuk membangun kumpulan data telah dipublikasikan di IEEE, meskipun perangkat lunak tertentu adalah hak milik.

“Selain memiliki sesuatu pada skala yang cukup mirip, sekarang peneliti memiliki sumber daya untuk membandingkan perkembangan, untuk mengatakan bahwa ‘algoritme saya 25% lebih cepat,'” kata Insinyur Riset Utama NREL dan Manajer Grup Bryan Palmintier. “Dengan sistem lama, tidak ada cara untuk membandingkan hasil sistem yang besar. Peneliti harus menggunakan utilitas yang sama, menggunakan data yang sama, semuanya sama.”

Data utilitas — informasi spesifik area aktual tentang bagaimana daya dibeli, dipindahkan, dan digunakan — harus dilindungi dan hanya dapat diakses melalui perjanjian non-disclosure, yang membatasi aplikasi data. Kumpulan data Smart-DS menghindari masalah kerahasiaan tetapi tetap menjaga realisme.

“Kumpulan data ini adalah fiksi yang bagus — mereka bukanlah grid yang sebenarnya berdasarkan desain. Kami tidak ingin membangun sistem yang sebenarnya, karena kami akan menghadapi kendala,” kata Palmintier. “Ini untuk orang-orang yang membangun algoritma dan solusi grid yang lebih baik dan membutuhkan sumber daya standar dengan ketelitian tinggi untuk memvalidasinya.”

Kumpulan data pertama dari Smart-DS mereproduksi sistem distribusi listrik di seluruh kota: Greensboro, North Carolina; Santa Fe, New Mexico; dan Bay Area di California. Draf set data ini telah diterbitkan di BetterGrids.org, sebuah tempat penyimpanan data yang dikembangkan dalam program ARPA-E yang sama. Kumpulan data akhir diharapkan pada akhir tahun. Untuk setiap jaringan kota sintetis, tim pengembangan juga membuat skenario standar — misalnya, kemungkinan perluasan beban yang dapat diperbarui seperti kendaraan listrik dan penyimpanan baterai. Alih-alih memodifikasi IEEE 37-node test feeder agar terlihat samar-samar mirip dengan skenario tertentu, peneliti dapat mengambil kumpulan data yang dihasilkan Smart-DS seperti “San Francisco, Versi 1.0, Tenaga surya tinggi, penyimpanan sedang.”

Perbedaannya bukan hanya konsistensi, tetapi resolusi. Sistem sintetis mencakup puluhan juta node listrik, mewakili jutaan pelanggan, dan beragam infrastruktur kelistrikan yang memberi makan beban tersebut. Ini ribuan kali lebih besar dari sistem pengujian sebelumnya, dan tidak seperti sebelumnya, kumpulan data Smart-DS mencakup seluruh sistem kelistrikan, menggabungkan kumpulan data transmisi dan distribusi, serta sistem tegangan rendah yang menghubungkan jaringan ke individu. pelanggan. Resolusi tinggi seperti itu akan terlihat dalam rilis set data Smart-DS yang akan datang, yang mencakup replika seluruh sistem daya Texas.

Skenario yang dibangun di atas kumpulan data ini memberikan lokasi standar dan parameter teknis untuk menangkap dampak realistis dari domain lain. Skenario disediakan untuk beberapa level (misalnya, rendah, sedang, tinggi) dari atap surya, surya skala utilitas, penyimpanan pelanggan, penyimpanan utilitas, pengisi daya kendaraan listrik (EV), kontrol utilitas yang ditingkatkan, dan banyak lagi, seperti skenario ketahanan peralatan rusak. Peneliti kemudian dapat mencampur dan mencocokkan untuk membentuk kombinasi skenario ini untuk menguji tekanan teknologi mereka terhadap variasi yang masuk akal dan sebanding dalam sistem energi masa depan.

Apa rahasia untuk menciptakan model realistis seperti itu? Selain kolaborasi ekstensif dengan Comillas Pontifical University, Massachusetts Institute of Technology, Texas A&M University, vendor perangkat lunak distribusi terkemuka, dan berbagai utilitas, tim pengembangan meminjam dari toolkit unik NREL. Toolkit ini mencakup ResStock untuk model bangunan tempat tinggal dan ComStock untuk model bangunan komersial, dan National Solar Radiation Database, yang dikelola oleh NREL, untuk ketersediaan tenaga surya yang realistis. Secara keseluruhan, ini memberikan masukan utama untuk skenario yang realistis, tetapi pada ukuran yang begitu besar, mungkin ada tantangan dalam menjalankan model lengkap secara efektif untuk kasus penggunaan lanjutan.

“Ada banyak alat yang memodelkan sistem dengan sangat baik — model yang disempurnakan untuk sistem distribusi [D] dan sistem transmisi [T], “Kata Elgindy.” Ketika Anda mencapai skala Texas, bagaimana Anda mengintegrasikan ini? Kami menggunakan HELICS untuk merekatkannya, untuk mengoordinasikan listrik antara T dan D, dan untuk menghubungkan pengetahuan domain itu. “

HELICS — Mesin Hierarki untuk Simulasi Bersama Infrastruktur Skala Besar — ​​memungkinkan Smart-DS untuk menggabungkan sistem energi dan domain penelitian yang berbeda. HELICS menyatukan beberapa alat NREL dalam Smart-DS untuk memungkinkan simulasi model sistem energi generasi berikutnya. Hal ini memungkinkan pengguna untuk mensimulasikan kombinasi berbagai bagian grid, seperti sistem transmisi dan sebagian dari sistem distribusi, pada laptop mereka, dan untuk menyesuaikan simulasi ini dengan komputasi kinerja tinggi seperti utilitas atau cluster universitas. Mensimulasikan seluruh jaringan energi Texas memang memerlukan beberapa pengangkatan yang berat: Smart-DS menggunakan node khusus pada superkomputer Eagle milik NREL untuk menghubungkan sejumlah besar simulasi distribusi pada node Eagle lainnya dengan alat aliran daya komersial yang berjalan di Windows.

Bersama-sama, Smart-DS dan alat terkait telah merevolusi penelitian di NREL. Simulasi landmark telah dicapai pada sistem energi replika, termasuk algoritme untuk prakarsa Autonomous Energy Grids NREL, integrasi mobilitas lanjutan dalam proyek GEMINI-XFCPDF, model standar untuk proyek ARPA-E PERFORM, dan validasi keamanan siber di bawah proyek Kesadaran Situasional dari Anomali Jaringan .

Untuk sampai pada model dengan ketelitian tinggi, tim pengembangan membuat beberapa sumber daya selama prosesnya. DiTTo (Distribution Transformation Tool) adalah salah satu perangkat lunak spin-off yang mengubah berbagai format pemodelan sistem distribusi. Model lainnya, Reference Network Model-US — yang menghasilkan model kelistrikan yang sesuai dengan spesifikasi teknis sistem AS — sedang diadaptasi oleh URBANopt untuk memahami hubungan antara tata letak bangunan dan sistem distribusi.

Meskipun Smart-DS telah mengubah skala dan ketepatan penelitian sistem energi, ini baru debutnya. Sejalan dengan inisiatif Advanced Research on Integrated Energy Systems (ARIES), Smart-DS dan alat terkait akan mendorong lebih jauh ke dalam batas-batas sistem energi terintegrasi, menyatukan perangkat keras daya dengan model detail tinggi dari berbagai domain energi untuk memungkinkan penelitian itu benar-benar mencerminkan skala dan kompleksitas sistem tenaga modern.

Generasi set data Smart-DS berikutnya akan segera diterbitkan — skenario berskala lebih besar, skenario yang lebih canggih, dan integrasi yang lebih besar dengan domain energi lainnya. Nantikan berita tentang rilis set data Smart-DS berikutnya.


INL dan NREL mendemonstrasikan simulasi jaringan listrik dari kejauhan


Informasi lebih lanjut:
Bryan Palmintier dkk. Pengalaman mengembangkan sistem uji distribusi sintetik gaya AS berskala besar, Penelitian Sistem Tenaga Listrik (2020). DOI: 10.1016 / j.epsr.2020.106665

Carlos Mateo dkk. Membangun Model Sistem Distribusi Listrik Sintetis AS Skala Besar, Transaksi IEEE di Smart Grid (2020). DOI: 10.1109 / TSG.2020.3001495

Venkat Krishnan dkk. Validasi Kumpulan Data Sistem Distribusi Tenaga Listrik AS Sintetis, Transaksi IEEE di Smart Grid (2020). DOI: 10.1109 / TSG.2020.2981077

Hanyue Li dkk. Membangun Kumpulan Data Jaringan Listrik Sintetis Rinci Tinggi untuk Sistem Transmisi dan Distribusi Gabungan, IEEE Open Access Journal of Power and Energy (2020). DOI: 10.1109 / OAJPE.2020.3029278

Disediakan oleh Laboratorium Energi Terbarukan Nasional

Kutipan: Kumpulan data sintetis menetapkan standar baru dalam penelitian sistem energi (2020, 1 Desember) diambil 1 Desember 2020 dari https://techxplore.com/news/2020-12-synthetic-standard-energy.html

Dokumen ini memiliki hak cipta. Selain dari transaksi yang adil untuk tujuan studi atau penelitian pribadi, tidak ada bagian yang boleh direproduksi tanpa izin tertulis. Konten disediakan untuk tujuan informasi saja.


Halaman Ini Di Persembahkan Oleh : Result SGP