Decision Tree Based

Transient Stability Method

A Case Study
Sistemi informativi per le decisioni LS

Gruppo 10:
Alessandro Gambini
Michele Leoni

15 marzo 2006
Indice Intervento
 Dominio Applicativo
 Data Preparation
 Algoritmo
 Prove Sperimentali
 Risultati
 Ulteriori Ottimizzazioni
 Conclusioni
 Dominio Applicativo (1)

 Generazione ed erogazione energia elettrica

 125,4 GWe:

 42,1 milioni di utenti

 Collaborazioni con altri 75 produttori di energia in tutto il mondo
 Più di 160.000 dipendenti
 46,9 miliardi di € di fatturato annuo (2004)
Dominio Applicativo (2)
STUDY REGION:
3 impianti
60 linee
10 GWe
5,6 GW di carico medio

Caratteristiche EDF (1.994):

61 impianti
561 bus
1.000 linee
110 GWe
 Dominio Applicativo (3)
Stabilità del transitorio (Transient Stability)
CASO 1: Transitorio

tempo

Stato stabile Fault Eliminazione fault Stato stabile

 Dominio Applicativo (3)
Stabilità del transitorio (Transient Stability)
CASO 1:

tempo

CASO 2:

Stato instabile
 Dominio Applicativo (4)

Obiettivo del KDD:

STATO DEL
SISTEMA PRIMA
DEL GUASTO STABILITA’
VS
INSTABILITA’
TIPO DI GUASTO
 Dominio Applicativo (5)
Critical Clearing Time [CCT]:
Def: maximum time interval by which the fault must be cleared
in order to preserve the system stability
STABILITA’
CCT

INSTABILITA’
CCT
CCT = f (STATO PRIMA DEL GUASTO, TIPO DI GUASTO)
Time Domain Simulation
Monte Carlo Simulation
Nearest Neighbour Algorithm
Probabilistic Modelling
Regression Technique
Indice Intervento
 Dominio Applicativo
 Data Preparation
 Algoritmo
 Prove Sperimentali
 Risultati
 Ulteriori Ottimizzazioni
 Conclusioni
 Data Preparation (1)
 Tipologie di guasti studiate
 Busbar Fault
 Double Line Fault
 Single Line Fault

 Stato del sistema

 Topologia
 Stato elettrico
 Data Preparation (2)
 Fase computazionalmente più onerosa:
4 giorni VS 5 minuti VS 0,1 ms
 Risultati:
Per ogni tipo di guasto 3.000 stati del sistema

candidate attributes CCT

OS1
OS2
.
.
. Per ognuno dei 3 guasti
evidenziati in precedenza

OS3000
Indice Intervento
 Dominio Applicativo
 Data Preparation
 Algoritmo
 Prove Sperimentali
 Risultati
 Ulteriori Ottimizzazioni
 Conclusioni
Algoritmo (1)
1. Poni come N* il nodo radice (comprendente l’intero LS)
2. Se il nodo N* è già sufficientemente omogeneo, STOP
3. Se non esiste un candidate attribute in grado di migliorare
statisticamente la previsione del nodo N* (test ‫א‬2), STOP
4. Altrimenti, calcola per ogni candidate attribute la soglia di
splitting migliore (ai*)
5. Calcola l’attributo migliore per effettuare lo splitting (a*)
6. Splitta usando la soglia a**
7. Per entrambi i nodi generati poni LS*={OSi: OSi rispetta i vincoli
dei nodi predecessori}
8. Poni come N* ciascuno dei nodi generati e torna al punto 2
Algoritmo (2)

LS

TS
Indice Intervento
 Dominio Applicativo
 Data Preparation
 Algoritmo
 Prove Sperimentali
 Risultati
 Ulteriori Ottimizzazioni
 Conclusioni
Gradi di libertà
 Parametro α
 Grado di omogeneità
 Dimensione LS/TS
 Candidate attribute
 Classi del CCT
 Parametro α
Diverse prove (40) con α є [10-4,10-1]
α grande → albero espanso
α piccolo → albero ridotto

α ottimo = 10-4
buon compromesso tra
complessità dell’albero e affidabilità
Grado di omogeneità
Parametro β che definisce la soglia minima di
“purezza” di ciascuna foglia dell’albero.
Se il tasso di “purezza” del nodo < β
continua con lo splitting
Se il tasso di “purezza” del nodo > β
STOP, il nodo diventa una foglia.

Per minimizzare gli errori è stato scelto un

valore di β molto alto.
Dimensione LS/TS
Diverse prove (40) con LS є [500,2.000]

LS ottimo = 2000

TS ottimo = 1000
Candidate attribute
Sono stati considerati 13 differenti set di candidate
attribute (in totale 160 differenti attributi).
I singoli attributi sono definiti: complessità

 controllable
 observable
 complex
affidabilità immediatezza

a seconda della loro complessità,

immediatezza e affidabilità.
Gli attributi principali considerano la topologia della
rete, il suo stato elettrico e il carico dei flussi.
Classi del CCT
Diverse prove (40) considerando 11 diversi tipi
di classificazione dei CCT.
Si sono testati alberi con:
 2 classi (usando la ACT e la mediana)
 3 classi
 4 classi

Aumentando il numero di classi si riscontra un

incremento del tasso di errore.
Indice Intervento
 Dominio Applicativo
 Data Preparation
 Algoritmo
 Prove Sperimentali
 Risultati
 Ulteriori Ottimizzazioni
 Conclusioni
Risultati
 Dimensioni ridotte  Basso test set error
Indice Intervento
 Dominio Applicativo
 Data Preparation
 Algoritmo
 Prove Sperimentali
 Risultati
 Ulteriori Ottimizzazioni
 Conclusioni
Ulteriori ottimizzazioni (1)
Non più 1 albero per ogni tipo di guasto ma
1 albero per tutti i tipi di guasto
CCT Tipo di
candidate attributes
guasto

OS11
SC
OS22
SC
.
.
.

OS
SC3000
3000
Ulteriori ottimizzazioni (2)
Vantaggi:
 Valutazioni congiunte
 Maggiore facilità di
consultazione
 Minor numero di
attributi considerati
 Complessità e test set
error pressoché costanti
Ulteriori ottimizzazioni (3)
Tipi di errore:
 false alarm
 false dismissal
 gross errors

Tecniche:
 soglia per CCT più grande (5-10%)
 influenzare la distribuzione del CCT dando
maggior peso agli stati instabili
 nodi deadend classificati preferibilmente come
instabili
Indice Intervento
 Dominio Applicativo
 Data Preparation
 Algoritmo
 Prove Sperimentali
 Risultati
 Ulteriori Ottimizzazioni
 Conclusioni
 Conclusioni
 La valutazione della stabilità del transitorio
costituisce un’importante criticità nelle fasi di
progettazione, pianificazione, operatività e
controllo di un sistema energetico.
 Gli strumenti tradizionalmente utilizzati in questo
tipo di analisi sono sì affidabili ma eccessivamente
complicati e time consuming.
 Il DTTS method si è rivelato essere una
validissima alternativa ai metodi tradizionali in
quanto semplice da usare, immediato, veloce e
comunque affidabile.