Weather Models for Capturing Wind Related Failures in Probabilistic Reliability Analysis

Abstract

Forekomsten av ekstraordinære værfenomener som ekstremvær og store stormer øker på grunn av global oppvarming. Derfor er det hensiktsmessig å inkludere værdata til probabilistiske pålitelighets- analyse-metoder for elektriske kraftsystemer. For å gjøre det må en egnet modell for å inkludere værdata utvikles.

Denne masteroppgaven er basert på OPAL- metodikken og prototypen, som er en analytisk pålitelighetsanalyse-metodikk. OPAL fokuserer på utfallskombinasjoner som fører til avbrudd for elektriske maskenett, også kalt contingency enumeration approach. Utfallskombinasjonene er valgt basert på Minimal Cut Set-metoden. Første- og andreordens samtidige utfall er studert. To metoder er utviklet for å generere pålitelighetsindekser fra en tidsserie bestående av sannsynligheten for feil for hver time på overføringslinjer, basert på historiske værdata og vindrelaterte utfall. Målet med metodene er å reprodusere resultater fra en mer komplisert referansemetode, samtidig som de skal redusere kompleksiteten i modellen og fange værrelaterte feil. Den første metoden kalles the approximate equations method og er en tilnærmet matematisk modell med tre værtilstander.

Metoden er en videreutvikling av en tidligere metode som var basert på fiktive data, tilpasset til å håndtere historiske feildata. Den andre metoden er kalt timestep-metoden. I likhet med referansemetoden beregner timestep-metoden utilgjengelighet for hver time fra tidsserien med feil-sannsynligheter. En MATLAB-implementering for å beregne pålitelighetsindekser, både med og uten værpåvirkning, utvikles som en del av dette arbeidet.

Målet med oppgaven er å modellere effekten på ILE når værdata inkluderes. Resultatene viser at the approximate equations method er mest egnet for formålet. Den avviker fra referansemetoden med 0,15 MWh/år for systemet som en helhet, og har et avvik p ̊a 7-9 % på kuttesett-nivå når en kun studerer værrelatert ILE. Dette tilsvarer et avvik på 0.3-2 % ved hvert enkelt kuttesett når det inkluderes både vær og ikke-værrelatert ILE. Timestep-metoden er ikke egnet på grunn av en økning i overestimering som følge av økt værpåvirkning.

As the occurrence of extraordinary weather events such as major storms increases due to global warming, it is important to include weather data to probabilistic reliability analysis methodologies. To do so, a suitable model for implementing weather effects must be developed.

This thesis is based on the OPAL methodology and prototype which is an analytic contingency enumeration method for meshed power systems. Contingencies are chosen based on the Minimal Cut Set Method. First and second order transmission line outages are studied.

Two methods are developed to generate reliability indices from a time-series of hourly probabilities of failure for transmission lines based on historic weather data and wind-related contingencies. The aim of the methods is to reproduce results from a more complex benchmark method, while reducing computational complexity and capturing failure bunching effects.

The first method is a three weather state approximate equations method. This is an extension of a previously developed method which was based on a fictional case. This is altered and adapted to handle historic failure data. The second method is a timestep method. Similar to the benchmark method, the timestep method calculates unavailability at every hour of the input data-series. A MATLAB implementation to calculate reliability indices, both with and without weather impact, is developed as a part of this work.

The focus of the thesis is the effect on ENS when including weather. The studies show that the approximate equations method is most suitable for the task. A deviation to the benchmark method of 0.15 MWh/year is acheved for the system as a whole, and a deviation of 7-9% at cut set level when only studying weather-related ENS. This corresponds to a deviation of 0.3-2 % at each cut when including both weather and non-weather related ENS. The timestep method is not suitable due to overestimation increasing with weather impact.