Smart Grid On-line Impedance Identification

Abstract

I dag er det en kontinuerlig overgang fra distribuert kraftnettverk til fremtidens Smartnett. Det er en tydelig trend med økende innslag av fornybare energiressurser og kraftelektroniske komponenter i nettverket. Faktorer som ulineære laster og lavt treghetsmomentet fører til økte forstyrrelser i systemet. Det øker risikoen til overoppheting og redusert levetid av nettverkkomponentene. Det er derfor av interesse å måle og identifisere disse forstyrrelsene.

Disse forstyrrelsene består av harmoniske svingninger, som er multipler av grunnfrekvensen. Frekvensskanningsmetoder er ofte brukt for å måle harmoniske svingninger, men lider på grunn av tidsforsinkelsen som skapes ved konverteringen fra tids- til frekvensdomenet. Det er derfor behov for en sanntidsidentifikasjonsmetode som kan måle disse svingningene og muliggjøre en videre stabilitetsevaluering av systemet.

Denne masteroppgaven analyserer flere Kalman-filtre basert på sanntidsidentifikasjonsmetoder i et likerettersystem, blant annet Utvidet Kalman-filtre og Adaptivt Kalman-filtre. Resultatene er sammenlignet med en impedansemodeleringsmetode basert på harmonisk linearisering. Det Adaptive Kalman-filtret gir svært gode resultater.

Videre analyserer basert på ikke-karakteriske harmoniske svingninger. Ved å injisere systemet med en stegfunksjon klarer vi å hente ut informasjon av ikke-karakteriske signalkomponenter fra transientresponsen. Det viser lovende resultater og åpner for videre utvikling og fremtidig forskning av transientanalyse basert impedanseestimering.

As the current electrical grids are progressing towards SmartGrid, an increasing amount of renewable energy sources and power electronics are connected to the grid. Distortions caused by the nonlinear loads and small inertia of the power source are becoming more severe, and lead to unwanted effects in the system including overheating and reduced component life expectancy. This calls for a way of identifying and accessing these distortions.

The nonlinear distortion consists of harmonics, which are the integer multiples of the grid fundamental frequency. Frequency scanning methods are predominantly used for identifying the harmonics parameters, but have to deal with the time delay caused by the conversion of time domain to frequency domain. There are needs for a real-time identification method that can identify the harmonics impedance which enables further stability assessment of the system.

\noindent This thesis analyzes the use of several Kalman filter based on-line identification methods to estimate the harmonics impedance in a rectifier system, including the Extended Kalman Filter(EKF), Adaptive Extended Kalman Filter(AEKF) and Adaptive Kalman Filter(AKF). The results of these method is compared to a impedance mapping method based on harmonics linearization. The AKF yields the most accurate estimation.

To further analyze the impedance of non-characteristic harmonics, we injected the system with a step signal and looked into its transient response. The AKF estimation shows promising results and points to potential use cases in future studies.