RBOSR

Rule-Based Optimized Service Restoration

Rule-Based Optimized Service Restoration (RBOSR)

Inhalt

Dieses Repository enthält folgendes Material:

Verwendung

Instruktionen zur Verwendung des Dienstwiederherstellungsalgorithmus:

  1. Die beiden Python Codes und die Excel Datei müssen sich im selben Ordner befinden.
  2. Konfigurieren Sie die Excel Tabelle: Eingeben von Informationen über die Netztopologie, Lasten, Switches und Störungsorte (die ausgelösten Leistungsschalter einstellen).
  3. Falls verändert, ersetzen Sie den Excel Dateinamen im RBOSR Python Code (in Zeile 1726).
  4. Setzen Sie die Gewichtungsfaktoren u1, u2, u3 und u4 entsprechend des gewünschten Wiederherstellungsziels im RBOSR Python Code (in Zeile 1714). Zusätzliche Informationen sind in folgendem Paper zu finden: “Rule-Based Optimization Algorithm for Service Restoration of Active Distribution Grids”, authors: A. Dognini, A. Sadu, A. Angioni, F. Ponci, A. Monti, zurzeit unter Revision.
  5. Setzen Sie die Information über die PostgreSQL Datenbank im RBOSR Python Code (in Zeile 1679).

Hinweise zum RBOSR Python Code:

  • Der Code wurde mit Python 3.6 entwickelt
  • Es wird unter anderem die Installation folgender Bibliotheken benötigt:
    • pandas
    • networkx
    • psycopg2
  • Der Code muss mit einer PostgreSQL Datenbank interagieren können, von/zu welcher die Daten bezogen/veröffentlicht werden.
  • Es wird eine Excel Tabelle generiert (Zeile 1703) mit Informationen über die vergangene Rechenzeit.

Geben Sie den folgenden Befehl ein, um die benötigten Abhängigkeiten zu Installieren:

pip install -r requirements.txt

Dokumentation

Dokumentation über den Verteilsystemstatusschätzer kann auf folgender Webseite gefunden werden: https://git.rwth-aachen.de/acs/public/automation/rbosr

Publikationen

Für weitere Informationen können Sie folgende Artikel lesen:

  • A. Dognini, A. Sadu, A. Angioni, F. Ponci, A. Monti, “Rule-Based Optimization Algorithm for Service Restoration of Active Distribution Grids” (currently under revision)

  • C. Muscas, S. Sulis, A. Angioni, F. Ponci, and A. Monti, “Impact of Different Uncertainty Sources on a Three-Phase State Estimator for Distribution Networks”, IEEE Transactions on Instrumentation and Measurement, vol. 63, no. 9, pp. 2200-2209, Sep. 2014.
  • A. Angioni, A. Kulmala, D. D. Giustina, M. Mirz, A. Mutanen, A. Ded,F. Ponci, L. Shengye, G. Massa, S. Repo, and A. Monti, “Design andimplementation of a substation automation unit”, IEEE Transactions on Power Delivery, vol. 32, no. 2, pp. 1133-1142, April 2017.
  • P. Jamborsalamati, A. Sadu, F. Ponci, A. Monti and M. J. Hossain,”Improvement of supply restoration in multi-spare-feeder active distri-bution grids using IEC 61850”, in 2017 IEEE Innovative Smart Grid Technologies - Asia (ISGT-Asia), Dec 2017, pp. 1-5.

2019, Institute for Automation of Complex Power Systems, EONERC

Lizenz

Dieses Projekt ist unter den Bedingungen der GPL version 3 veröffentlicht.

Dieser Programm ist eine freie Software: Sie können sie weiterverteilen und/oder modifizieren,
unter den Bedingungen der GNU General Public License, veröffentlicht von der Free Software Foundation,
in der Version 3 oder jeder später folgenden Version.

Dieses Programm wird mit der Hoffnung verteilt, dass es nützlich ist,
aber UNTER AUSSCHLUSS JEGLICHER GARANTIE; auch ohne die implizierte Garantie
über HANDELSFÄHIGKEIT oder TAUGLICHKEIT ZU EINEM BESTIMMTEN ZWECK.
Siehe GNU General Public License für weitere Details.

Sie sollten eine Kopie der GNU General Public License zu diesem Programm erhalten haben.
Falls nicht, siehe <http://www.gnu.org/licenses/>.

Für andere Lizensierungsmöglichkeiten konsultieren sie bitte Prof. Antonello Monti.

Kontakt

EONERC ACS Logo

Institute for Automation of Complex Power Systems (ACS) EON Energy Research Center (EONERC) RWTH University Aachen, Germany