Di mana lonjakan daya terjadi di jaringan listrik? – Dunia Fisika

Algoritme baru dapat mengidentifikasi di mana lonjakan arus listrik terjadi di jaringan listrik, berpotensi mempermudah untuk menghindari pemadaman listrik dan kegagalan peralatan selanjutnya di sepanjang jalur transmisi. Algoritme ini dikembangkan oleh para peneliti dari University of Applied Sciences of Western Switzerland (HES-SO) dan Laboratorium Nasional Los Alamos di AS, dan tidak memerlukan pengetahuan sebelumnya tentang struktur global grid untuk menentukan sumber fenomena yang merusak.

Ketika komponen jaringan listrik mengalami malfungsi, ia menyuntikkan sinyal tak terduga ke dalam sistem, menyebabkan gangguan periodik terus-menerus yang dikenal sebagai osilasi paksa mengalir melalui jaringan. Osilasi ini dapat muncul sebagai ayunan daya di sepanjang saluran transmisi dan dapat mengakibatkan konsekuensi ribuan kilometer dari sumber gangguan.

Efek jarak jauh seperti itu dimungkinkan karena jaringan tenaga listrik adalah salah satu sistem buatan manusia terbesar di dunia, demikian pengamatan Robin Delabay, seorang matematikawan terapan di Institut Energi Berkelanjutan HES-SO dan ketua penelitian. Jaringan Eropa, misalnya, membentang dari Portugal ke Ukraina dan beroperasi sebagai satu sistem. Oleh karena itu, tidak mungkin bagi siapa pun untuk memantau semua komponennya setiap saat.

“Karena jaringan listrik adalah struktur yang kompleks, sumber gangguan tersebut sulit diidentifikasi,” jelas Delabays. “Tetapi dengan metode yang kami usulkan, kami dapat melakukan ini hanya berdasarkan pengukuran voltase. Ini berarti bahwa kami tidak memerlukan pengetahuan tentang jaringan listrik yang mendasarinya.”

"Sistem agnostisisme" seperti itu adalah keuntungan besar, tambahnya, karena struktur dan parameter jaringan aktual terus berubah karena keputusan operasional dan bahkan kondisi cuaca.

Pendekatan "kemungkinan maksimum berprinsip".

Model peneliti memperhitungkan fluktuasi aliran daya acak yang secara alami ada di saluran transmisi dan menggunakannya untuk menentukan kumpulan parameter yang diperlukan untuk menemukan asal osilasi paksa yang paling mungkin. Dengan menggunakan pendekatan "kemungkinan maksimum berprinsip" ini, Delabays dan rekannya dapat mengidentifikasi sumber osilasi dalam data sistem transmisi AS historis yang direkam selama peristiwa osilasi paksa yang diketahui.

“Bagian algoritmik sendiri agak standar, ”jelas Delabays. “Kami memecahkan masalah kuadrat terkecil dengan metode titik interior. Kontribusi utama kami adalah untuk dapat menulis ulang masalah pengoptimalan sedemikian rupa sehingga memungkinkan kami untuk menghilangkan banyak ketidaklinieran dalam sistem.”

Jaringan kota memanas

Pekerjaan itu dapat membantu mengurangi osilasi paksa dalam jaringan listrik energi terbarukan di masa depan, di mana hal itu dapat menjadi sumber kegagalan infrastruktur dan pemadaman listrik yang signifikan, katanya. “Yang terpenting bagi kami adalah dapat menerapkan metode kami secara real-time pada data pengukuran dan mengidentifikasi perangkat (biasanya trafo) yang saat ini tidak berfungsi,” jelasnya. Dunia Fisika. “Tujuan kami di sini adalah untuk memberikan peringatan dini kepada operator jaringan dan untuk dapat menemukan sumber peringatan ini.”

Delabays mengatakan langkah selanjutnya adalah mendapatkan akses ke data untuk peristiwa gangguan tambahan yang sumbernya telah diidentifikasi, dan menggunakannya untuk mengonfirmasi validitas metode tersebut. Setelah itu, dia dan rekan-rekannya berharap untuk menerapkan algoritme pada data pengukuran historis yang sumber gangguannya tidak diketahui. “Peningkatan lain yang kami bayangkan adalah memanfaatkan pengetahuan yang kami miliki tentang jaringan listrik secara umum,” kata Delabays. “Kami tidak tahu segalanya tentang grid, tetapi ada banyak hal yang kami ketahui dan saat ini tidak kami manfaatkan. Misalnya, saluran listrik baru tidak akan terwujud begitu saja, jadi meskipun kita tidak tahu apakah saluran yang ada aktif atau tidak, kita tahu jika dua bus tidak terhubung secara fisik.”

Teknik tersebut dijelaskan dalam Energi PRX.

• Konten Bertenaga SEO & Distribusi PR. Dapatkan Amplifikasi Hari Ini.
• PlatoData.Jaringan Vertikal Generatif Ai. Berdayakan Diri Anda. Akses Di Sini.
• PlatoAiStream. Intelijen Web3. Pengetahuan Diperkuat. Akses Di Sini.
• PlatoESG. Otomotif / EV, Karbon, teknologi bersih, energi, Lingkungan Hidup, Tenaga surya, Penanganan limbah. Akses Di Sini.
• BlockOffset. Modernisasi Kepemilikan Offset Lingkungan. Akses Di Sini.
• Sumber: https://physicsworld.com/a/where-do-power-surges-occur-in-an-electricity-grid/