Increasing the capacity of electric grids based on the integration of meteorological data

Capa

Citar

Texto integral

Resumo

The efficient and sustainable functioning of energy systems is a critical element for supplying of electricity necessary to maintain the vital functions of modern society. Therefore, the integration of meteorological data into the management of electrical grids is becoming increasingly important.

Meteorological data, such as information on weather conditions, temperature, wind and precipitation, play an essential role in the operational and strategic management of power systems. Their use allows optimizing the operation of generating and distribution stations, using the maximum capacity of lines, as well as improve the planning of repair work and infrastructure upgrades. On the basis of the weather conditions, operators of electric power grids can make more informed decisions regarding the distribution and management of energy resources.

The research is aimed at determining the role of meteorological data in the management strategies of modern energy systems.

Sobre autores

Mark Kletsel

Toraighyrov University

Email: mkletsel@mail.ru
Código SPIN: 7986-1196

Doctor of Technical Sciences, Professor of Electric Power Engineering Department

Cazaquistão, Pavlodar

Elena Petrova

Omsk State Technical University

Email: krivolapov_vladislav@mail.ru
Código SPIN: 2750-7350

Senior Lecturer of Power Supply for Industrial Enterprises Department

Rússia, Omsk

Stanislav Girshin

Omsk State Technical University

Email: krivolapov_vladislav@mail.ru
Código SPIN: 1125-1521
Scopus Author ID: 57190579930

Candidate of Technical Sciences, Associate Professor, Associate Professor of Power Supply for Industrial Enterprises Department

Rússia, Omsk

Vladislav Krivolapov

Omsk State Technical University

Autor responsável pela correspondência
Email: krivolapov_vladislav@mail.ru

Graduate Student of Power Supply for Industrial Enterprises Department

Rússia, Omsk

Vladimir Goryunov

Omsk State Technical University

Email: vladimirgoryunov2016@yandex.ru
Código SPIN: 2765-2945
Scopus Author ID: 7003455231

Doctor of Technical Sciences, Professor, Head of Power Supply for Industrial Enterprises Department

Rússia, Omsk

Vladislav Trotsenko

Omsk State Technical University

Email: krivolapov_vladislav@mail.ru
Código SPIN: 3958-5882

Senior Lecturer of Power Supply for Industrial Enterprises Department

Rússia, Omsk

Bibliografia

  1. P World Energy Transitions Outlook 2023: 1.5°C Pathway // International Energy Agency. URL: https://www.irena.org/Publications/2023/Jun/World-Energy-Transitions-Outlook-2023 (accessed: 05.11.2023). (In Engl.).
  2. bp Energy Outlook 2023 // BP. URL: https://www.bp.com/content/dam/bp/business-sites/en/global/corporate/pdfs/energy-economics/energy-outlook/bp-energy-outlook-2023.pdf (accessed: 05.11.2023). (In Engl.).
  3. Global Energy Outlook 2023: Sowing the Seeds of an Energy Transition // Resources for the Future. URL: https://www.rff.org/publications/reports/global-energy-outlook-2023 (accessed: 05.11.2023). (In Engl.).
  4. World Energy Outlook 2022 // International Energy Agency. URL: https://iea.blob.core.windows.net/assets/830fe099-5530-48f2-a7c1-11f35d510983/WorldEnergyOutlook2022.pdf (accessed: 05.11.2023). (In Engl.).
  5. Paldino G. M., De Caro F., De Stefani J. [et al.]. A Digital Twin Approach for Improving Estimation Accuracy in Dynamic Thermal Rating of Transmission Lines // Energies. 2022. Vol. 15, no. 6. P. 2254. doi: 10.3390/en15062254. (In Engl.).
  6. Barton T., Musilek P. Day-Ahead Dynamic Thermal Line Rating Using Numerical Weather Prediction // 2019 IEEE Canadian Conference of Electrical and Computer Engineering (CCECE). 2019. P. 1–7. doi: 10.1109/CCECE.2019.8861883. (In Engl.).
  7. Liu Z., Deng H., Peng R. [et al.]. An Equivalent Heat Transfer Model Instead of Wind Speed Measuring for Dynamic Thermal Rating of Transmission Lines // Energies. 2020. Vol. 13, no. 18. P. 4679. doi: 10.3390/en13184679. (In Engl.).
  8. Barton T. Forecasting of Dynamic Thermal Line Rating Under the Conditions of Temporal Discretization and Correlation: Thesis. Canada, 2021. 127 p. doi: 10.7939/r3-hjjj-9269. (In Engl.).
  9. IEEE Standard for Calculating the Current-Temperature Relationship of Bare Overhead Conductors // IEEE. 2013. P. 1–72. doi: 10.1109/IEEESTD.2013.6692858. (In Engl.).
  10. Guide for thermal rating calculations of overhead lines // CIGRE. 2014. 95 p. (In Engl.).
  11. STO 56947007-29.240.55.143-2013. Metodika rascheta predel’nykh tokovykh nagruzok po usloviyam sokhraneniya mekhanicheskoy prochnosti provodov i dopustimykh gabaritov vozdushnykh liniy: Standart organizatsii [Methodology for calculating maximum current loads under the conditions of maintaining the mechanical strength of wires and permissible dimensions of overhead lines. Organisation Standard]. Moscow, 2013. 42 p. (In Russ.).
  12. Morteza A., Sadipour M., Fard R. S. [et al.]. A dagging-based deep learning framework for transmission line flexibility assessment // IET Renewable Power Generation. 2022. Vol. 17. doi: 10.1049/rpg2.12663. (In Engl.).
  13. Petrova E. V. Otsenka vliyaniya solnechnoy radiatsii na nagruzochnyye poteri aktivnoy moshchnosti v vysokotemperaturnykh i samonesushchikh izolirovannykh provodakh liniy elektroperedachi [Assessment of solar radiation effect on real-power losses under load in high-temperature and self-supporting insulated wires of power lines] // Izvestiya Transsiba. Journal of Transsib Railway Studies. 2019. No. 3 (39). P. 134–145. EDN: LDQZUC. (In Russ.).
  14. Massaro F., Ippolito M. G., Carlini E. M. [et al.]. Maximizing energy transfer and RES integration using dynamic thermal rating: Italian TSO experience // Electric Power Systems Research. 2019. Vol. 174. P. 105864. doi: 10.1016/j.epsr.2019.105864. (In Engl.).
  15. Dabbaghjamanesh M., Kavousi-Fard A., Mehraeen S. Effective Scheduling of Reconfigurable Microgrids with Dynamic Thermal Line Rating // IEEE Transactions on Industrial Electronics. 2019. Vol. 66, no. 2. P. 1552–1564. doi: 10.1109/TIE.2018.2827978. (In Engl.).
  16. Viafora N., Delikaraoglou S., Pinson P. [et al.]. Chance-constrained optimal power flow with non-parametric probability distributions of dynamic line ratings // International Journal of Electrical Power & Energy Systems. 2020. Vol. 114. P. 105389. doi: 10.1016/j.ijepes.2019.105389. (In Engl.).
  17. Bubenchikov K., Gonzalez-Castellanos A., Pozo D. Benefits of Dynamic Line Rating for the Russian Power Corridor between the European and Siberian Zones // 2020 International Youth Conference on Radio Electronics, Electrical and Power Engineering (REEPE). 2020. P. 1–6. doi: 10.1109/REEPE49198.2020.9059177. (In Engl.).
  18. Bhattarai B. P., Gentle J. P., McJunkin T. [et al.]. Improvement of Transmission Line Ampacity Utilization by Weather-Based Dynamic Line Rating // IEEE Transactions on Power Delivery. 2018. Vol. 33, no. 4. P. 1853–1863. doi: 10.1109/TPWRD.2018.2798411. (In Engl.).
  19. Karimi S., Musilek P., Knight A. M. Dynamic thermal rating of transmission lines: A review // Renewable and Sustainable Energy Reviews. 2018. Vol. 91. P. 600–612. doi: 10.1016/j.rser.2018.04.001. (In Engl.).
  20. Abboud A. W., Gentle J. P., McJunkin T. R. [et al.]. Using Computational Fluid Dynamics of Wind Simulations Coupled with Weather Data to Calculate Dynamic Line Ratings // IEEE Transactions on Power Delivery. 2020. Vol. 35, no. 2. P. 745–753. doi: 10.1109/TPWRD.2019.2925520. (In Engl.).
  21. Polozheniye PAO «Rosseti» «O edinoy tekhnicheskoy politike v elektrosetevom komplekse» (novaya redaktsiya) [Regulations of PJSC Rosseti «On a unified technical policy in the electric grid complex» (new edition)] // PAO «Rosseti». Public Joint Stock Company «Rosseti». 2022. URL: https://rosseti-yug.ru/upload/iblock/04b/Положение%20о%20единой%20технической%20политике%20ПАО%20Россети%20(ред.492).pdf (accessed: 05.11.2023). (In Russ.).

Arquivos suplementares

Arquivos suplementares
Ação
1. JATS XML
Baixar

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».