Phasor Measurement Unit (PMU) – based system for event detection on synchronous generators
Nicholas Mark Randall · 2017
Unusual generator events are sometimes seen in the Phasor Measurement Unit (PMU) data in the Icelandic power system, probably due to the small size. The use of PMU data with event detection algorithms, along with modeling, could be a method of capturing these events for analysis. The goals of this thesis are to develop an event detection algorithm and methods of modeling the power system, using events found in the PMU data, to simulate generator behavior under the relevant operating conditions. There are two approaches used: Event Detection Analysis and Parameter Estimation. Event Detection Analysis employed three methods. Method One used a digital filter, and fast Fourier transforms for analysis. Method Two used a matched filter algorithm. Method Three worked on the principals of machine learning, using the Gaussian Process Classifier (GPC) for identification of events in the PMU data. The Parameter Estimation approach used the method of timeseries analysis for finding the necessary parameters of the generators and modeling them. These parameters were: the inertia of the generators, the speed regulation constant, and the time constant of the turbine-governor system. Axiomatic Design was used for developing the design protocol for Event Detection Analysis software. The results from the Event Detection Analysis showed that out of the three methods tried the machine learning gave the best results for the Event Detection approach. Results from Parameter Estimation revealed that this method works but requires a lot of fine-tuning for better parameter estimates. The results from the two approaches showed that when tested they would meet the requirements of processing PMU data in real time. Therefore, these approaches have relevance for the Icelandic power system and will need further research.; Smaeð islenska raforkukerfisins er talin valda þvi að stundum sjast ovenjulegir atburðir i rekstri rafala i fasamaelitaekjum (PMU maelingum). Notkun þessara maeligagna asamt likanagerð gaeti verið leiðin til að vakta þessa atburði og skýra. Markmið þessarar ritgerðar er að þroa aðferð til þess að vakta þessa atburði og aðferðafraeði við likanagerð raforkukerfis, með notkun atburða sem fundnir eru i PMU maeligognum, til að herma hegðun rafala undir þessum ovenjulegu rekstrarskilyrðum. Tvaer aðferðir eru notaðar: Greining a voktun atburða og mat a breytum i likanagerð. Greining a voktun atburða styðst við þrjar aðferðir. Aðferð eitt notast við stafraena siu, og hraða Fouriervorpun við greiningu. Aðferð tvo notast við reiknirit matsiu. Aðferð þrju vinnur með meginreglur velraens nams (machine learning), sem notast við Gauss ferlaflokkun (GPC) fyrir auðkenningu atburða innan PMU gagnanna. Nalgun við mat a breytum styðst við aðferð sem byggir a greiningu timaraða til að finna nauðsynlegar breytur rafala við likanagerð þeirra. Skoðaðar voru eftirfarandi breytur; tregða rafala, stuðull hraðareglunar, timastuðull rafala og gangraðar. “Forsendu honnun” (Axiomatic Design) var beitt við þroun honnunar a hugbunaði sem var notaður við greiningu a…