Efficient solvers for power flow equations : parametric solutions with accuracy control assessment

Abstract

The Power Flow model is extensively used to predict the behavior of electric grids and results in solving a nonlinear algebraic system of equations. Modeling the grid is essential for design optimization and control. Both applications require a fast response for multiple queries to a parametric family of power flow problems. Different solvers have been introduced especially designed for the algebraic nonlinear power flow equations, providing efficient solutions for single problems, even when the number of degrees of freedom is considerably large. However, there is no existing methodology providing an explicit solution of the Parametric Power Flow problem (viz. a computational vademecum, explicit in terms of the parameters).

This work aims precisely at designing algorithms producing computational vademecums for the Parametric Power Flow problem. Once these solutions are available, solving for different values of the parameters is an extremely fast (real-time) post-process and therefore both the optimal design and the control problem can readily be addressed.

In a first phase, a new family of iteratives solvers for the non-parametric version of the problem is devised. The method is based on a hybrid formulation of the problem combined with an alternated search directions scheme. These methods are designed such that it can be generalized to deal with the parametric version of the problem following a Proper Generalized Decomposition (PGD) strategy.

The solver for the parametric problem is conceived by performing the operations involving the unknowns in a PGD fashion. The algorithm follows the basic steps of the algebraic solver, but some operations are carried out in a PGD framework, that is requiring a nested iterative algorithm. The PGD solver is accompanied with an error assessment technique that allows monitoring the convergence of the iterative procedures and deciding the number of terms required to meet the accuracy prescriptions. Different examples of realistic grids and standard benchmark tests are used to demonstrate the performance of the proposed methodologies.

El modelo de flujo de potencias se usa para predecir el comportamiento de redes eléctricas y desemboca en la resolución de un sistema de ecuaciones algebraicas no lineales. Modelar una red es esencial para optimizar su diseño y control. Ambas aplicaciones requieren una respuesta rápida a las múltiples peticiones de una familia paramétrica de problemas de flujo de potencias. Diversos métodos de resolución se diseñaron especialmente para resolver la versión algebraica de las ecuaciones de flujo de potencias. Sin embargo, no existe ninguna metodología que proporcione una solución explícita al problema paramétrico de flujo de potencias (esto quiere decir, un vademecum computacional explícito en términos de los parámetros). Esta tesis tiene como objetivo diseñar algoritmos que produzcan vademecums para el problema paramétrico de flujo de potencias. Una vez que las soluciones están disponibles, resolver problemas para diferentes valores de los parámetros es un posproceso extremadamente rápido (en tiempo real) y por lo tanto los problemas de diseño óptimo y control se pueden resolver inmediatamente. En la primera fase, una nueva familia de métodos de resolución iterativos para la versión algebraica del problema se construye. El método se basa en una formulación híbrida del problema combinado con un esquema de direcciones alternadas. Estos métodos se han diseñado para generalizarlos de forma que puedan resolver la versión paramétrica del problema siguiendo una estrategia llamada Descomposición Propia Generalizada (PGD). El método de resolución para el problema paramétrico calcula las incógnitas paramétricas usando la técnica PGD. El algoritmo sigue los mismo pasos que el algoritmo algebraico, pero algunas operaciones se llevan a cabo en el ambiente PGD, esto requiere algoritmos iterativos anidados. El método de resolución PGD se acompaña con una evaluación del error cometido permitiendo monitorizar la convergencia de los procesos iterativos y decidir el número de términos que requiere la solución para alcanzar la precisión preescrita. Diferentes ejemplos de redes reales y tests estándar se usan para demostrar el funcionamiento de las metodologías propuestas.