Generation of scenarios for the validation of dynamic mode decomposition

Power systems are complex dynamic systems. Once a power system loses stability, serious consequences may occur within a few seconds. The development of dynamic monitoring technique makes it possible to characterize global behaviors of the power system with data-driven methods. The thesis focuses on a new framework for electromechanical oscillations identification from observational data, based on dynamic mode decomposition (DMD) algorithm. Our work consists of modal estimates with conventional method and a data-base generation for DMD analysis. Firstly, a simple two-area testing system is simulated in the DIgSILENT PowerFactory software. The eigenvalues and oscillation modes of the test system are calculated and identified with the use of model-based analysis method. Secondly, with a Matlab script simulating the stochastic load deviation in real time, selected variables of the system are measured in different scenarios, which provides a data-base for the validation of DMD. Lastly, DMD algorithm is applied to identify oscillation modes in two typical events. The comparison between the results obtained by DMD algorithm and model-based method can validate the effectiveness of DMD algorithm for the electromechanical modes identification.

Le reti elettriche di potenza sono sistemi dinamici complessi. Una perdita di stabilità da parte della rete può comportare gravi conseguenze nel giro di pochi secondi. Lo sviluppo di tecniche di monitoraggio in tempo reale, basate sull’analisi dei dati, consentirebbe di caratterizzare i comportamenti globali della rete. La tesi si concentra su una nuova tecnica per l'identificazione delle oscillazioni elettromeccaniche direttamente da dati osservati, basata sull'algoritmo noto come Dynamic Mode Decomposition (DMD). Il nostro lavoro consiste in un’analisi modale con metodo tradizionale e la generazione di un data-base per l'analisi attraverso la DMD. Viene inizialmente simulato un semplice sistema di test a due aree attraverso il software DIgSILENT PowerFactory. Gli autovalori e i modi oscillatori del sistema di test sono quindi calcolati e identificati con l'uso di un metodo model-based. Successivamente, grazie ad uno script Matlab che simula la deviazione stocastica del carico stocastico in tempo reale, le principali variabili del sistema vengono acquisite in diversi scenari, per generare così una base di dati per la convalida della DMD. Infine, l'algoritmo DMD viene applicato per identificare le oscillazioni in due eventi dinamici distinti. Il confronto tra i risultati ottenuti con l’analisi modale e la DMD conferma l'efficacia di quest’ultimo per l'identificazione delle oscillazioni elettromeccaniche.