Optimal reactive power flow in distribution networks with high penetration of distributed generation

Introducing renewable energy sources (RESs) into electrical grids is essential for sustainability, which helps to reduce greenhouse gas emissions and expand energy sources. Solar photovoltaic (PV) technology, in particular, has gained prominence due to its flexibility, low cost, and minimal environmental impact. However, integrating PV into existing distribution networks introduces technical challenges such as affecting the active power flows throughout the distribution network, which leads to voltage quality problems by creating voltage imbalances, increased energy losses and inefficiencies in voltage regulation, which damage the grid stability. This thesis proposes two metaheuristic multi-objective control approaches (feeder-based and nodal) that use an improved genetic algorithm (GA) to optimize reactive power dispatch, which aims to enhance voltage stability and profiles in a real case study which is a 15 kV medium-voltage (MV) distribution grid connected to the Italian national grid via a 132 kV primary substation (PS). The study addresses the need for voltage stability as RESs grow in modern grids using a PV power generation scenario extracted from the Monte Carlo simulation results. The proposed GA-driven multi-objective control strategies, implemented in Python and DIgSILENT PowerFactory, optimize reactive power set points for PV generators, which minimize voltage deviation from nominal value and reduce system losses. Simulations for several case studies using a power system model demonstrate the effectiveness of the GA-driven multi-objective control methods. The feeder-based control strategy minimizes the total maximum voltage deviation sum of feeders to 0.10589 per unit (p.u.) with active power losses of 0.31159 megawatts (MW), which has the best performance among other control actions. Additionally, the nodal control approach minimizes the nodal total voltage deviation to 0.12461 p.u. and reduces reactive power usage to 7.51061 megavars (MVar) under a 90% PV penetration scenario.

L’introduzione di fonti energetiche rinnovabili (RESs) nelle reti elettriche è essenziale per la sostenibilità, in quanto contribuisce a ridurre le emissioni di gas serra e ad ampliare le fonti energetiche. La tecnologia solare fotovoltaica (PV), in particolare, ha guadagnato importanza grazie alla sua flessibilità, al basso costo e al minimo impatto ambientale. Tuttavia, l’integrazione del PV nelle reti di distribuzione esistenti introduce sfide tecniche come l’influenza sui flussi di potenza attiva in tutta la rete di distribuzione, che porta a problemi di qualità della tensione creando squilibri di tensione, maggiori perdite di energia e inefficienze nella regolazione della tensione, che danneggiano la stabilità della rete. Questa tesi propone due approcci meta-euristici di controllo multi-obiettivo (feeder-based e nodale) che utilizzano un algoritmo genetico (GA) migliorato per ottimizzare il dispacciamento della potenza reattiva, con l’obiettivo di migliorare la stabilità della tensione e i profili in un caso di studio reale che è una rete di distribuzione a 15 kV in media tensione (MV) collegata alla rete nazionale italiana tramite una sottostazione primaria (PS) a 132 kV. Lo studio affronta la necessità di stabilità della tensione con la crescita delle RESs nelle reti moderne, utilizzando uno scenario di produzione di energia PV estratto dai risultati della simulazione Monte Carlo. Le strategie di controllo multi-obiettivo GA proposte, implementate in Python e DIgSILENT PowerFactory, ottimizzano i set point di potenza reattiva per i generatori PV, minimizzando la deviazione della tensione dal val ore nominale e riducendo le perdite del sistema. Le simulazioni di diversi casi di studio, utilizzando un modello di sistema elettrico, dimostrano l’efficacia dei metodi di controllo multi-obiettivo guidati da GA. La strategia di controllo basata sui feeder minimizza la deviazione di tensione massima totale della somma dei feeders a 0.10589 per unità (p.u.) con perdite di potenza attiva di 0.31159 megawatts (MW), ottenendo le migliori prestazionitra le altre azioni di controllo. Inoltre, l’approccio di controllo nodale minimizza la deviazione totale della tensione nodale a 0.12461 p.u. e riduce l’utilizzo di potenza reattiva a 7.51061 megavari (MVar) in uno scenario di penetrazione PV del 90%.