Real-time ULTC control strategy using the dynamic movement capability of LDC variables of artificial neural network

인공신경회로망의 LDC 변수 동적이동 능력을 이용한 실시간 ULTC 제어전략

This study develops the real time ULTC(Under Load Tap Changer) control strategy with LDC setting values moved dynamically using artificial neural networks. The suggested strategy can improve the ULTC voltage compensation capability by building 2 types of neural networks, ANNs and ANNg. ANNs recognizes the uncompensated MTr sending voltage change caused by the receiving voltage variation. And ANNg dynamically determines the most appropriate ULTC setting valtage chanbe caused by the receiving voltage variation. And ANNg dynamically determines the most appropriate ULTC setting values by recognizing the voltage level obtained from ANNs, and the section load pattern for each time period. In order to evaluate the suggested approach, the ULTC voltage compensation strategy are simulated on a 8 feeder distribution system. Artificial neural networks developed in this study are implemented in FORTRAN language on PC 386.

본 연구에서는 인공 신경 회로망을 이용하여 LCD 변수들의 값을 동적으로 변화시킴으로써 보다 개선된 전압 적정유지율을 얻을 수 있는 실시간 ULTC 제어전략이 개발된다. 제안된 전략에서는 수전전압의 변화에 따른 주변압기 송출전압 변화를 인식하는 ANNs, 그리고 ANNs로부터의 전압레벨과 배전선로들의 시간대별 변화패턴을 인식하여, ULTC의 정정치를 동적으로 결정하는 ANNg를 도입함으로서 보다 개선된 전압보상능력을 얻을 수 있도록 하였다. 개발된 제어전략의 성능을 평가하기 위해서 8개의 피더로 구성되는 시험 배전계통에 대해서 부하가 불규칙적으로 변화하였을때, 그리고 부하가 일정한 시간대별 패턴으로 변화하였을때의 ULTC의 전압 보상 전략이 모의된다. 인공 신경회로망은 Fortran 언어로 구현되며 시험계통에 대한 성능평가에서 유용한 결과를 입증하였다.