Reassessment of Power Losses and Enhancement of Techno-Economic Feasibility in a Radial Distribution System

Roshan, R; Ravishankar, B S; Mohan, Ned; Kumar, K. Jeykishan; Devaru, Dayakar

doi:10.1109/mysurucon55714.2022.9972726

Cited by 2 publications

(2 citation statements)

References 20 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Loads of the system are assumed to absorb current I i when their terminal voltage is equal to V i . Such relation can be expressed as [36]:…”

Section: Modeling Of Under-study Pdsmentioning

confidence: 99%

A Deep Convolutional Neural Network-Based Approach to Detect False Data Injection Attacks on PV-Integrated Distribution Systems

Ahmadzadeh,

Abazari,

Ghafouri

et al. 2024

IEEE Access

View full text Add to dashboard Cite

The integration of photovoltaic (PV) panels has allowed power distribution systems (PDSs) to regulate their voltage through the injection/absorption of reactive power. The deployment of information and communication technologies (ICTs), which is required for this scheme, has made the PDS prone to various cyber threats, e.g., false data injection (FDI) attacks. To counter these attacks, this paper proposes a data-driven framework to detect FDI attacks against voltage regulation of PV-integrated PDS. Initially, an attack-free system is modeled along with its voltage regulation scheme, where the grid measurements are sent to a centralized controller and the control signals are transmitted back to PVs to be used by their local controllers. Then, a convolutional neural network (CNN) framework is proposed to detect FDI attacks. To train this framework-which should be able to distinguish between normal grid behaviors and attacks-a complete and realistic dataset is formed to cover all normal conditions and unpredictable changes of a PDS during a year. Since normal variations and fluctuations in power consumption lead to changes in the voltage profile, this dataset is enriched using features such as season, weekdays, weekends, load conditions, and PV generation power. The performance of the trained framework has been compared with other supervised Machine Learning-based and deep-learning techniques for FDI attacks against modified IEEE 33-and 141bus PDSs. Simulation results demonstrate the superior performance of the proposed framework in detecting FDI attacks.

show abstract

“…Loads of the system are assumed to absorb current I i when their terminal voltage is equal to V i . Such relation can be expressed as [36]:…”

Section: Modeling Of Under-study Pdsmentioning

confidence: 99%

A Deep Convolutional Neural Network-Based Approach to Detect False Data Injection Attacks on PV-Integrated Distribution Systems

Ahmadzadeh,

Abazari,

Ghafouri

et al. 2024

IEEE Access

View full text Add to dashboard Cite

show abstract

“…[18]'de "su, enerji ve yiyecek" algoritması ile aktif, reaktif güç kayıplarını ve karbon emisyonunu en aza indirecek YES'lerin yerini belirleyen bir çalışma yapılmıştır. [19]'da ise aktif güç kaybını en aza indirecek YES'lerin dağıtım sistemindeki konumu; parçacık sürü optimizasyonu ile elde edilmiş, gerilim kararlılığı değerlendirilmiş ve tekno-ekonomik uygunluğu araştırılmıştır.…”

unclassified

Yerel Elektrik Santral Büyüklüğünün ve Konumunun Dağıtım Şebekesine Etkisi

Gözel

2023

International Journal of Advances in Engineering and Pure Sciences

View full text Add to dashboard Cite

Yenilenebilir enerji kaynaklarının artırılması için alınan kararlar ve teşvikler ile dağıtım sistemindeki yerel elektrik santraller (YES) artmaktadır. Artan YES’lerden daha çok faydalanmak için enerji depolama sistemlerinin kullanılması kaçınılmaz hale gelmektedir. Ancak yüksek yatırım maliyetleri nedeniyle enerji depolama sistemleri kurulumundaki gecikmeye rağmen YES’ler artmaya devam etmektedir. Dağıtım sistemi planlayıcıları, YES’in olumlu etkisinin hangi büyüklükten sonra dağıtım sistemini olumsuz etkilemeye başlayacağını kestiremediğinden dolayı dağıtım sistemine belli oranda YES yerleştirirler. Bu da sisteminde daha büyük oranlarda YES barındırmayı engeller. Bu çalışmada; enerji depolama sistemi olmadan, dağıtım sisteminin mevcut durumunu koruyarak veya iyileştirerek ne kadar YES yerleştirilebileceği araştırılmaktadır. YES'in dağıtım sistemindeki güç kayıplarını ve bara gerilimlerini nasıl etkilediği incelenmektedir. Bu incelemede dağıtım sisteminin mevcut aktif güç kaybını koruyan ve aktif güç kaybını azaltan iki farklı YES büyüklüğü elde edilir. Ayrıca, dağıtım sisteminin mevcut gerilim profilini koruyan ve gerilim profilini iyileştiren iki farklı YES büyüklüğü daha elde edilir. Başka bir deyişle, aktif güç kaybı ve gerilim profili için maksimum ve optimal YES büyüklükleri elde edilmekte ve tartışılmaktadır. Bu çalışma ile YES’in dağıtım sistemi üzerindeki olumlu etkisinin; YES büyüklüğüne, konumuna ve dağıtım sistemi yapısına göre değiştiğini gösterilmektedir. Dağıtım sistemi planlayıcılarına, dağıtım sistemine göre maksimum YES kapasitesi belirlenebileceği fikri sunulmaktadır.

show abstract

Reassessment of Power Losses and Enhancement of Techno-Economic Feasibility in a Radial Distribution System

Cited by 2 publications

References 20 publications

A Deep Convolutional Neural Network-Based Approach to Detect False Data Injection Attacks on PV-Integrated Distribution Systems

A Deep Convolutional Neural Network-Based Approach to Detect False Data Injection Attacks on PV-Integrated Distribution Systems

Yerel Elektrik Santral Büyüklüğünün ve Konumunun Dağıtım Şebekesine Etkisi

Contact Info

Product

Resources

About