Power System Security Analysis using Reinforcement Learning

Abstract

Actualmente, los sistemas de potencia utilizan como medida de seguridad, en parte, el criterio N-1 en el cual se requiere que el sistema permanezca operacional tras la caída de cualquier elemento individual. Esto no evalúa el riesgo de fallo en cascada, el cual es mas probable que ocurra con la integración distribuida a gran escala de elementos pequeños como generadores de energía renovable o vehículos eléctricos. En este proyecto se presenta una herramienta de consulta basada en técnicas de inteligencia artificial capaz de verificar el criterio N-k en líneas de transmisión de un sistema de potencia. Se comprobará la seguridad del sistema tras la desconexión de k de un total de N líneas. Esta herramienta está diseñada para detectar posibles fallos en cascada, en donde el fallo de una línea resulta en la sobrecarga de otra ocasionando por tanto una secuencia de desconexiones en cadena. La aportación de este proyecto es formular este problema como un ejemplo de el problema del camino más corto, un problema clásico en programación dinámica y aprendizaje reforzado con una serie de soluciones estándar.

Existing power systems are made secure, in part, using the N-1 criterion, in which the system is required to remain within operational limits with the loss of any individual component. This does not assess the risk of cascading failure, which is likely to become more commonplace with the large-scale, distributed integration of small, stochastic components, such as renewable generators or electric vehicles. In this thesis, we describe an AI-based advisory tool to verify the N−k criterion over transmission lines, meaning that the system is required to be secure with the disconnection of k out of N total transmission lines. The tool is designed to identify cascading mechanisms, in which the disconnection of one line overloads another, thereby resulting in a sequence of disconnections downstream. Our key insight is to formulate this cascading problem as an instance of the shortest path, a classic problem in dynamic programming and reinforcement learning with a number of standard solutions.