UNIVERZITET U NIŠU

ELEKTRONSKI FAKULTET

Kosta Kostić

ТЕМА: OPTIMALNI NIVO AUTOMATIZACIJE DISTRIBUTIVNE MREŢE

Master rad
Studijski program: Elektroenergetika

Kandidat: Mentor:

Kosta Kostić, br. ind. 980 Doc. dr Aleksandar Janjić

Niš, mart 2021. godina

Master rad
OPTIMALNI NIVO AUTOMATIZACIJE DISTRIBUTIVNE MREŢE

Zadatak:
1. Objasniti troškove prekida potrošača (CIC) i prikazati kako se kreću vrednosti CIC-a
u različitim urbanim zonama
2. Definisati opšti model za optimizaciju automatizacije distribucije (DA)
3. Uporediti performanse DA za slučaj kratkog spoja i zemljospoja
4. Objasniti novi detaljnji model za optimizaciju DA
5. Na konkretnom primeru izvršiti primenu novog modela optimizacije za određivanje
broja i tačne lokacije auromatskih prekidača

Student: Komisija za odbranu:

Kosta Kostić, br. ind. 980 Doc. dr Aleksandar Janjić

Datum prijave rada: _________ _____________________

Datum predaje rada: _________
Datum odbrane rada: _________ _____________________
 OPTIMALNI NIVO AUTOMATIZACIJE DISTRIBUTIVNE MREŢE

SAŢETAK

Sve veće prisustvo urbanih oblasti i ograničen finansijski budţet teraju

elektrodistribuciju da pronađe nove isplative metode za ojačanje mreţe. U poslednje vreme
sve je veća upotreba pametnih mreţa koje elektrodistribuciji omogućavaju efikasnije
upravljanje distributivnom mreţom. Jedna od najobećavajućih stvari koja se pojavila je
automatizacija distribucije (DA).
U okviru ovog rada temeljno je istraţena DA kod urbanih srednjenaponskih (SN)
mreţa. DA je jedan od ključnih elemenata u ublaţavanju neprijatnosti izazvane gubitkom
napajanja električnom energijom. DA je posebno usmerena na skraćivanje vremena prekida
nakon što se dogodi kvar.
U prvom delu rada dat je istorijski razvoj DA i motivi za njenu primenu. Zatim su
opisani troškovi prekida potrošača (CIC). Grupe potrošača i varijacije CIC-a u različitim
urbanim oblastima su analizirane. U okviru ovog poglavlja takođe je sprovedena anketa za
procenu CIC-a komercijalnog potrošača. Ideja je da se definiše gde su potrošači najviše
pogođeni prekidima i zatim da se iskoristiti ova informacija u optimizaciji DA. Pokazano je
da se vrednost CIC-a povećava povećanjem gustine energije i da je CIC najveći u urbanom
jezgru.
U okviru četvrtog poglavlja prikazan je opšti optimizacioni model. Upotrebljeni
pristup planiranju oslanja se na poređenje između CIC-a i ţivotnih troškova povezanih sa DA.
Takođe se procenjuju efekti prekida transformatorskih stanica u korist DA. Korelacija između
optimalne DA pokrivenosti i tipa urbanog područja se proučava. Rezultati pokazuju da je
fokusiranje DA u urbanom jezgru korisnije od ravnomerne primene DA u SN mreţi.
U petom poglavlju je forulisan novi detaljni DA optimizacioni metod. Novi detaljan
model nam daje tačnu lokaciju automatizacije i uzima u obzir uticaj zemljospoja i njihovog
potrebnog dugotrajnog procesa upravljanja kvarom. Zbog dobijenih rezultata, zanemarujući
uticaj zemljospoja i postupke upravljanja kvarovima, moţe dovesti do neoptimalne
optimizacije DA.
U završnom šestom poglavlju dat je primer primene novog optimizacionog modela na
primeru jedne 10 kV mreţe pomoću programa Matlab. U okviru ovog primera se samo
razmatroj slučaj kratkog spoja radi uprošćenja. Na kraju su prikazani rezultati optimizacije.

Ključne reči: automatizacija distribucije, troškovi prekida potrošača, optimizacioni metod,

urbana oblast
 OPTIMAL LEVEL OF DISTRIBUTION NETWORK AUTOMATION

ABSTRACT

The increasing presence of urban areas and limited financial budget force utilities to
find new cost-effective methods for network reinforcements. Recently, there is an increasing
use of smart grids that enable utilities to manage distribution network more efficiently. One of
the most promising things that has emerged is distribution automation (DA).
Within this paper DA in medium voltage (MV) networks is thoroughly investigated.
DA is one of the key elements in mitigating the inconvenience caused by power outages. DA
is especially targeted at shortening the interruption time once the fault has occurred.
The first part of the paper gives the historical development of DA and the motives for
its application. Customer interruption costs (CIC) are then described. Customer group and
CIC variation in different urban areas are analysed. A commercial customer CIC assessment
survey was also conducted under this chapter. The idea is to define, where customers are
mostly affected by interruptions and then utilize this information in DA optimization. It was
shown, that CIC increases as the energy density increases and that CICs are highest in urban
core.
In the fourth chapter, a general optimization model is presented. The utilized planning
approach relies on the comparison between CICs and the lifetime costs associated with DA.
Also the effects of substation outages to the benefit of DA are evaluated. The correlation
between an optimal DA coverage and an urban area type is studied. The results show, that
focusing DA in an urban core is more beneficial than implementing DA evenly in MV
network.
In the fifth chapter, a new detailed DA optimization method is formulated. The new
detailed model gives us the exact location of the automation and takes into account the impact
of earth fault events and their required time-consuming fault management process. Owing to
the obtained results, ignoring the impact of earth faults and the fault management procedures,
may lead to suboptimal DA optimization.
The final sixth chapter gives an example of the application of a new optimization
model on the example of a 10 kV network using the Matlab program. This example only
considered the case of a short circuit for simplification. Finally, the optimization results are
presented.

Keywords: distribution automation, customer interruption costs, optimization method, urban

area
SADRŢAJ
1. UVOD ............................................................................................................ 6

2. AUTOMATIZACIJA DISTRIBUCIJE ..................................................... 7

3. TROŠKOVI PREKIDA POTROŠAČA (CIC) ........................................ 14

3.1. Opšte o CIC-u ............................................................................................................ 14
3.2. Procena troškova prekida potrošača u različitim urbanim zonama ........................... 15
3.2.1. CIC vrednosti .................................................................................................... 16
3.2.2. CIC po urbanim zonama ................................................................................... 16
3.2.3. Anketa potrošača ............................................................................................... 18
4. OPŠTI MODEL ZA OPTIMIZACIJU DA ............................................. 20
4.1. CIC uzrokovan kvarovima na fiderima ..................................................................... 20
4.2. CIC uzrokovan prekidima u transformatorskoj stanici.............................................. 22
4.3. Uticaj automatizacije distribucije na planiranje transformatorskih stanica ............... 24
4.4. Analiza automatizacije distribucije u Helsinkiju ....................................................... 25
5. DETALJAN MODEL OPTIMIZACIJE DA........................................... 28
5.1. Različiti tipovi kvarova i procesi upravljanja kvarovima i njihov uticaj na benefit
automatizacije distribucije.................................................................................................... 28
5.2. Novi model optimizacije postavljanja DA i prekidača .............................................. 32
5.3. Razvijanje sume ∑ ...................................................................................... 36
5.4. DA optimizacioni rezultati ........................................................................................ 38
6. PRAKTIČAN PRIMER PRIMENE OPTIMIZACIONOG MODELA U
MATLAB-U ....................................................................................................... 41

7. ZAKLJUČAK ............................................................................................. 43

LITERATURA .................................................................................................. 44

DODATAK 1. KOD MATLAB PROGRAMA............................................... 45

1. UVOD

Savremeno društvo sve više zavisi od informacionih i komunikacionih tehnologija i

distribucije električne energije. Električna energija je neophodna za pojedinačne korisnike
svuda, ali takođe i kolektivno, posebno u urbanom društvu gde je sve isprepletano. Operator
distributivnog sistema (DSO) je osoba koja ima ulogu da pokrene gotovo sve kritične funkcije
savremenog društva. U urbanim sredinama je od velike vaţnosti visoka pouzdanost napajanja.
Različitim analizama pokazalo se da su srednjenaponske (SN) distributivne mreţe
najkritičnija mesta u pogledu pouzdanosti napajanja i većina prekida kod potrošača se
dešavaju zbog kvarova u SN mreţama. Mreţe visokog napona uglavnom imaju obezbeđen
sistem rezervnog napajanja preko „n-1“ sistema sigurnosti, pa ispad jednog od elemenata u
prenosu ne dovodi do momentalnog prekida u napajanju potrošača. Mreţe niskog napona
napajaju uglavnom mali broj potrošača pa i u slučaju čestih ispada malo njih ostaje bez
napajanja. Ispadi SN mreţe prouzrukuju gubitak većeg broja potrošača. Takođe u procesu
deregulacije trţišta električne energije, trajanje prekida napajanja potrošača poprima jako
bitnu ekonomsku dimenziju, pa zbog toga elektrodistributeri sve više pronalaze interese u
efikasnijem i ekonomičnijem upravljanju SN mreţom, pogotovo u havarijskim reţimima.
Vaţan deo te teţnje jeste i efikasno lociranje mesta kvara. Statistike koje su rađene u
Evropskim drţavama kaţu da prosečno oko 70 do 80 % prekida se dešava zbog kvarova u SN
mreţama. Da bi se efikasno poboljšala pouzdanost napajanja u elektroenergetskim mreţama
fokus je na razvoju SN mreţe.
Operateri distributivnog sistema istraţuju nove metode kako bi pronašli isplative
alternative za tradicionalna ojačanja mreţe. Pored rastućih potreba za boljom pouzdanošću
usluge, ograničeni finansijski budţet vrši veliki pritisak na elektrodistribuciju. Paradigma
pametne mreţe koja se nedavno pojavila pruţa pristupačne, inovativne i odrţive načine za
pomoć distributivnim preduzećima da efikasnije upravljaju svojim mreţama. Među njima je
automatizacija distribucije (DA) prepoznata kao jedna od stvari koja najviše obećava. U
poslednjih nekoliko godina automatizacija distribucije se razvila puno i postala isplativa za
skraćenje trajanja prekida i ublaţavanja neprijatnosti kod potrošača. Izazovi sa kojim se
susreću operateri distributivnog sistema su minimiziranje troškova implementacije
automatizacije i troškova prekida potrošača (CIC). Koncept samozaceljenja u električnim
mreţama znači da komponente mreţe zapravo mogu da se rekonfigurišu tako da odgovaraju
na kvarove, pretnje ili druge stvari koje ih destabilizuju. DA sa inteligentnim autonomnim
prekidačkim akcijama je deo takve metode samozaceljenja. Sa proaktivnim, a ne reaktivnim
pristupom detekcije kvara neispravne komponente mogu se otkriti pre njihovog kvara, čime
se izbegavaju prekidi. Izvodljivost DA u SN urbanoj mreţi biće obrađena u ovom radu. Cilj
ovog rada je:
 proceniti štetu potrošača prouzrokovanu prekidima u različitim urbanim sredinama
 optimizirati implementacije automatizacije distribucije koristeći predloţene opšte i
detaljne metode koje uzimaju u obzir praktične korake za upravljanje kvarovima
 proučiti uticaj različitih tipova kvara i procesa upravljanja kvarovima na
optimizacione rezultate
 testirati i koristiti proučene i predstavljene metode na praktičnom primeru

6
2. AUTOMATIZACIJA DISTRIBUCIJE

Sigurno snabdevanje električnom energijom od vitalnog je značaja za razvoj današnjeg

društva i podsticanja trţišnog poslovanja. Liberalizovano trţište električne energije zahteva
izgrađenu komunikaciono-informacionu infrastrukturu i razmenu velikih količina podataka u
realnom vremenu, a time se nameće potreba da se energetska mreţa učini pametnom. Ovo
podrazumeva visoko automatizovanu i samozaceljujuću mreţu. Pod visoko automatizovanom
mreţom se smatra mreţa koja radi bez uticaja čoveka. Samozaceljujuća mreţa je mreţa koja
će sama locirati kvar, izolavati kvar i obezbediti napajanje svim potrošačima gde je moguće.
Takođe samozaceljujuća mreţa moţe da detektuje konfiguraciju mreţe. Prednosti ovakve
napredne mreţe su:
 mogućnost uštede efikasnijim korišćenjem električne energije;
 smanjenje troškova očitanja brojila i obračuna potrošnje električne energije;
 lakše planiranje potrošnje kupaca;
 lakše upravljanje zahtevima kupaca;
 bolje upravljanje mreţom i zahtevima za proizvodnim kapacitetima;
 lakša prognoza opterećenja sistema;
 lakše odlučivanje o investiranju u energetici;
 bolji uvid u korišćenje energije i njenu cenu;
 plaćanje prema stvarnoj potrošnji objekta;
 smanjenje gubitaka električne energije.

Današnja rastuća potreba za boljom pouzdanošću usluga pored starenja infrastrukture i

ograničenog finansijskog budţeta za jačanje mreţe predstavljaju nezapamćeni pritisak na
elektodistribuciju. Ovo je glavni razlog za nalaţenje isplativih alternativa za jačanje mreţe
kao i metode za poboljšanje efikasnosti postojećih mreţa. Automatizacija distribucije i samo-
zaceljenje su moderne pametne metode koje elektrodistribucija smatra alatima za poboljšanje
pouzdanosti snabdevanja kao opciju za tradicionalne mreţne investicije.
Sistemi za automatizaciju elektrodistributivne mreţe (DA sistemi – Distribution
Automation) utvrđeni su u poslednje dve decenije dvadesetog veka. Svrha i značaj tih sistema
ekonomske su prirode pre svega. Korišćenjem tih sistema značajno se povećava efikasnost
korišćenja postojeće energetske opreme i odlaţu investicije u vrlo skupu novu energetsku
opremu. Aktuelna privatizacija i trţište električne energije, dakle konkurencija na tom trţištu,
prisiljavaju elektrodistributivne kompanije da maksimizuju prodaju što kvalitetnije električne
energije i minimizuju primarne troškove (uključena i minimizacija broja zaposlenih u
elektrodistributivnim kompanijama). To je osnovni motiv za unapređenje DA sistema
snaţnijim i sofisticiranijim sistemima. Osnovno takvo unapređenje su dobro poznati sistemi
SCADA [Supervisory Control and Data Acquisition – (daljinski) nadzor, komandovanje i
prikupljanje (akvizicija) podataka]. Kao što je automatizacija, primena računara i informatike
u elektroenergetskim sistemima započela s vrha (od proizvodnje – izvora), tako je
automatizacija distribucije započela s njenog "vrha" – od napojnih transformatorskih stanica
(TS) visoki na srednji napon i jedan srednji na drugi srednji napon (TS SN1/SN2) i
automatizacijom SN izvoda. U ovom drugom slučaju – automatizacija SN izvoda –
automatizacijom su obuhvaćeni i SN objekti (distributivne TS, razvodna postrojenja SN). Sa
automatizacijom NN mreţa još uvek se nije vidno započelo. Sistemi automatizacije
omogućavaju brze prekidačke akcije i rekonfiguracije mreţe i na taj način smanjuju područja

7
prekida u slučaju kvara. Nepotrebno je da se napomene, poboljšanje pouzdanosti koje pruţaju
sistemi automatizacije raste kako se nivo automatizacije povećava.
Iako posedovanje potpuno automatizovane mreţe uvek deluje privlačno za elektrodistribuciju,
nivo automatizacije mora biti optimizovan na osnovu isplativih analiza da bi se opravdali
njegovi kapitalni troškovi.
Ublaţavanje efekata kvarova na mreţi jedan je od glavnih zadataka DSO-a i
automatizacija distribucije je ključni element u ovom razvojnom radu. Ostalo sredstva su
primenljiva za smanjenje broja kvarova, ali automatizacija distribucije usmerena je na
skraćivanje vremena prekida nakon što se dogodi kvar. U gradskim sredinama, CIC po greški
je značajan i očekivanje za dostupnost električne energije je velika. Pritisak da se smanji broj
izgubljenih minuta po potrošaču tera gradske kompanije za distribuciju električne energije da
razmotre šeme automatizacije distribucije kako bi se izbegle ručne prekidačke akcije, lokacija
kvara i kašnjenja u izolaciji kvara. Ove šeme obično su implemntirane tako što se sprovodi
automatizacija određenog broja strateški postavljenih prekidača u srednjenaponskom prstenu i
upotrebom indikatora prolaza kvara. DA akcije upravljanja kvarom su mnogo efikasnije nego
ručno upravljane terenske akcije. Na primer. strategiju automatizacije distribucije koji se
koristi u Londonu za sekcionaliziranje srednjenaponskih fidera tako da se polovina kupca
nalaze sa obe strane centralno odabranog automatizovanog sekundarnog sistema
transformatorske stanice i tada se obično 50% snabdevanja moţe obnoviti za manje od 60
sekundi.
Odgovori anketa američkih i kanadskih elektrodistributivnih preduzeća pokazuju to da
se najviše široko pronađenih pokretača za DA bolji podaci o fiderima i manje prekida
potrošačima, jeftini komunikacioni sistemi i uređaji sa ugrađenim mogućnostima praćenja i
upravljanja. Prelazna politika prema automatizaciji distribucije je kombinacija od tri
elementa: vreme, skala implementacije i nivo automatizacije.
Korišćenjem ova tri elementa mogu se odrediti četiri različite politike tranzicije:
 Nema automatizacije distribucije;
 Automatizacija distribucije za nove i zamenjene sekundarne transformatorske stanice;
 Postepeno opamećivanje mreţe;
 Kompletna automatizacija distribucije.
Postepena tranzicija daje veću fleksibilnost ODS-ima i stoga se predlaţe tranziciona
politika. Predlaţe se automatizacija, na primer, u regionima sa velikom gustinom razvodnih
kablova. United Cooperative Services u Teksasu SAD ima uslugu područje koje se graniči sa
velikim gradskim područjem. Snaţan izdanak iz gradskog područja je dovelo ljude koji su
očekivali visoku pouzdanost njihovih električnih servisa. Veća očekivanja zahtevaju uvođenje
nove tehnologije, automatizacije distribucije. Započeli su industrijski i komercijalni sektori da
rastu i zahtevaju još dalju automatizaciju. Karakteristike grada i potrošača generišu neke
zahteve za mreţne strukture. Za gradove od strogog političkog, ekonomskog i vojnog značaja,
zahtev za pouzdanost napajanja električnom energijom je visok. Jedan primer impresivnih
poboljšanja postignutih u pouzdanosti automatizacije distribucije nalazi se u Londonu u
području distribucije električne energije EDF. Velika primena DA je smanjila dve trećine
izgubljenih minuta potrošača (CML) od 1998. do 2004. godine, smanjenje CML-a je bilo sa
30 na 10 minuta. Zajedno sa DA, EDF je primenio automatizovane šeme za fidere sa
normalno otvorenim tačkama. Automatizacija je poboljšala performanse još više i bilo je
moguće vratiti napajanje kupcima u roku od tri minuta. Motivacija za automatizaciju SN
mreţe nalazi se u činjenici da je najveći broj prekida napajanja potrošača električne energije
izazvan događajima u toj mreţi. Prema istraţivanju o kvarovima u Holandiji (Dutch National
Fault Registration Enquiry), oko 70% od svih prekida napajanja uzrok je u SN mreţi, u 20%

8
izvor prekida napajanja je u VN (prenosnoj – visokonaponskoj) mreţi, a samo 10% u
niskonaponskoj (NN) mreţi. Da bi se smanjilo prosečno trajanje prekida napajanja po
potrošaču u slučaju kvarova u SN mreţi, prioritet je dat smanjenju vremena potrebnog za
restauraciju napajanja posle kvarova. Ključni momenat u smanjenju tog vremena jesu
vremena potrebna za lokaciju i izolaciju kvara, kao i za restauraciju napajanja posle kvara, a
ona se mogu radikalno smanjiti primenom savremenih i vrlo efikasnih tehnologija za lokaciju
kvara kao suštinskog dela DA.
U ovom paragrafu prikazani su kriterijumi kojima su se razvijene evropske zemlje
rukovodile prilikom izbora koncepcije automatizacije SN mreţe. Pod koncepcijom
automatizacije SN mreţe podrazumeva se utvrđivanje vrste i količine opreme DA, lokacije te
opreme u SN mreţi, kao i utvrđivanje tehnike za njeno korišćenje, s ciljem da se obezbedi:
 smanjenje trajanja prekida napajanja (brţom lokacijom i izolacijom kvara, kao i
efikasnom restauracijom napajanja posle kvara);
 smanjenje broja manipulacija, a time i trošenja (skraćenja veka trajanja) i kvarova na
rasklopnoj opremi;
 bolji nadzor i vođenje pogona;
 smanjenje eksploatacionih troškova;
 smanjenje (odlaganje) investicionih ulaganja u vrlo skupu energetsku opremu;
 povećanje bezbednosti pri radovima na mreţi;
 smanjenje šteta (odšteta, kompenzacija) potrošačima;
 povećanje prihoda (profita) elektrodistributivnih kompanija.
Zajednički imenilac praktično svih navedenih motiva za implementaciju DA jeste
skraćenje vremena prekida napajanja potrošača električne energije. Skraćenje ovog vremena
načelno treba traţiti u kvalitetnoj obuci osoblja, primeni detektora kvara i, ako je to moguće,
primeni daljinske signalizacije stanja detektora kvara i daljinskog upravljanja rasklopnom
opremom. Automatsko upravljanje elektrodistributivnim mreţama u posthavarijskim
uslovima dobija sve širu primenu. Automatsko upravljane jedne mreţe u Kanadi obuhvata
sledeće funkcije:
 izolovanje kvara;
 restauraciju napajanja;
 automatsko daljinsko merenje i prenos podataka od potrošača do centra upravljanja;
 upravljanje kondenzatorima;
 regulaciju napona;
 upravljanje opterećenjem potrošača;
 kontrolu uličnog osvetljenja;
 minimizaciju gubitaka.
Među tim funkcijama ključna je "menadţment kvarova" – lokacija i izolacija kvara,
kao i restauracija napajanja. Ona se sastoji se od lokacije SN deonice u kvaru, manipulacije
rasklopnom opremom kako bi se kvar izolovao i restauracije napajanja svih deonica
alternativnim putevima (ako oni postoje). Ugrađeno je 33 detektora kvara u toj mreţi u
Kanadi, a njihovom primenom prosečno trajanje lokacije kvara i restauracije napajanja
svedeno je na 5 minuta. Slično ovome, u SAD je bila sprovedena eksperimentalna primena
automatizacije elektrodistributivne mreţe, gde su testirane razne tehnike upravljanja SN
mreţom i kvantifikovani efekti njihove primene. Tim sistemom su objedinjena tri podsistema:
 automatika u napojnim TS;
 distributivna automatika – automatika izvoda;
 upravljanje opterećenjem.

9
 U sistem je uvedeno upravljanje prekidačima, rastavljačima, normalno otvorenim
sklopka-rastavljačima (NORS) i sistem za automatsko ponovno uključenje (APU).
Prikazanim rezultatima je potvrđeno značajno smanjenje vremena potrebnih za lokaciju i
izolaciju kvara, kao i za restauraciju napajanja posle kvara. Ocenjuje se da se koristi od
primene automatike mogu lako kvantifikovati koristeći zapise iz istorije primene ovih uređaja
i konvencionalnih modela za procenu pouzdanosti. Ključni rezultat glasi: prosečno vreme
koje protekne od trenutka nastanka kvara do restauracije napajanja redukovano je sa 20 na 3
minuta u klasičnim elektrodistributivnim mreţama u kojima su do primene sistema
manipulacije rastavljačima bile ručne. Prema rezultatima belgijske studije, obezbeđenje
"najboljeg mogućeg napajanja" moţe se postići:
 poboljšanjem obučenosti dispečerskih ekipa, povećanjem njihovog broja i
opremljenosti;
 razvojem takve konfiguracije SN mreţe koja bi imala veću fleksibilnost (veći broj
mogućnosti promene konfiguracije) u uslovima kvara;
 povećanjem obima primene automatike i daljinske kontrole (nadzora i upravljanja).

Klasične aktivnosti osoblja dispečerskog centra (DC) i dispečerske ekipe posle kvara u SN
mreţi, sastoje se od lokacije SN deonice kablovskog ili nadzemnog izvoda koja je u kvaru i
restauracija napajanja potrošača. Kada postoji daljinsko upravljanje, manipulacije sa
rastavljačima se obavljaju bez izlaska dispečerske ekipe na teren. Ako su i detektori kvara
daljinski nadzirani, dispečerska ekipa treba samo da obavi uključenje koje je neophodno za
restauraciju napajanja.
U zaključku studije se kaţe da upotreba detektora kvara mora da bude "naglašenija".
Daljinska signalizacija stanja detektora kvara značajno poboljšava kvalitet napajanja, ali
ekonomska isplativost je manja od cene opreme. Korišćenje samih energetskih izvoda za
prenos informacija bi moţda zadovoljilo ekonomske zahteve.
U Francuskoj se koristi jednostavan i efikasan postupak za lokaciju SN deonice u
kvaru. Primenom detektora prolaska struje kvara i signalnih lampi koja su postavljene spolja
na distributivnim TS, pokazuje se stanje detektora kvara (proradio ili nije). Prolazeći pored
stanica na izvodu, dispečerska ekipa iz vozila kojim se transportuje od izvora duţ izvoda
utvrđuje putanju struje kvara.
U Engleskoj se ugrađuju pretvarači za dojavu pojave struje kvara i to injektiranjem u fazni
provodnik signala sa frekvencijom 10 kHz. Tako, filtriranjem ove struje u napojnoj TS i DC,
moţe se za nekoliko sekundi posle kvara odrediti koji su detektori reagovali i iz toga odrediti
koja je deonica izvoda u kvaru.
U Nemačkoj se do svake distributivne TS postavljaju signalni kablovi. U jednom
članku opisuje se upravljanje SN mreţom u gradu sa 72.000 stanovnika, koji se napaja sa 20
kV SN kablovskom mreţom čija je duţina oko 150 km, prosečno po 50 km po jednoj od tri
napojne TS. Dve napojne TS su sa kompenzovanim strujama zemljospoja i jedna je sa
uzemljenjem neutralne tačke preko niskoomske otpornosti. Sve distributivne TS su
snabdevene detektorima struje kvara i daljinski upravljanim sklopka-rastavljačima. Kako je
već naglašeno, ključni motiv za implementaciju DA jeste skraćenje trajanja prekida napajanja
potrošača, odnosno, povećanje pouzdanosti napajanja potrošača. Na slici 2.1 je prikazana 10
kV elektrodistributivna mreţa sa otvorenim prstenom. Sa t1 je označen NORS. U razmatranoj
šemi komunikacija je ostvarena preko signalnih provodnika koje čine zatvorenu petlju.

10
 Слика 2.1 Elektrodistributivna 10 kV mreţa sa otvorenim prstenom [3]
Na slici 2.2 prikazan je deo elektrodistributivne mreţe sa dva radijalna izvoda,
napajana preko različitih napojnih TS, između kojih postoji NORS. U razmatranoj šemi
lokacija mesta kvara je automatska.

Слика 2.2 Automatska lokacija mesta kvara [3]

Rezultat istraţivanja efekata primene DA u seoskim i prigradskim područjima,
izraţeni preko indeksa godišnje neisporučene energije u kWh/godišnje – ENS (Energy Not
Supplied), prikazani su na slici 2.3.

11
 Слика 2.3 Rezultati istraţivanja o efektima DA iz 1987. [3]
Sa dijagrama se vidi da su u razmatranje uzeti: prekidači, detektori kvara, daljinsko
upravljanje i daljinska signalizacija. Generalni zaključak je da su iste ideje o primeni DA
postojale i pre više od deset godina, ali se tehnologija unapredila, posebno u oblasti
komunikacija i integracije DA unutar opreme RMU (Ring Main Unit) i daljinskih stanica
(RTU – Remote Terminal Unit) sistema SCADA. I u manje razvijenim zemljama
elektrodistributivne kompanije su spremna da ulaţu u primenu DA, dok su ranije to činile
samo kompanije najrazvijenijih zemalja. Optimalni broj automatizovanih prekidača raste kako
se povećava funkcija štete potrošača. Više automatskih prekidača nalazi se na fiderima sa
visokim nivoom opterećenja i pored komercijalnih centara za opterećenje.
Da bi locirao kvarove, DA treba da ukaţe i na kvarove kratkog spoja i na zemljospoje,
od ova dva kvara teţa je indikacija zemljospoja. U izolovanom mreţama indikacija
zemljospoja moţe se zasnivati na graničnoj vrednosti struja nultog redosleda, međutim u
kompenzovanoj neutralnoj indikacija zemljospoja moţda će trebati naprednije metode poput
analize prolazne tranzijentne struje. Takođe lokacija kvara moţe se proceniti analizom
tranzijentne struje. Sa DA obnavljanje segmenata koji nisu pogođeni kvarom moţe se desiti
za manje od jednog minuta umesto za 50-80 minuta.
U literaturi su uloţeni značajni napori u određivanju optimalnog nivoa automatizacije
u distributivnoj mreţi. Skoro svi radovi su se usredsredili na izbor optimalnog broja i lokacije
automatskih prekidača. Problem optimalnog postavljanja prekidača je kombinatorno
ograničen i sloţen problem. Broj i lokacija prekidača bili su konvencionalno pronađeni na
osnovu inţenjerskih procena, iskustava elektrodistribucije iz prošlosti i pravila procene. Ove
pribliţne metode, međutim, mogu da dovedu do grubih ishoda koji mogu biti daleko od
optimalnog rešenja. Kasnije, redom da bi se postigli tačniji rezultati, na problem optimalnog
nivoa automatizacije primenjene su tehnike optimizacije. Najraniji rad koji se pojavio u
literaturi za problem optimalnog postavljanja prekidača datira još iz 1991. godine i to je fuzzy
optimizacija. Zbog kombinatorne prirode problema, razni heuristički algoritmi poput
simuliranog kaljenja, genetičkog algoritma, sistema kolonije mrava, imunološkog algoritma i
gomile čestica za optimizaciju primenjeni su za rešavanje problema. Pregledani radovi imaju
posebne prednosti i nedostatke. Glavni nedostatak prijavljenog istraţivanja je da
metaheuristički pristupi obično pate od vrlo dugog vremena izvršenja i neidentičnim
rešenjima u ponovljenim iteracijama.

12
 Oni takođe ne garantuju optimalno rešenje u prostoru za pretragu. Takođe,
performanse ovih pristupa snaţno zavise od iskustva operatera i podešavanja parametara.
Takođe postoji pristup izravnom nabrajanju i mešovitom pretraţivanju nabrajanja (bisekcije)
za rešavanje problema postavljanja prekidača, kao i Belmanov optimalni princip za rešavanje
problema postavljanja prekidača.Jedna od metoda je da se problem napadne dvostepenim
pristupom dekompozicije pri čemu je prostor rešenja podeljen na skup potprostora koji se
mogu nezavisno proučavati a takođe i paralelno. Ove metode su sloţene u računanju i
potrebno je relativno dugo vreme izvršenja.
Dalje je pokušano da se problem postavljanja prekidača uspešno reši u formatu
mešovitog celobrojnog linearnog programiranja (MILP) što mogu rešiti komercijalno
dostupni rešavači. Ovaj model se pokazao efikasan. Model moţe biti rešen u efektivnom
vremenu izvođenja, a optimalnost rešenja je takođe garantovana. Međutim, u pregledanoj
literaturi pretpostavljalo se da je savršeno upravljanje kvarovima što je previše optimistično,
posebno za slučaj da se desi zemljospoj. Nekoliko eksperimentalnih upravljanja, tj. metoda
pokušaja i grešaka je obilčno potrebno za lociranje zemljospoja u mreţi i za ovo će moţda
trebati relativno dugo vremena. Jasno je da brzi sistemi automatizacije više nisu od pomoći
kada tačna lokacija kvara nije poznata. Zbog toga se pretpostavljema brza restauracija u
literaturi moţda nije moguća u stvarnom svetu kada dođe do zemljospoja. Značaj uticaja
zemljospoja postaje sve veći s obzirom na to da su oko 50-80% kvarova u nordijskim
distributivnim mreţama zemljospoji. ak i uz pomoć daljinskog upravljanja DA, ljudska
sposobnost da reši problem kvara sa zaštitnim alarmom i informacijama o indikaciji kvara u
kombinaciji sa podacima o mreţnoj topologiji je ograničena. Potrebno je nekoliko minuta
dispečeru kontrolnog centra da shvati logiku kako bi započeo prve upravljačke akcije
restauracije. Dakle, bilo automatizovane ili šeme koje podrţavanje upravljanje kvarovima su
potrebne. Svrha sistema za podršku u odlučivanju je da pomogne tumačenje SCADA alarma i
da pomogne da se sistem bezbedno obnovi što je brţe moguće, smanjujući na taj način efekat
poremećaja.

13
3. TROŠKOVI PREKIDA POTROŠAČA (CIC)

3.1. Opšte o CIC-u

Vrednost troškova prekida potrošača procenjena je u mnogim studijama. Generalno,

vrednosti CIC-a su se udvostručile u Finskoj od 1994. do 2004 godine. Američka studija
procenila je da troškovi prekida napajanja u SAD godišnje iznose oko 80 milijardi dolara.
Ovo pokazuje vaţnost poboljšanja pouzdanosti snabdevanja električnom energijom.
Spremnost za plaćanje (WTP) i spremnost za prihvatanje (WTA) su među metodama za
procenu CIC-a. U WTP-u, ispitanici se pitaju koliko bi bili spremni da plate za pouzdanije
snabdevanje električnom energijom. U WTA, ispitanici se pitaju koliko visoku naknadu ţele
da imaju ako je pouzdanost snabdevanja električnom energijom lošija. Jedna od teorija koja
pomaţe u razumevanju različitih vrednosti CIC-a dostignutim anketama kupca je model peska
konusa.

Слика 3.1 Model peska konusa [1]

Na dnu, kvalitet najdublje utiče na krajnji cilj, efikasnost troškova. Pouzdanost počiva
na kvalitetu, a brzina na pouzdanosti i efikasnost troškova na brzini. Prilagođavajući ovaj
model za CIC procenu, dobijamo da što više efekata prekida na kvalitet najdubljeg sloja, to je
više efekta prekida na štetu kupca. Ovo delimično objašnjava razlike u vrednovanju CIC-a.
Drugi pristup oslanja se na teoriju da jednosatni prekid tokom slobodnog vremena
odgovara 1 h manje rada tokom radnog vremena, stoga je vrednost ovog izgubljenog sata
slobodnog vremena jednaka nadnici od 1 h rada. Ovaj makroekonomski model se dalje
razvija kao:

(3.1)

14
gde su:

- procena CIC-a pomoću makroekonomskog pristupa [€h/kW];

t - trajanje prekida [h];
w - nadnica po satu [€];
- vršna potrošnja snage [kW];
d - faktor kontinuirane zavisnosti električne energije.
Vrednost ovog faktora d je između 0 i 1. Ovaj faktor se moţe izračunati uz pomoć ankete
kupaca:

(3.2)

gde je količina onih električnih uređaja kojih su kupci

spremni da ne koriste u zamenu za kompenzaciju. Limiti stambenih CIC-ova su:
(3.3)
gde su:
- minimalni troškovi prekida kupca izračunati koristeći srednju vrednost %
smanjenja u potrošnji energije od ispitanika
- maksimalni troškovi prekida kupca izračunati koristeći vrednost d=1
Komercijalne i javne usluge su dominantne grupe kupaca u urbanom jezgru i u proseku je
cena neočekivanog prekida od 1 sata sedam do deset puta više za komercijalne kupce nego za
privatne kupce. Kada se prekine snabdevanje električnom energijom, procesi urbanog društva
se prekidaju. Za veliki trţni centar ili za podzemni saobraćaj šteta potrošača zbog ispada je
potpuno drugačija ako prekid traje jedan minut ili jedan sat. Dakle, nesmetano napajanje
električnom energijom i brzo upravljanje kvarovima je posebno bitno u urbanim mreţama.

3.2. Procena troškova prekida potrošača u različitim urbanim zonama

Društvo je sve više i više zavisno od informacionih i komunikacionih tehnologija i

električne energije, pa je i pouzdanost snabdevanja električnom energijom postala vaţnija
tokom poslednje dve decenije. Pristup orijentisan na potrošača koristi CIC-ove u analizama
troškova za poboljšanje pouzdanosti. U planiranju distributivne mreţe i u analizi troškova,
takođe treba uočiti raznolikost CIC-a. Odluke o investicijama u mreţama i o mogućoj
distribuciji oskudne električne energije (nedovoljne za potraţnju) treba izvršiti uzimajući u
obzir ekonomske efekte. Davanje prioriteta za sektore potrošača koji su najviše pogođeni
prekidima smanjuje štetu. U daljem tekstu biće analizirane različite grupe potrošača i
varijacije CIC-a u različitim urbanim oblastima. Takođe kao deo ovog istraţivanja, urađena je
i jedna anketa za procenu CIC-a od strane komercijalnog potrošača. Dobijeni rezultati su
uključeni u analizi varijacije CIC-a u različitim urbanim zonama. Rezultati pokazuju da se
CIC povećava povećanjem gustine energije i funkcija štete potrošača ima svoje maksimalne
vrednosti u područjima urbanog jezgra.
15
 3.2.1. CIC vrednosti

U Finskoj referentne vrednosti za troškove prekida su vrednosti troškova prekida

potrošača za neočekivane prekide od strane izveštaja Finske energetske vlasti iz 2007. godine,
Tabela 3.1. Ove vrednosti su zasnovane na finskom CIC istraţivanju iz 2005. godine.
Istraţivanje analizira troškove prekida u raznim distributivnim mreţama električne energije,
doţivljenih od strane stambenih, poljoprivrednih, komercijalnih, javnih i industrijskih
potrošača. Vrednosti CIC-a su mnogo veće za komercijalnu grupu potrošača, u proseku trošak
neočekivanog prekida od jednog sata za komercijalne potrošače je sedam do deset puta veći
nego za stambene potrošače.
Tabela 3.1 CIC vrednosti iz Finskog istraţivanja iz 2005 i Holandskog istraţivanja
2003-2004 [1]

1 h neočekivanih
prekida €/kW
CIC Finska
Grupa potrošača Finska kablovska Finska jug
Holandija
svi mreţa
stambeni 6,5 8 8,5 5,0
industrijski 21,6 27,8 34,3

javni 34,3 71,1 145 52,3

*) Firme
komercijalni 48,1 62,2 57,7

3.2.2. CIC po urbanim zonama

Modeliranje urbanih područja moţe se zasnivati na zonskom pristupu. Urbana

područja su organizovana kroz kontrolu korišćenja zemljišta u zonama sa jasnim granicama
između različitih vrsta područja. Na osnovu prostorne analize očigledno je da zone korišćenja
zemljišta opisuju sve relevantne karakteristike: kombinacija potrošača, disperzija opterećenja
i građevinska ograničenja, poslednja dovodi do obaveze skuplje upotrebe strukture. Sa
stanovišta urbanih i gradskih mreţa, podela u tri osnovne zone - gradsko jezgro, gradsko i
prigradsko - odgovara. U urbanom jezgru, dominantno opterećenje su komercijalne zgrade i
javne usluge dok je u prigradskim područjima stambeno opterećenje u većini. Struktura
potrošača u Helsinkiju predstavljena je u tabeli 3.2.

16
 Tabela 3.2 Struktura potrošača različitih urbanih područja
(AH= stambene kuće, SH= odvojene kuće) [1]

Grupa profila
stambeni komercijalni javni industrijski
potrošača

urbano jezgro 10 % 53 % 27 % 10 %

Urbana zona 30 % 40 % 20 % 10 %
Prigradska zona -
10 % 53 % 27 % 10 %
centar
Prigradska zona -
55 % 23 % 12 % 10 %
stambene kuće
Prigradska zona -
75 % 13 % 7% 5%
mix
Prigradska zona -
85 % 10 % 5% 0%
pojedinačne kuće

Vrednosti CIC-a za različita urbana područja izračunate su korišćenjem vrednosti

CIC-a u tabeli 3.1 i strukture grupa potrošača u tabeli 3.2. Dobijeni rezultati predstavljeni su
na slici 3.2.

Слика 3.2 Procena CIC-a urbanih zona zasnovano na različitom istraţivačkom materijalu i
oblasti, 1h neočekivanih prekida [1]

17
 Iz rezultata na slici 3.2 moţe se uočiti da:
 što je potrošač bliţi urbanom jezgru vrednosti troškova prekida potrošača se
povećavaju
 vrednosti troškova prekida se povećavaju povećanjem gustine energije područja
 vrednosti troškova prekida u gradskom jezgru su pribliţno dvostruko veći u poređenju
na troškove prigradskog područja

3.2.3. Anketa potrošača

Da bi se procenili troškovi nestanka električne energije za potrošače, jedna anketa i

istraţivačka studija izvedene su od Univerziteta Aalto i Helen električne mreţe. Cilj ovog
istraţivanja bio je definisati troškove nestanka električne energije kod potrošača u raznim
urbanim sredinama. Izabrane grupe potrošača za ankete su bile komercijalne, javne usluge i
mala industrija. CIC komercijalnih potrošača izračunat je u različitim urbanim zonama. Stope
odziva male industrijske grupe i javne sluţbe bile su nedovoljne za izradu analize. Rezultati
troškova prekida komercijalne grupe potrošača nalaze se u tabeli 3.3. Troškovi prekida
komercijalnih potrošača u gradskom jezgru bili su otprilike dvostruko veći od troškova u
urbanim i prigradskim područijima. Na ovo mogu uticati fenomeni da u urbanom jezgru u
osnovi su cene nekretnina i zakupnine skupe, a kompanije imaju visoku finansijsku vrednost,
veliki protok kupaca i duge časove aktivnosti.
Tabela 3.3 Troškovi prekida komercijalnih potrošača u različitim urbanim zonama [1]

1h €/kW
Sve urbane zone 65,06

Urbano jezgro 95,62

Urbana zona 38,03

Prigradska zona 48,86

Zatim su vrednosti komercijalnog CIC-a iz izveštaja Finske uprave za energetiku

(Tabela 3.1) zamenjene vrednostima postignutim u anketi, Tabela 3.3. Kao rezultat toga,
trošak prekida potrošača je takođe izračunat u funkciji od gustine energije [GVh / km2],
ilustrovanoj na slici 3.3. Dobijena veza između gustine energije i troškova prekida kupaca bila
je gotovo linearna.

18
 Слика 3.3 CIC kao funkcija gustine energije i urbane zone izračunat koristeći vrednosti iz
Finske studije iz 2005. i iz studije Helsinkija iz 2010. [1]

CIC u urbanom jezgru je otprilike tri puta veći od CIC-a u ostalim urbanim zonama.
Razlog tome je kombinacija:
 komercijalne i javne usluge su dominantnije u urbanom jezgru nego u ostalim urbanim
zonama
 Vrednosti CIC-a komercijalnih potrošača u urbanom jezgru su otprilike dvostruke u
poređenju sa drugim urbanim zonama, ovo odraţava visoku finansijsku vrednost
komercijalnih potrošača u urbanom jezgru.

19
4. OPŠTI MODEL ZA OPTIMIZACIJU DA

Izazov u primeni automatizacije distribucije je da bi elektrodistribucija trebala da cilja

investicije tako da odnos troškova i koristi bude optimalan. Da bi se ovo postiglo, cilj je da se
smanje troškovi prekida potrošača. Nivo DA moţe se proceniti korišćenjem pouzdane
procene troškova i koristi. Smanjenje troškova prekida potrošača upoređuje se sa kapitalnim,
troškovima rada i troškovima odrţavanja DA šeme. Ukupni troškovi pouzdanosti (TCR)
jednaki su zbiru troškova pouzdanosti elektrodistribucije (UCR) i troškova prekida potrošača
(CIC):

(4.1)

U rezultujućoj krivi ukupnih troškova postoji minimalna tačka koja ukazuje na

optimalni ciljni nivo pouzdanosti. Izvršava se analiza troškova pouzdanosti da bi se pronašla
ova optimalna tačka . Podrţana je upotreba CIC-a u investicionim proračunima od strane
finskog regulatora, Energy Authority. U analizi pouzdanosti izračunat je CIC izazvan
kvarovima na fideru i transformatorskoj stanici, i benefit pouzdanosti je upoređen sa
troškovima automatizacije.

4.1. CIC uzrokovan kvarovima na fiderima

Kvarovi na srednjenaponskom fideru j uzrokuju sledeće troškove prekida:

∑ ( ) (4.2)

gde su:
- troškovi prekida [€];
i=a - deo voda i na fideru j
- broj prekida godišnje u delu voda i [prekida/km*god];
oce - parametar energije troškova prekida [€/kWh];
- potraţnja od fidera j [kW];
- vreme akcija rasklopnih uređaja na SN vodu, uključujući lokaciju kvara [h];
ocp - parametar smage troškova prekida [€/kW];
k - ukupan broj delova voda.
Pošto DA smanjuje vreme dejstva rasklopnih uređaja, fiksni parametar snage ostaje
isti, a vremenski povezan energetski parametar se menja. Sa prosešnim automatskim
vremenom prekida i prosečnim ručnim vremenom prekida , smanjenje troškova
prekida je:

20
 ∑ ( ) (4.3)

gde i obuhvata sve delove voda na fideru j i ukupan broj delova voda je k. U statistici kvarova
u mreţi stopa prekida ( ) je često čuvana od fidera. Tipična urbana struktura SN mreţe je
petljasta bez radijalnih grana. Kada dođe do kvara na fideru, zaštita isključuje fider koji je u
kvaru sa rada i dolazi do prekida na svim delovima voda fidera. Koristeći istu stopu prekida
na svim delovima voda fidera, prethodna jednačina se smanjuje na:

( ) (4.4)

Slika 4.1 ilustruje dva fidera transformatorske stanice i SN vod koja ih povezuje.
Mreţa ima oblik prstena sa normalno otvorenom tačkom.

Слика 4.1 Topološka analiza za planiranje automatizacije distribucije sa tri automatizovane

transformatorske stanice po paru fidera [1]

Glavni cilj prstenaste mreţe je da potrošačima obezbedi nesmetano napajanje

električnom energijom. Ovo je moguće napajanjem potrošača sa drugim zdravim fiderom u
slučaju nestanka napajnaja fidera koji je bio normalno radio. Dakle prstenasta mreţa ima dva
puta za opterećenje i svaki potrošač ima dodatno napajanje u ovom tipu mreţe. Obično se
prstenasti glavni sistemi koriste za napajanje električnom energijom veće oblasti (urbane
sredine). Većina ovih prstenastih mreţa rade pod normalno otvorenom tačkom pomoću
prekidača. Kod ove automatizovane transformatorske stanice u sredini imamo normalno
otvorenu tačku gde je normalno otvoren prekidač. U slučaju kvara fidera ovaj normalno
otvoreni prekidač koji je automatski će se zatvoriti i potrošači koji su ostali bez napajanja
zbog kvara fidera, brzo će dobiti napajanje od zdravog fidera. Znači instaliranjem DA na
normalno otvorene tačke i na sekundarne transformatorske stanice koje se nalaze u
poluenergetskoj tački fidera, polovina izgubljene energije moţe biti vrlo brzo obnovljena.

21
 Dakle, sa (1 + ½) daljinski upravljanom sekundarnom transformatorskom stanicom na
fideru j, pošto se polovina energija obnavlja, dobija se polovina koristi od prethodne
jednačine:

( ) (4.5)

Sa (k+1/2) daljinski upravljanim sekundarnim transformatorskim stanicama benefit je

( ) (4.6)

gde je:
k- broj automatizovanih tranformatorskih stanica fidera j ne računajući transformatorsku
stanicu na sredini koju dele dva fidera

4.2. CIC uzrokovan prekidima u transformatorskoj stanici

Ako fider radi kao rezervna veza ka drugoj transformatorskoj stanici, onda u
prekidima transformatorske stanice polovina energije fidera moţe se brzo obnoviti pomoću
rasporeda kao na slici 4.1. Koristi se ista jednačina kao 4.5:

( ) (4.7)

gde je:
- broj prekida u transformatorskoj stanici po godini [prekida/km*god];
- ručno vreme akcija rasklopnih uređaja SN voda na prekide u transformatorskoj
stanici [h];
- automatsko vreme akcija rasklopnih uređaja SN voda na prekide u transformatorskoj
stanici [h].
Sa ovim (1+1/2) rasporedom ukupni benefit računajući kvarove i na fiderima i na
transformatorskim stanicama je:

[ ( ) ( )] (4.8)

Generalna jednačina za smanjene troškova prekida sa (k+1/2) daljinskim upravljanjem

sekundarnih transformatorskih stanica je:

[ ( ) ( )] (4.9)

22
 Osim rasporeda DA kao na slici 4.1 gde su tri transformatorske stanice
automatizovane moţe da postoji jos jedna vrsta rasporeda DA. Ako se DA takođe doda u prvu
sekundarnu transformatorsku stanicu na fideru, celokupna energija fidera se vrlo brzo
obnavlja pomoću DA u kvarovima transformatorske stanice. Raspored (2 + ½) prikazan na
slici 4.2 je optimalan za podršku prilikom prekida transformatorske stanice. U prekidima rada
transformatorske stanice, sada se moţe obnoviti celokupna energija na fideru snabdevanjem
električnom energijom iz susedne transformatorske stanice. Uzimajući u obzir kvarove i na
vodu i na transformatorskoj stanici, korist u troškovima prekida je:

( ) ( )
(4.10)
( )

gde je:
n - broj sekundarnih transformatorskih stanica na fideru j
Ako imamo (k+1/2) daljinski upravljane transformatorske stanice benefit je:

[ ( ) ( )] (4.11)

Слика 4.2 Raspored automatizaije distribucije dizajniran tako da podrţi ispade

transformatorskih stanica [1]

Opšti izbor najpovoljnijeg rasporeda DA vrši se pomoću prve i poslednje jednačine,

počev od k=0. Optimalni broj k za svaki fider je kada su ukupni troškovi u prvoj jednačini
minimalni. Ova DA optimizacija ilustrovana je na slici 4.3.

23
 Слика 4.3 Optimiziranje automatizacije distribucije u urbanim mreţama [1]

4.3. Uticaj automatizacije distribucije na planiranje transformatorskih

stanica

Automatizacija distribucije ubrzava korišćenje rezervi transformatorskih stanica. Ova

svojina se moţe dalje koristiti u planiranju transformatorskih stanica, bilo da se investira u
primarnu opremu transformatorske stanice ili u SN rezervne veze. Tipična transformatorska
stanica u urbanoj mreţi ima dva energetska transformatora. Rezerva snage se rukuje sa
drugim energetskim transformatorom, čak i u slučajevima kada je jedan transformator
dovoljan za postizanje vršne snage. Sprovođenjem rasporeda (2 + ½), elektrodistribucija ima
alternativu rezervnom transformatoru snage T2, slika 4.4.

24
Слика 4.4 Brze rezerve fidera isporučene od DA, alternativa rezervnom transformatoru snage
T2 [1]
U situacijama prekida, rezervni izvori napajanja SN fidera su brzo rukovođeni
daljinskim upravljanjem ili automatskim akcijama rasklopne opreme. U planiranju mreţe,
rezerve brzog SN fidera sa automatizacijom distribucije su opcija primarnim rezervama
transformatorskih stanica. U mnogim slučajevima automatizacija distribucije bi bila isplativije
rešenje. Međutim, inţenjer planiranja takođe treba da uzme u obzir da što su rezerve sloţenije,
to više postoje oprema i međusobne veze i samim tim veće šanse da rezervna restauracija ne
uspe.

4.4. Analiza automatizacije distribucije u Helsinkiju

Da bi se prikazala primenljivost predstavljene metodologije uzet je primer testiranja u

glavnom gradu Finske Helsinkiju. Izbor sekundarnih transformatorskih stanica kojima se
moţe daljinski upravljati planiran je kombinacijom topološke analize i analize troškova i
koristi (analiza isplativosti). Analiza troškova i koristi je napravljena godišnjim ţivotnim
troškovima DA naspram godišnjih koristi u smanjenom CIC-u. Godišnji troškovi ţivotnog
ciklusa izračunati su na osnovu 15-godišnjeg ţivotnog veka u investicijama i godišnjim
troškovima odrţavanja. Vreme ručnih akcija rasklopne opreme korišćeno u ovoj studiji
izračunato je iz operativnih podataka u distributivnom sistemu upravljanja (DMS). Prosečno
vreme ručnih rasklopnih radnji tokom 8 godina bilo je 35 minuta. Pod pretpostavkom
daljinskog upravljanja radnji rasklopnih uređaja i potpuno pouzdane indikacije kvara,
prosečno vreme radnji rasklopnih uređaja sa DA bilo bi oko 5 minuta, a sa
automatizovanim sekvencama prekidačkih radnji to bi bilo čak i manje od jednog minuta.
Benefit od DA izračunata je koristeći vrednosti CIC-a iz izveštaja trţišne uprave finske
energije (EMA), iz finske studije CIC-a i u poslednjem slučaju komercijalne vrednosti CIC-a
su iz Helsinki CIC studije. Pri izračunavanju benefita u smanjenim troškovima prekida i
računanju kvarova samo na srednjenaponskom vodu, DA je isplativo instalirati na oko 110 od
500 fidera u Helsinkiju.

25
 Prilikom izračunavanja benefita u smanjenim troškovima prekida za oba kvara na
fideru i transformatorskoj stanici, DA je znatno isplativiji, slika 4.5. Značajan porast koristi
DA-a, uzimajući u obzir i kvarove transformatorske stanice, otkriva da je značaj kvara
transformatorske stanice u optimizaciji DA veći nego što se očekivalo ranije.

Слика 4.5 Godišnji troškovi investiranja i smanjeni troškovi prekida i za kvarove na fiderima
i kvarove na fiderima i transformatorskim stanicama [1]
Benefit automatizacije distribucije i optimalne pokrivenosti DA je zatim izračunata
pomoću DA rasporeda (1 + ½) i (2 + ½). Takođe je ispitana izvodljivost kada je 100%
primenjena DA. Maksimalno smanjenje CIC-a postiţe se korišćenjem 100% automatizacije,
gde su sve sekundarne transformatorske stanice opremljene sa DA. Međutim, ako imamo
100% automatizaciju to prirodno povećava godišnje ţivotne troškove. Odnos fidera, gde je
DA 100% isplativ, je izračunat u Helsinkiju. Udeo isplativih fidera po transformatorskoj
stanici u potpunoj automatizaciji varira od 0% do 85%. Najveći udeo isplativih 100% DA se
nalazi u oblastima gde je gustina opterećenja najveća, u urbanom jezgru. U urbanom jezgru,
ukupan udeo fidera, gde se moţe izvršiti potpuna automatizacija iznosi 57%, dok je u ostalim
urbanim sredinama taj udeo bio samo 20%. Potpuna automatizacija je korisna u urbanom
jezgru jer:
 prosečna snaga sekundarnih transformatorskih stanica je veća u urbanom jezgru
 komercijalne i javne usluge su dominantnije
 CIC vrednosti komercijalnih potrošača u urbanom jezgru su pribliţno dvostruke u
odnosu na druga urbana područja zbog velike vrednosti potrošača u gradu.
Ovi rezultati pokazuju da tipovi grupa potrošača značajno utiču na optimalne lokacije
DA-a, kao što je to slučaj sa optimalnim lokacijama distribuirane proizvodnje. Centralizacija
DA na urbano jezgro je isplativija od instaliranja DA ravnomerno u mreţi.

26
 Rezultati proračuna pokazuju da je u urbanom jezgru potpuna automatizacija isplativ
cilj dugoročnog planiranja. Konačno, optimalno pokrivanje DA izračunato je pomoću
mešovitih rasporeda. Na svakom fideru rasporedi (1 + ½), (2 + ½) i 100% DA su izračunati i
optimalni raspored za svaki fider je odabran. Optimalna DA pokrivenost sa svakim
rasporedom modela je predstavljena na slici 4.6.

Слика 4.6 Optimalno pokrivanje DA primenom različitih vrednosti troškova prekida

potrošača (CIC) i različitih rasporeda automatizacije distribucije [3]
Rezultati pokazuju da optimalno pokrivanje DA direktno zavisi od korišćenih
vrednosti CIC-a. Nije iznenađujuće što primena viših vrednosti CIC-a dovodi do većeg udela
od DA. Analiziran je uticaj CIC-a na optimalni nivo automatizacije takođe u jednom
istraţivanju, i pokazano je da optimalan broj prekidača se povećava kako se povećava CIC.
Ostali faktori koji direktno utiču na pokrivenost DA su stopa prekida fidera i odnos i
prosečna snaga različitih grupa potrošača. DA je isplativiji na fiderima, sa velikom stopom
prekida i sa visokim odnosom potrošača koji su osetljivi na prekide, što su komercijalni,
usluţni i industrijski potrošači. Najbolja isplativost i najviši odnos za DA postignut je
korišćenjem mešovitih rasporeda. Značajna razlika u rezultatima koji koriste samo jedan
raspored moţe se videti na slici 4.6. Fleksibilni modeli višestrukog rasporeda su optimalniji
od korišćenja samo jednog DA rasporeda. Koristeći pojedinačno za svaki fider optimizovani
rasporedi koncentrišu DA na gradsko jezgro, gde su gustina energije i CIC najviši.

27
5. DETALJAN MODEL OPTIMIZACIJE DA

U ovom poglavlju formulisana je nova detaljna metoda optimizacije DA. Za razliku

od druge literature gde se uzimao samo u obzir kratak spoj ovde se uzima u obzir uticaj
zemljospojeva i njihov dugotrajan proces upravljanja kvarom prilikom izračunavanja koristi
automatizacije sistema. Izvršena analiza takođe otkriva da postoji potreba za niskim
troškovima i sveobuhvatnim metodama indikacije kvara. Efikasnost modela je demonstrirana
primenom na primeru RBTS-Bus 4 i Helsinki SN mreţe i 10kv voda.

5.1. Različiti tipovi kvarova i procesi upravljanja kvarovima i njihov uticaj

na benefit automatizacije distribucije

Rezultati sofisticiranih metoda optimizacije DA uključuju, ne samo broj DA, već i

tačno mesto automatskih prekidača. Performanse sistema automatizacije mogu se unaprediti
povećanjem broja instaliranih automatskih prekidača. Međutim, instaliranje velikog broja
automatskih prekidača nekada nije isplativo, uglavnom zbog činjenice da su uključeni i
kapitalni i troškovi odrţavanja. ODS cilja na minimiziranje zbira troškova prekida potrošača i
troškova automatizacije. Analiza postavljanja prekidača mora da proceni poboljšanje troškova
prekida koje donosi DA tokom svih događaja kvara.
Kvarovi su neminovna pojava u okviru jednog elektroenergetskog sistema (EES).
Uglavnom su posledica termičkog ili naponskog oštećenja izolacije. Izolacija se moţe oštetiti
i mehaničkim, atmosferskim ili nekim drugim delovanjem. Takođe moţe doći i do pojave
opasnih napona dodira i koraka, koji mogu da predstavljaju opasnost po okolinu i ţivi svet.
Kvar u jednom elementu EES-a moţe da izazove opasno radno stanje u nekom drugom
elementu tog sistema. Postoje dva tipa kvara: kratki spojevi i zemljospojevi. Na distributivnim
vodovima najčešće se javljaju jednofazni kratki spojevi sa oko 70 %, zatim dvofazni bez
zemljospoja 15 %, onda dvofazni sa zemljospojem 10% i konačno trofazni 5%. Naročito u SN
mreţama koje imaju kompenzovanu ili izolovani nulu, njihove karakteristike, njihovi postupci
upravljanja kvarovima i koristi od pouzdanosti sistema automatizacije su različite. Zbog
prethodno navedinih posledica koje kvarovi mogu prouzrokovati, neophodno je definisati
određen algoritam postupaka koji će se primenjivati u takvim situacijama, a koji će imati za
cilj da se element u kvaru što pre locira, izoluje od ostatka sistema i da se izvrši restauracija
napajanja, najpre onim potrošačima koji su na indirektan način ostali bez napajanja (ako za to
postoje uslovi u smislu postojeće konfiguracije i prethodno definisane koncepcije mreţe), a
zatim i potrošačima koji direktno trpe posledice činjenice da je neki element sistema u kvaru,
nakon njegovog otklanjanja.
Proces upravljanja kvarom opisan ovde odnosi se na mreţe gde u zemljospojevima,
praksa zaštite se aktivira. Kvarovi kratkog spoja obično dovode do značajnih struja kvara , što
omogućava lociranje kvara jednostavnijim. Metode lociranja kvara koje se primenjuju u
distributivnim mreţema su: metod polovljenja izvoda, indikatori kvarova, lociranje kvarova
merenjem električnih veličina. Odavno su dostupni jeftini indikatori kratkog spoja, i u
mnogim slučajevima sve sekundarne transformatorske stanice su opremljene indikatorima
kratkog spoja. To znači da su moguće trenutne akcije sa prekidačima. Nasuprot kratkim
spojevima, u slučaju zemljospoja u SN mreţama sa kompenzovanom nulom, struja
zemljospoja je zanemarljiva ili čak blizu nule. Dakle, indikacije zemljospoja zahtevaju
naprednije uređaje od indikacija kratkog spoja. Da bi indicirali i locirali zemljospojeve na
fideru, operaterima su potrebna tačna merenja i inteligentna logika.

28
 Takvi napredni uređaji su nedavno primenjeni. Brzo upravljanje kvarom za
zemljospojeve zahteva tačnu informaciju o lokaciji kvara, tako da postupak upravljanja
kvarovima zavisi od broja i lokacije automatskih prekidača sa inteligentnim indikatorima
zemljospojeva.
Razlika između procesa upravljanja kvarovima povezanih sa kratkim spojem i
zemljospoja ilustrovana je na slici 5.1 sa tipičnim distributivnim fiderom. Pretpostavimo da je
došlo do kvara kratkog spoja na trećoj sekciji voda. Prekidač oseti struju kvara i operacija
okidanja dovodi do izolacije tačaka opterećenja (LP) 1, 2 i 3. Budući da se radi o kvaru
kratkog spoja, lociranje kvara se vrši pomoću već dostupnih i instaliranih indikatora prolaza
kvara (FPI). Automatski prekidač u blizini kvara se otvori i neispravno područje između LP2
a LP3 je izolovano. Sada je prekidač zatvoren i usluga se obnavlja tačkama 1 i 2. Ovaj
postupak se vrši u roku od nekoliko minuta. Nakon ručnog vremena prekidanja, otvori se
ručni prekidač na vodu 3, a zatim normalno otvoreni automatizovani prekidač se zatvara i
usluga se vraća na tačku opterećenja LP3.
Sada pretpostavimo da se na vodu 3 dogodio slučaj zemljospoja. Prateći događaj
normalno zatvoreni prekidač se isključuje i tačke opterećenja 1, 2 i 3 osete prekid. Međutim,
struja zemljospoja je mala za koju nema pouzdanog i pristupačnog FPI-a koji postoji na
trţištu. Podaci o indikaciji kvara mogu se prikupiti samo od zaštitnih releja ili od DA sa
naprednom logikom. U fideru koji se ispituje, niti prekidači niti automatski prekidači nisu u
mogućnosti utvrđivanja tačne lokacije kvara. Napredni FPI na sekciji voda 3, ugrađen u DA,
pokazuje da je prošla struja zemljospoja kroz deo voda. To se moţe protumačiti da je kvar
negde na delovima voda 3 i 4. U takvim uslovima lociranje kvara treba izvršiti ručnim
prekidačkim akcijama, za koje je moţda potrebno nekoliko radnji prebacivanja sa pokušajima
i greškama. Takođe, mnoga elektrodistributivna preduzeća izbegavaju prvo brzo obnavljanje
napajanja, jer postupci ručnig prekidačkih akcija pokušaja i grešaka za lociranje zemljospoja
proizvode nove prekide na nedavno obnovljenim tačkama opterećenja. Štaviše, uzastopno
uključivanje i isključenje napajanja je štetno za uređaje potrošača. To znači, da u slučaju
zemljospojeva, tačke opterećenja doţivljavaju prekide sa duţim trajanjem.

29
Слика 5.1 Upravljanje kvarom u tipičnom distributivnom fideru, zemljospoj na sekciji voda
3. prekidač,  ručni prekidač,  automatski prekidač [1]

30
 Proces pokušaja i grešaka započinje otvaranjem ručnog prekidača na LP3. Prekidač se
zatim zatvara i gotovo odmah zaštita otvara prekidač i stoga se utvrđuje tačno mesto kvara.
Tokom ovog postupka, tačke opterećenja 1, 2 i 3 součavaju se sa prekidom. Zatim automatski
prekidač na LP4 je zatvoren, a LP3 se napaja iz rezervnog priključka. Kvar je izolovan
otvaranjem automatskog prekidača na LP2 i usluga se obnavlja tačkama LP1 i LP2
zatvaranjem prekidača. Gornji ilustrativni primer pokazuje da su performanse DA u slučaju
zemljospoja lošije u odnosu na slučaj događaja kratkog spoja. Zatim se moţe pretpostaviti da
su svi ručni prekidači zamenjeni automatskim. Ovo je prikazano na slici 5.2.

Слика 5.2 Potpuno automatizovani radijalni distributivni fider [2]

31
 Nakon kvara, normalno zatvoreni prekidač iskače i tačke opterećenja doţive prekid.
Zatim, bez obzira na vrstu kvara, odeljak koji je u kvaru je izolovan radom susednih
automatskih prekidača i tačke opterećenja odmah dobijaju energiju. Stoga je postupak
upravljanja kvarovima za obe vrste kvara isti kada je mreţa potpuno automatizovana.
Povećavanjem automatizacije, performanse DA-a u rukovanju oba tipa kvara sve više i više
liče međusobno i uz 100% automatizaciju, performanse DA na obe vrste kvara su iste.
Prosečno vreme manipulacija rasklopnih uređaja za zemljospojne događaje moţe se
pretpostaviti kao srednja vrednost vremena ručnog prekidanja i vremena automatskog
prekidanja . Prosečno vreme automatskog prekidanja na zemljospojima moţe se
pretpostaviti kao prosek od dva rasporeda automatizacije: bez automatizacije i 100%
automatizovani sistem. Zatim prosečno automatsko vreme na zemljospojnim kvarovima bi
bilo:

[ ( ) ] (5.1)

Prethodna jednačina se moţe se skratiti:

(5.2)

Ovo se moţe prevesti na niţu korist od pouzdanosti u slučaju zemljospoja u poređenju sa

koristima povezanim sa kvarovima kratkog spoja.

5.2. Novi model optimizacije postavljanja DA i prekidača

Prethodno opisani postupak upravljanja kvarovima za obe vrste kvara je zatim

matematički formulisan. Cilj matematičkog modela je pronaći optimalan broj i mesto
automatskih prekidača kako bi se minimalizovao zbir troškova nepouzdanosti i troškova
potrebnih za instaliranje, rad i odrţavanje automatskih prekidača. Funkcija cilja moţe biti
matematički formulisana na sledeći način:

(5.3)

U prethodnoj jednačini pojedini članovi predstavljaju:

- kapitalni i instalacioni troškovi automatskih prekidača [€];
- troškovi rada i odrţavanja automatskih prekidača [€];
- očekivani troškovi prekida potrošača zbog događaja kratkih spojeva i zemljospoja [€].
Kapitalni CI (s) i troškovi instalacije IC (s) mogu se izračunati na sledeći način:

∑ ∑ ∑ ∑ (5.4)

32
gde su:
∑ ∑ - ukupni kapitalni troškovi automatskih prekidača [€];

∑ ∑ - ukupni troškovi instalacije automatskih prekidača [€];

s - lokacija prekidača
f - indeks fidera
X (s,f) - binarna promenljiva odluke
- ukupan broj instaliranih automatskih prekidača
Binarna promenljiva odluke X(s, f) jednaka je 1 ako je postavljen automatski prekidač
na toj lokaciji, u suprotnom je nula. Kao što se vidi, pretpostavlja se da kapitalni i troškovi
instalacije se mogu razlikovati za različite lokacije kandidata u različitim fiderima. Ovo je
praktično razmatranje, jer troškovi primene automatizacije zavise od nekoliko parametara kao
što je dostupna komunikaciona infrastruktura u sekundarnoj transformatorskoj stanici i vrsta
primarne opreme u transformatorskoj stanici. Troškovi rada i odrţavanja automatskih
prekidača mogu se izračunati na sledeći način:

∑ ∑ ∑ (5.5)
( )

gde su:

MC (f,s) - godišnji troškovi odrţavanja i rada automatskog prekidača [€];

DR - diskontna stopa [%].
Kao što se moţe videti, pretpostavlja se da su troškovi odrţavanja automatskih prekidača
neidentični na različitim lokacijama kandidata. To se radi kako bi formulacija bila opšta.
Očekivani troškovi prekida se mogu matematički formulisati na sledeći način:

∑ ∑ ∑ ∑ ∑ [ ]
( )
(5.6)
∑ ∑ ∑ ∑ ∑ [ ]
( )

gde su:
- troškovi štete nametnuti potrošačima tipa k, na tački opterećenja j, na lokaciji i,
fideri f, godine t zbog kvara kratkog spoja sc [€]
- troškovi štete nametnuti potrošačima tipa k, na tački opterećenja j, na lokaciji i,
fideri f, godine t zbog zemljospoja e [€];

33
 - prosečna stopa otkaza distributivnih elemenata [prekida/km*god];
- prosečno opterećenje k-tog tipa potrošača lociranog na tački opterećenja j, na fideru f,
godine t [kW];
- ukupan broj fidera
- ţivotni vek automatskih prekidača
- ukupan broj mogućih lokacija kvara na fideru f
- ukupan broj tački opterećenja j na fideru f
- ukupan broj tipova potrošača.
Dakle, prvi član predstavlja očekivane troškove prekida zbog kvara kratkog spoja dok
drugi predstavlja očekivani trošak prekida uzrokovan zemljospojem. Sledeća ograničenje
treba uzeti u obzir za izračunavanje troškova štete potrošača na različitim tačkama opterećenja
uzrokovane kvarovima kratkog spoja na različitim lokacijama. Zapravo, ova ograničenja
uspostavljaju vezu između broja i lokacije automatskih prekidača i troškova štete usled
kratkog spoja. Ograničenja su:

(5.7)

* ∑ +
(5.8)

gde su:

- vrednost funkcije štete potrošača za potrošače tipa k, na tački opterećenja j,

lokaciji kvara i, fideru f, u godini t za vreme prekidanja s
- vrednost funkcije štete potrošača za potrošače tipa k, na tački opterećenja j,
lokaciji kvara i, fideru f, u godini t za vreme popravke R
Razvijanje ove sume u prethodnoj jednačini biće posebno razmatrano. Skup (5.7)
osigurava da, ako na tačku opterećenja j utiče kratki spoj na i, trošak oštećenja na mestu
opterećenja je najmanje jednak trošku prekida sa trajanjem vremena prekidanja. Skup (5.8)
sudi da li bilo koja radnja prekidanja sa automatskim prekidačima moţe odvojiti opterećenje j
od mesta kvara ili ne. Ako se tačka opterećenja j moţe odvojiti, trošak štete određuje se prema
(5.7), inače je trošak jednak onom prekidu sa trajanjem vremena popravke. Sledeća
ograničenja treba uzeti u obzir za izračunavanje različitih troškova štete potrošača na
različitim tačkama opterećenja uzrokovane zemljospojevima na različitim lokacijama. Ova
ograničenja uspostavljaju veze između lokacija automatskih prekidača i troškova oštećenja na
različitim tačkama opterećenja uzrokovane zemljospojevima.

34
 Sledeća ograničenja se uzimaju za zemljospojeve:

(5.9)

* ∑ +
(5.10)

( )
(5.11)

(5.12)

gde su:
- vrednost funkcije štete potrošača za potrošače sa tipom k u tački opterećenja j i
fideru f u godini t za upravljanje zemljospojem na lokaciji i.
- binarna promenljiva
Skup (5.9) garantuje da ako na tačku opterećenja j utiče zemljospoj na i, trošak
oštećenja nametnut tački opterećenja je najmanje jednak prekidu sa trajanjem
vremena prekidanja. Jednačina (5.10) treba da odluči da li bilo koja radnja prekidanja sa
automatskim prekidačima moţe odvojiti tačku opterećenja j od mesta kvara ili ne. Ako se
tačka opterećenja ne moţe odvojiti, trošak oštećenja jednak je trošku prekida sa trajanjem
vremena popravke. U suprotnom se izračunava trošak na osnovu drugih ograničenja. Skup
(5.11) treba da proceni da li je brzo lociranje zemljospoja pomoću ugrađenih automatskih
prekidača moguće ili ne. Ako je moguće onda je binarna promenljiva bi = 1, a ako nije onda
je bi = 0. Ako lokaciju moţe pronaći sistem automatizacije, trošak štete je izračunat pomoću
(5.9) - (5.10). U suprotnom, trošak je jednak trošku prekida sa prosečnim trajanjem
upravljanja zemljospojem. Unapred definisani maksimalni broj dostupnih prekidača moţe da
bude nametnut od elektrodistribucije zasnovan na unutrašnjim politikama i / ili ograničenjima.
Sledeće ograničenje treba razmotriti kako bi se osiguralo da je broj instaliranih automatskih
prekidača manji od nametnutog maksimalnog broja:

∑ ∑ (5.13)

35
gde je:
- maksimalni broj automatskih prekidača koje elektrodistribucija dozvoljava
Osim ovih ograničenja u praksi treba obratiti paţmju i na druge probleme.
Elektrodistribucija se suočava sa mnogim budţetskim poteškoćama. Ograničeni budţet moţe
naterati elektrodistribuciju da izdvoji manje ulaganja u projekte automatizacije mreţe čak i
ako su oni isplativi. Zbog toga se uvodi sledeće ograničenje da bi se ograničili ukupni
kapitalni troškovi za maksimalni raspoloţivi budţet :

∑ ∑ (5.14)

Elektrodistribucija moţe, na osnovu sopstvenih prioriteta, da odluči da instalira automatske

prekidače na nekim posebnim lokacijama, MI, čak iako to nije isplativo. Ovo se moţe napisati
na sledeći način:

( ) (5.15)

Nasuprot tome, elektrodistribucija moţe odlučiti da zanemari neke određene lokacije, MNI na
osnovu nekih prethodno poznatih ograničenja. Ovaj uslov se moţe ispuniti na sledeći način:

( ) (5.16)

Gore opisani problem zasnovan je na mešovitom linearnom programiranju sa

celobrojnim brojevima (MILP) koje moţe biti efikasno rešeno pomoću komercijalno
dostupnih rešavača. Funkcija oštećenja potrošača za različite tipove potrošača, vreme
prekidanja sistema, godišnja stopa popusta i tehničke informacije o mreţi, uključujući stope
otkaza, tipove opterećenja i vrednosti, i lokacije kandidata za automatske prekidače su ulazni
parametri modela. Rezultati uključuju optimalan broj i lokaciju automatskih prekidača u
mreţi.

5.3. Razvijanje sume ∑

Ograničenja linearnog programiranja 5.7 i 5.8 su ovde diskutovana detaljnije:

(5.17)

[ ( ) ( ) ( )] (5.18)

Ovde ćemo razmotriti pojednostavljen fider prikazan na slici 5.3 koji se sastoji od dva
segmenta voda i dve tačke opterećenja. Pretpostavlja se da su tačke opterećenja stambene
zgrade. S obzirom da imamo samo jedan fider i samo jedan tip potrošača onda su f i k jednaki
1. Takođe se uzima da je t jednako jedan.

36
Postoje tri moguće lokacije automatskih prekidača i četiri moguće lokacije kvara (kvar moţe
biti ili na segmentu fidera ili na transformatoru). S obzirom gore navedenih uslova, sledeći
skup ograničenja ograničava funkciju štete potrošača na različitim tačkama opterećenja
zasnovane na lokaciji instaliranih prekidača:

(5.19)

[ ( )] (5.20)

(5.21)

[ ( ) ( ) ( )] (5.22)

(5.23)

(5.24)

(5.25)

[ ( ) ( )] (5.26)

(5.27)

[ ( )] (5.28)

(5.29)

[ ( )] (5.30)

(5.31)

37
 [ ( ) ( )] (5.32)

(5.33)

(5.34)

Kao što je jasno iz gore pomenutet detaljne formulacije, funkcija štete potrošača je
ograničena na osnovu postojanja ili nepostojanja prekidača između lokacije gde se desio kvar
i tačaka opterećenja. Binarna promenljiva odluke je jednaka 1 ako je automatski prekidač
postavljen na toj lokaciji, inače je jednaka 0. i su fiksne vrednosti i
ukazuju na vrednost funkcije štete potrošača koja odgovara trajanju prekida jednakom S ili R
respektivno.

Слика 5.3 Fider koji se sastoji od dva segmenta voda i dve tačke opterećenja [2]

5.4. DA optimizacioni rezultati

Formulacija predstavljena u prethodnom odeljku primenjena je na dva sistema za

ispitivanje uključujući mreţu povezanu na sabirnicu 4 test sistema Roi Billinton (RBTS) i SN
mreţu Helsinkija. U studiji se kapitalna ulaganja i troškovi instalacije prekidača za
sekcionalizaciju smatraju 4000 €. Godišnji troškovi odrţavanja prekidača smatraju se 150 €,
što odgovara 5% od troška kapitalne investicije. Pretpostavlja se da je ţivotni vek prekidača
15 godina. Pretpostavlja se da su rast opterećenja, godišnje kamatne stope i udeo zemljospoja
1,1%, 5% i 55% respektivno. RBTS sabirnica 4 je uzeta kao primer i predstavljena je na
sledećoj slici.

38
 Слика 5.4 Mreţa RBTS_sabirnica 4 [2]

Ova mreţa je uzeta kao primer za studije optimalnog postavljanja prekidača i za

studiju izvodljivosti modela opisanog u prethodnom odeljku. Kao što je ranije pomenuto,
postojeće metode date u literaturi ne kaţu da li su kvarovi kratkog spoja ili zemljospoja.
Međutim, zanemarivanje ovoga moţe dovesti do neoptimalnih rešenja sa manje efikasnim
sistemima automatizacije i većim troškovima. Problem postavljanja prekidača na mreţu rešen
je novom metodom i rezultati se upoređuju sa rezultatima postojećih metoda, rezultati dati u
tabeli 5.1.

39
 Tabela 5.1 Rešenje za problem optimalne postavke prekidača dobijeno različitim metodama
[3]
Troškovi Troškovi
Metod Broj prekidača
automatizacije [k€] nepouzdanosti [k€]
Novi metod 4 22.3 150.3
Postojeći metod 7 39.0 145.4

Kao što se vidi, manje automatskih prekidača je instalirano u mreţi kada se primenjuje
nova formulacija. To je zbog činjenice da su automatski prekidači manje efikasni kada se
razmatra uticaj zemljospoja. Zahvaljujući rezultatima, primena predloţenog modela rezultira
manjim ukupnim troškovima u poređenju sa postojećom metodom. Ukupni troškovi se
smanjuju za 6,4% kada se primenjuje nova metoda. Ovo naglašava vaţnost razmatranja
uticaja zemljospoja u optimalnom problemu postavljanja prekidača i proverava efikasnost
predloţene formulacije. Tabela 5.2 daje optimalne lokacije prekidača dobijene dvema
metodama. Kao što se vidi, lokacija prekidača takođe se značajno menja kada se razmatra
uticaj zemljospojnih događaja.
Tabela 5.2 Optimalna lokacija automatskih prekidača dobijena različitim metodama B i E su
početak i kraj sekcije voda [3]
Metod Optimalne lokacije (Fider, sekcije, strana)
Novi metod (2,1,E) (4,5,E) (5,1,E)
Postojeći metod (1,4,E) (2,2,E) (3,5,E) (4,5,E) (5,2,E) (6,2,E) (7,4,E)

Da bi se prikazala primenljivost predstavljene nove metode u stvarnoj mreţi, model se

primenjuje na SN mreţu Helsinkija opisanu ranije. Stope otkaza izračunate su iz istorijskih
podataka i evidentirani kvarovi u desetogodišnjem periodu od 2004. do 2013. Vreme
prekidanja za automatske prekidače (tj. vreme automatskog uključivanja) pretpostavlja se da
je 5 minuta, jer prekidači koji se koriste u Helsinkiju su prekidači na daljinsko upravljanje i
vreme ljudske logike je potrebno. Pomoću automatizovane komutacione logike izolacija i
obnova kvara traje manje od jednog minuta . Vreme uključivanja ručnih prekidača (tj. vreme
ručnog prekidanja) pretpostavlja se 46 minuta, postavljeno kao prosek od zabeleţenih
vremena prekidanja. Podaci o funkcijama oštećenja kupaca za Helsinki su preuzeto iz
izveštaja Finske uprave za energetiku. Rezultati su dati u tabeli 5.3.
Tabela 5.3 Rešenje za problem optimalne postavke prekidača dobijeno različitim metodama u
mreţi u Helsinkiju [3]
Troškovi Troškovi
Metod Broj prekidača
automatizacije [k€] nepouzdanosti [k€]
Novi metod 434 2444.5 9330.2
Postojeći metod 476 2682.1 9839.2

Kao što se moţe videti, nova metoda rezultira i manje automatskih prekidača i manje
ukupne troškove. Ukupni troškovi povezani sa rešenjem dobijenim predloţenom metodom
iznosi 11775700 €, dok je trošak postignut postojećom metodom 12521300 €. To znači da se
ukupni trošak novom metodom smanjuje za 6%.

40
6. PRAKTIČAN PRIMER PRIMENE
OPTIMIZACIONOG MODELA U MATLAB-U

Kao primer primene optimizacionog modela uzima se jedan 10kv dalekovod, dugačak
20 km, sa 10 mogućih lokacija za postavljanje automatskog reklozera, ravnomerno duţ
voda. Radi pojednostavljenja jednačina za troškove, ove jednačine se računaju za jedan fider,
jedan tip potrošača, jednu godinu tako da samo ostaju tačka opterećenja j i lokacija kvara i.
Ovaj vod je prikazan na sledećoj slici.

Слика 6.1 10kv dalekovod [3]

Matrica se računa na sledeći način:

( ∑ ( ))
(6.1)

Matrica se formira za slučaj bez automatizacije, dok matrica predstavlja

troškove u slučaju automatizacije za slučaj kratkog spoja. Ova suma u prethodnoj jednačini
razvija se na taj način tako što su članovi sume moguće lokacije prekidača za različite lokacije
kvara i tačke opterećenja. Matrica se formira uz pretpostavku brzine dolaska ekipe na
teren:

(6.2)

gde su:

t - vreme dolaska ekipe na teren [h];

- cena energije [€C/kWh];
-snaga čvora [MW].
U ovom primeru je uzeto da su snage po čvorovima jednake i one iznose:

(6.3)

Za stope otkaza elemenata i za diskontnu stopu uzete su sledeće vrednosti:

41
 (6.4)

(6.5)

(6.6)

Za kapitalne i instalacione troškove i troškove odrţavanja i rada uzete su sledeće vrednosti:

(6.7)

(6.8)

(6.9)

(6.10)

Pošto se ovde radi o problemu linearnog programiranja, ovaj primer se radi u Matlab-
u primenom funkcije linprog. U ovom slučaju se koristi funkcija intlinprog pošto imamo ovu
binarnu promenljivu odluke ( ). Pošto se intlinprog funkcija odnosi na cele brojeve,
binarni brojevi kod promenljive odluke su dobijeni tako što su se donja i gornja granica
ograničile na 0 i 1 respektivno. Stavljeno je ograničenje da mogu da budu maksimalno tri
automatska reklozera:

∑ ∑ (6.11)

Kao rešenje je dobijeno da je optimalno postaviti 3 prekidača na lokacijama 6, 7 i 8.

42
7. ZAKLJUČAK

Poslednjih godina automatizacija distribucije se pokazala kao veoma korisna stvar, jer
znatno smanjuje vreme trajanja kvara , kao i ručne radnje ekipa. Na taj način monogo brţe se
sanira kvar i vreme trajanja prekida kod potrošača se značajno smanjuje. Razvojem gradova i
naročito u urbanom jezgru troškovi prekida potrošača dosta su se povećali. Pokazano je da su
kod komercijalnih potrošača troškovi prekida potrošača najveći. U današnje vreme nikada se
nema neograničen budţet, što prisiljava elektrodistribuciju da pronađe isplativa rešenja. Zato
je optimizacija postala veoma bitna stvar. U ovom radu predstavljen je opšti model
optimizacije kod koga smo videli dva rasporeda DA. Jedan raspored je odgovarao za kvarove
na fiderima, dok je drugi bio bolji za kvarove na transformatorskim stamnicama. Uticaj
kvarova u transformatorskim stanicama je postao puno značajniji nego što se očekivalo i
rezultati iz statistike kvarova pokazali su da postoji benefit ako se uzmu u obzir i kvarovi u
transformatorskoj stanici. Takođe predstavljen je i novi detaljni optimizacioni model koji
minimizuje zbir troškova prekida potrošača i ostalih troškova automatizacije. Ovaj novi
model je za razliku od drugih načina optimizacije koji su samo uzimali u obzir kvar kratkog
spoja (dovodi do neoptimalnih rešenja), uzeo u obzir i događaj zemljospoja. Pošto je kao što
smo rekli u mnogim slučajevima ograničen budţet elektrodistribucije ovaj model smanjuje
ukupan broj automatskih prekidača, za razliku od opšteg metoda optimizacije i stavlja ih tamo
gde su najpotrebniji. Takođe ovaj model je osim broja automatskih prekidača pokazao da
moţe da odredi i tačnu lokaciju automatskog prekidača. Kroz primer mreţe u Helsinkiju je
viđeno da ovaj model smanjuje ukupne troškove za razliku od opšteg metoda. Na kraju je na
jendostavnom primeru u Matlab-u prikazan ovaj novi optimizacioni model za slučaj događaja
kratkog spoja i dobijeno je da se automatski reklozeri nalaze na mestima 6,7 i 8. Sa sve većim
brojem potrošača dalji razvoj automatizacije distribucije biće veoma bitan.

43
LITERATURA

[1] Osmo Siirto, „Distribution Automation and Self-healing urban medium voltage networks“, Aalto University, Helsinki,
2016

[2] Amir Abiri-Jahromi, Masood Parvania, Mahmoud Fotuhi-Firuzabad, Mohsen Mosleh, „Optimized sectionalizing switch
placement strategy in distribution systems”, IEEE Transactions on Power Delivery, July 2012

[3] http://energetika.elfak.ni.ac.rs/index.php/component/jdownloads/finish/208/962, pristupljeno i preuzeto 26.01.2021.

[4] Aleksandar Janjić, „Upravljanje distributivnom mreţom“, skripta

[5] https://electengmaterials.com/ring-main-distribution-with-rmu/?fbclid=IwAR1FiE25D1Mm8Z-
2V8Ebzv3kBrgxaVtra17hXq7GX_Q4ZpQmtoarHoTez3U, pristupljeno i preuzeto 15.2.2021

[6] https://1337x.to/torrent/2879477/MathWorks-MATLAB-R2018a-64bit-Crack-CrackzSoft/, pristupljeno i preuzeto

15.11.2020.

44
DODATAK 1. KOD MATLAB PROGRAMA

U nastavku je dat kod u Matlab-u.

P1=200;%kW
P2=200;%kW
P3=200;%kW
P4=200;%kW
P5=200;%kW
P6=200;%kW
P7=200;%kW
P8=200;%kW
P9=200;%kW
P10=200;%kW
DR=0.05; %5 procenata
Cinst_rav=100; %evra
Cinst_plan=4000; %evra
Cmaint_rav=0.1*Cinst_rav;
Cmaint_plan=0.1*Cinst_plan;
lamda_rav=0.0005708; %stopa otkaza u godini
lamda_plan=0.0017123; %stopa otkaza u godini
Cen1= 10;%€C/kWh
Cen2= 20;%€C/kWh
Cen3= 12;%€C/kWh
Cen4= 15;%€C/kWh
Cen5= 16;%€C/kWh
Cen6= 18;%€C/kWh
Cen7= 10;%€C/kWh
Cen8= 15;%€C/kWh
Cen9= 10;%€C/kWh
Cen10= 10;%€C/kWh
C=[5*200*0.1 5*200*0.2 5*200*0.12 5*200*0.15 5*200*0.16 5*200*0.18
5*200*0.1 5*200*0.15 5*200*0.1 5*200*0.1;
0.5*200*0.1 5*200*0.2 5*200*0.12 5*200*0.15 5*200*0.16 5*200*0.18
5*200*0.1 5*200*0.15 5*200*0.1 5*200*0.1;
0.5*200*0.1 1*200*0.2 5*200*0.12 5*200*0.15 5*200*0.16 5*200*0.18
5*200*0.1 5*200*0.15 5*200*0.1 5*200*0.1;
0.5*200*0.1 1*200*0.2 1.5*200*0.12 5*200*0.15 5*200*0.16 5*200*0.18
5*200*0.1 5*200*0.15 5*200*0.1 5*200*0.1;
0.5*200*0.1 1*200*0.2 1.5*200*0.12 2*200*0.15 5*200*0.16 5*200*0.18
5*200*0.1 5*200*0.15 5*200*0.1 5*200*0.1;
0.5*200*0.1 1*200*0.2 1.5*200*0.12 2*200*0.15 2.5*200*0.16 5*200*0.18
5*200*0.1 5*200*0.15 5*200*0.1 5*200*0.1;
0.5*200*0.1 1*200*0.2 1.5*200*0.12 2*200*0.15 2.5*200*0.16 3*200*0.18
5*200*0.1 5*200*0.15 5*200*0.1 5*200*0.1;
0.5*200*0.1 1*200*0.2 1.5*200*0.12 2*200*0.15 2.5*200*0.16 3*200*0.18
3.5*200*0.1 5*200*0.15 5*200*0.1 5*200*0.1;
0.5*200*0.1 1*200*0.2 1.5*200*0.12 2*200*0.15 2.5*200*0.16 3*200*0.18
3.5*200*0.1 4*200*0.15 5*200*0.1 5*200*0.1;
0.5*200*0.1 1*200*0.2 1.5*200*0.12 2*200*0.15 2.5*200*0.16 3*200*0.18
3.5*200*0.1 4*200*0.15 4.5*200*0.1 5*200*0.1];
f=[300+(1/1.05)*30-0.1087238*1360 300+(1/1.05)*30-0.1087238*1260*2-
30*0.1087238-50*0.3261524 300+(1/1.05)*30-0.1087238*1060*3-100*0.1087238-
250*0.3261524 300+(1/1.05)*30-0.1087238*940*4-86*0.1087238-430*0.3261524
300+(1/1.05)*30-0.1087238*790*5-146*5*0.3261524 300+(1/1.05)*30-
0.1087238*630*5-630*0.3261524-226*4*0.3261524 400+(1/1.05)*40-
0.1087238*450*5-450*2*0.3261524-334*3*0.3261524 400+(1/1.05)*40-
0.1087238*350*5-350*3*0.3261524-404*2*0.3261524 400+(1/1.05)*40-
0.1087238*200*5-200*4*0.3261524-524*0.3261524 400+(1/1.05)*40-
0.1087238*100*5-100*5*0.3261524];

45
intcon=[1,2,3,4,5,6,7,8,9,10];
A=[1 1 1 1 1 1 1 1 1 1];
b=[3];
Aeq=[];
beq=[];
lb=[0 0 0 0 0 0 0 0 0 0];
ub=[1 1 1 1 1 1 1 1 1 1];
[xopt, fval]=intlinprog(f,intcon,A,b,Aeq,beq,lb,ub)
>> optimizacija
LP: Optimal objective value is 1299.264071.

Optimal solution found.

Intlinprog stopped at the root node because the objective value is within a
gap tolerance of the
optimal value, options.AbsoluteGapTolerance = 0 (the default value). The
intcon variables are
integer within tolerance, options.IntegerTolerance = 1e-05 (the default
value).

xopt =

0
0
0
0
0
1
1
1
0
0

fval =

1.2993e+03

>>

46