Lucrarea tratează problema calității tensiunii care are un rol semnificativ în caracterizarea performanțelor tehnico-economice a rețelelor electrice de distribuție de joasă tensiune (RED-JT), influențând eficiența energetică a activităților desfășurate la nivelul utilizatorilor finali. În contextul în care este dificil pentru operatorii de distribuție a energiei electrice să definească un indicator global de performanță pentru evaluarea calității tensiunii din cauza diferitelor caracteristici tehnice ale RED-JT, autorii au propus o metodologie eficientă ce integrează algoritmi de învățare nesupravegheată bazați pe clustering pentru a putea recunoaște categoriile de calitate a tensiunii în care se încadrează nodurile RED-JT. Metodologia a fost testată într-o RED-JT cu 37 de noduri dintr-o zonă urbană periferică care alimentează 53 de utilizatori finali, dintre care 26 sunt prosumatori, pentru care au fost atașate profiluri de putere activă și reactivă provenite de la contoarele inteligente. Profilurile tensiunii de fază au fost obținute din calculele de regim permanent efectuate pentru fiecare eșantion de timp din perioada analizată (o săptămână). Au fost identificate 3 clustere pentru care, indiferent de faza de alimentare, nodurile au fost în cadrate în categoriile de calitate a tensiunii Nesatisfăcător și Satisfăcător. Ca măsură tehnică pentru îmbunătățirea calitatea tensiunii s-a folosit un transformator prevăzut cu un comutator de reglaj sub sarcină, iar clasificarea fiecărui nod a fost schimbată în categoriile de calitate ”Foarte bine” și “Bine”.
The paper addresses the voltage quality issue, which plays a key role in describing the technical and economic performance of low-voltage electrical distribution networks (LV-EDNs) and how they affect energy efficiency at the level of activities performed by end users. Given the challenges faced by distribution network operators in defining a global performance indicator for evaluating voltage quality due to the diverse technical characteristics of LVEDNs, the authors proposed an efficient methodology integrating unsupervised learning algorithms based on clustering to recognise the voltage quality categories applicable to LV nodes. The methodology was tested on an LV-EDN with 37 nodes in a suburban, urban area supplying 53 end-users and 26 prosumers, with active and reactive power profiles obtained from smart meters. The steady-state calculations lead to phase voltage profiles for the analysed period (one week). The clustering process had three clusters (patterns) for the nodes from the network, and regardless of the phase, the voltage quality categories “Unsatisfactory” and “Satisfactory” were assigned for each node. As a technical measure, the On-load Tap Changer is used to improve voltage quality, and the classification of each node has been changed within the “Very Good” and “Good” patterns.
