Document Type : Research Article
Authors
1 Babol Noshirvani Univ. of Technology
2 Hadaf Institute of higher Educ.
Abstract
Keywords
قابلیت اطمینان سیستم قدرت مسأله مهمی است که توجه پژوهشگران زیادی را به سوی خود جلب کرده است. تعداد خطاها در شبکه توزیع در مقایسه با سایر بخشهای شبکه قدرت در خور توجه است. با بهکار بردن تجهیزات کلیدزنی نظیر سکسیونرها[1]، بریکرها[2] و کلیدهای بازبست[3] به همراه منابع تولید پراکنده[4] (DG)، میتوان زمان بازیابی بارهای خاموش شده را کاهش داد. در نتیجه این امر قابلیت اطمینان سیستم افزایش مییابد. علاوه بر این، حضور DG در شبکه توزیع، میتواند به کاهش تلفات و بهبود پروفیل ولتاژ کمک کند. با توجه به بالا بودن هزینه این تجهیزات، باید با مکانیابی مناسب، میزان بهرهمندی از مزایای آنها را به حداکثر رساند [3].
از مهمترین روشهای حل مسایل جایابی میتوان به روشهای بر مبنای الگوریتمهای تکاملی اشاره کرد. در [4]، مسأله مکانیابی بهینه چندین DG با استفاده از الگوریتم ژنتیک حل شدهاست. از یک تابع هدف ساده برای به حداقل رساندن تلفات توان اکتیو در کنار رعایت قیود مفروض استفاده شدهاست. در [2]، روشی برای جایابی بهینه DG در شبکههای توزیع با استفاده از الگوریتم بهینهسازی اجتماع ذرات شبه تکاملی[5] ارایه شدهاست. در [5]، از الگوریتم اتحاد[6] برای مکانیابی بهینه کلیدها در شبکه توزیع با حضور DG استفاده شدهاست. جایابی بهینه تجهیزات کلیدزنی با هدف حداقلسازی خاموشی مشتری و هزینه نصب کلیدها، با استفاده از الگوریتم سیستم ایمنی در [6] انجام گرفته است.
به منظور برخورداری از دو مزیت کاهش تلفات و بهبود قابلیت اطمینان در شبکه توزیع، میتوان همزمان از کلیدهای جداکننده و DGها استفاده کرد. در این حالت DGها به همراه کلیدهای جداکننده میتوانند در هنگام وقوع عیب، با تشکیل جزایر عمدی به تأمین قسمتی از بارها اقدام کنند. در چنین شرایطی، بحث جایابی همزمان کلیدهای جداکننده و DGها مطرح میشود. در برخی از مطالعات مکان DGها ثابت در نظر گرفته شده و صرفاً جایابی کلیدها انجام گرفته است [7]. در برخی دیگر از مطالعات مکان کلیدها ثابت در نظر گرفته شده و مکان بهینه نصب DGها تعیین میشود [8 و 9]. در دستهای دیگر ابتدا مکان کلیدها ثابت در نظر گرفته شده و مکان و اندازه بهینه DGها تعیین میشود و سپس، بر مبنای جوابهای تعیین شده برای اندازه و مکان DGها، مکان بهینه کلیدها مشخص میشود [10]. در [1]، جایابی و ظرفیتیابی بهینه و همزمان منابع تولید پراکنده و ادوات حفاظتی با استفاده از ترکیب الگوریتم کلونی مورچگان و تحلیل سلسله مراتبی با در نظر گرفتن مدل بار پیک انجام گرفته است.
در روش پیشنهادی مقاله حاضر، با حل مسأله جایابی کلیدهای جداکننده و DGها در یک الگوریتم واحد و بهطور همزمان، میتوان هر دو مزیت کاهش تلفات و بهبود قابلیت اطمینان را در کنار حداقلسازی هزینهها تأمین کرد. همچنین، جنبه تغییرپذیری میزان بارهای شبکه با زمان با در نظر گرفتن مدل بار چند سطحی لحاظ میشود.
با توجه به این نکته که در تعیین تابع هدف، مدل بار به طور مستقیم تأثیرگذار است، در ابتدا مدل بار تشریح میشود. پس از آن به بیان تابع هدف پرداخته میشود.
این مدل بار از منحنی تداومی بار[7] بهدست میآید. در طرح پیشنهادی، بار شبکه در هر سال به چند سطح تخمین زده میشود. برای تخمین بار سالیانه شبکه به چند سطح، از ضرایب توزیع بار استفاده میشود. این ضرایب در واقع، نسبت بار هر پله تخمینی به پیک بار شبکه را نشان میدهد. در شکل (1) یک مدل بار چند سطحی با تقریب منحنی تداومی بار به پنج سطح نشان داده شدهاست.
شاخصهای تابع هدف با در نظر گرفتن مدل بار چندسطحی برای هر نقطه بار دقیقتر محاسبه میشود. علاوه بر این، این امکان وجود دارد که در شرایطی، منابع تولید پراکنده نتوانند بار پیک جزیره را تأمین کنند، ولی قادر به تأمین بار جزیره در بخش اعظم سال و در سطوح پایینتر بار باشند.
شکل (1): مدل بار چند سطحی با پنج سطح
تابع هدف پیشنهادی برای مسأله جایابی همزمان DG و کلیدها، به شکل کمینهسازی تفاضل هزینهها و منافع تعریف میشود. در بخش هزینهها، هزینه خرید و نصب تجهیزات و همچنین، هزینه مربوط به نگهداری و بهرهبرداری از آنها لحاظ میشود. در بخش منافع، درآمد تولید توان DGها در کنار منافع حاصل از کاهش تلفات و انرژی تامین نشده[8] (ENS) در نظر گرفته میشود. تابع هدف به شکل رابطه (1) ارایه میشود.
|
(1) |
Minimize Obj. Fun.= Costs- Benefits
|
در ادامه، بخشهای مختلف تابع هدف به تفکیک بیان میشوند.
1- هزینه خرید و نصب
|
(2) |
که در آن، NDG و NS به ترتیب تعداد DGها و تعداد کلیدها هستند. و بهترتیب هزینههای مربوط به خرید و نصب DG و کلید i ام میباشند.
2- هزینه نگهداری و بهرهبرداری
|
(3) |
که در آن، و هزینه متوسط سالانه نگهداری و بهرهبرداری از DG و کلید i ام هستند.
3- منافع حاصل از تولید توان منابع تولید پراکنده
|
(4) |
که در آن، NLL تعداد سطوح بار، و بهترتیب قیمت انرژی الکتریکی در سطح بار k ام و مقدار متوسط انرژی تولیدی DG i ام در سطح بار k ام است.
4- منافع حاصل از کاهش تلفات شبکه
|
(5) |
که در آن، انرژی اتلافی سیستم در سطح بار k ام و بدون حضور DGها، انرژی اتلافی سیستم در سطح بار k ام و در حضور DGهاست.
5- منافع حاصل از کاهش انرژی تأمین نشده
به منظور محاسبه مقدار ENS از روشی بر پایه مد خطا و تحلیل اثر آن استفاده میشود. در ابتدا هر یک از مدهای خطا که در اینجا تنها عیب خطوط است، به شکل جداگانه در نظر گرفته میشود. برای وقوع عیب در هر یک از خطوط مقدار ENS با لحاظ تأثیر ساختار شبکه، وجود بریکر، فیوزها و سکسیونرها، همچنین، امکان تغذیه بارهای خاموش شده از منبع اصلی یا دیگر منابع، محاسبه میشود. در نهایت، با جمع کردن این مقادیر، ENS کل سیستم بهدست میآید [11]. در دو حالت با حضور کلیدها و DGها و در غیاب این تجهیزات، هزینه ENS محاسبه میشود. در نهایت، مقدار تفاوت این هزینهها برابر با منافع مربوط به کاهش این شاخص است. بدینترتیب منافع حاصل از کاهش ENS با استفاده از رابطه (6) محاسبه میشود.
|
(6) |
که در آن، هزینه انرژی تأمین نشده (ENS) در سطح بار k ام، مقدار ENS در سطح بار k ام و بدون حضور DGها و کلیدها و ENSk مقدار ENS در سطح بار k ام و در حضور DGها و کلیدهاست.
ضرایب اقتصادی به منظور محاسبه ارزش فعلی تجمعی[9] هزینهها و منافع سالانه استفاده میشود. ضرایب EF1 و EF2 با روابط (7) تا (10) داده میشود [12].
|
(7) |
||
|
(8) |
||
|
(9) |
||
|
(10) |
||
که در آن، i نرخ بهره واقعی، iinf نرخ تورم سالیانه، iint نرخ بهره اسمی، EL طول دوره مطالعه و LG نرخ رشد بار سالیانه است.
در کنار تابع هدف، قیودی هم در نظر گرفته میشود که جواب نهایی نباید ناقض آنها باشد. این قیود عبارتند از:
|
(11) |
که در آن، ولتاژ شین i ام در سطح بار k ام، Vmin و Vmax به ترتیب حداقل و حداکثر ولتاژ مجاز شینها هستند.
|
(12) |
در این رابطه جریان شاخه i ام در سطح بار k ام و حداکثر جریان مجاز شاخه i ام است.
|
(13) |
|
|
(14) |
|
|
(15) |
در این رابطه و و به ترتیب توان اکتیو، توان راکتیو و ضریب توان i امین DG هستند. و بهترتیب حداکثر و حداقل توان اکتیو i امین DG میباشند. همچنین، و بهترتیب حداکثر و حداقل توان راکتیو i امین DG هستند. و بهترتیب حداکثر و حداقل ضریب توان i امین DG میباشند.
|
(16) |
که در آن، توان اکتیو تولیدی DG i ام، توان اکتیو در نقطه بار i ام، Nbus تعداد شینهای شبکه و KP حداکثر ضریب نفوذ مجاز DG است.
در این مقاله، از روشی مبتنی بر الگوریتم ژنتیک برای حل مسأله مکانیابی همزمان منابع تولید پراکنده و کلیدها استفاده شدهاست. الگوریتم ژنتیک بر مبنای ایده تکامل داروینی و انتخاب طبیعی مطرح شدهاست. این الگوریتم روش بسیار خوبی برای حل مسائل بهینهسازی محسوب میشود. یکی از علتهای برتری این الگوریتم این است که برخلاف بیشتر روشهای بهینهسازی، همانند برنامهریزی خطی و غیرخطی که الگوریتمهای تک مسیره هستند، عمل جستجو را از چند نقطه شروع کرده و به سمت پاسخ بهینه حرکت میکند. از این رو در حل مسائل پیچیده بسیار مناسب است. در روش پیشنهادی برای حل مسأله جایابی از الگوریتم ژنتیک بهبود یافته که این بهبود توسط عملگرهای تکمیلی پیشنهادی بوده، استفاده شدهاست. در ادامه شرح کامل آن آمده است.
کروموزوم پیشنهادی متشکل از دو رشته است. در رشته اول که مربوط به مکان نصب کلیدهاست، به تعداد مکان کاندید برای نصب کلیدها اعداد صفر و یک به طور تصادفی تولید میشود. به بیانی دیگر، این رشته به شکل دودویی کدگذاری میشود. در رشته دوم اگر فرض شود جایابی برای سه نوع DG با اندازههای مختلف انجام میشود، به تعداد مکان کاندید برای نصب DGها، به شکل تصادفی اعداد صفر، یک، دو و سه تولید میشود. همچنین، برای یک منبع DG با سه سطح تولید مختلف باز هم میتوان به همین شکل کدگذاری مسأله را انجام داد. این رشته با اعداد صحیح کدگذاری میشود. بدینترتیب با کنار هم قرار گرفتن رشتههای اول و دوم، کروموزومهای جمعیت اولیه ایجاد میشود. شکل (2) ساختار کروموزوم پیشنهادی را نشان میدهد.
شکل (2): ساختار کروموزوم پیشنهادی
در طی اجرای الگوریتم، تابع برازندگی برای همه کروموزومها محاسبه میشود. مقدار محاسبه شده نشاندهنده شایستگی هر یک از کروموزومهاست. احتمال حضور کروموزومهای شایستهتر برای تولید نسل بعدی بیشتر است.
با توجه به این که در این مسأله بهینهسازی حداقلسازی تابع هدف دنبال میشود، معکوس مجموع تابع هدف و هزینه جریمه به عنوان تابع برازندگی در الگوریتم ژنتیک در نظر گرفته میشود. تابع برازندگی به شکل زیر پیشنهاد میشود.
|
(17) |
که در آن، Obj. Fun. مقدار تابع هدف و Cpenalty میزان جریمه برای تخطی از قیود مسأله است.
محاسبه میزان جریمه تخطی از قیود به این صورت است که در هر تکرار الگوریتم، برای همه کروموزومها، قیود مسأله بررسی میشود. در صورتیکه یکی از کروموزومها این قیود را نقض کند، جریمهای برای آن در نظر گرفته میشود. با استفاده از رابطه (18) مقدار تخطی از قید i ام (Ci) قابل محاسبه است.
|
(18) |
|
در نهایت، مقدار کل تخطی از قیود عبارت خواهد بود از:
|
(19) |
با استفاده از روابط (18) و (19)، میتوان مقدار تخطی از قیود ولتاژ، جریان و ضریب نفوذ مجاز DGها را بهدست آورد. مقدار جریمهای که به تابع هزینه افزوده میشود، مطابق با رابطه (20) است.
|
(20) |
که در آن، KI، KV و KP بهترتیب ضریب جریمه برای تخطی از قید جریان، ولتاژ و ضریب نفوذ DG ؛ و CIT، CVT و CPT بهترتیب میزان تخطی از قیود جریان، ولتاژ و ضریب نفوذ DG است.
برای انتخاب والدین برای تولید نسل جدید از روشهای مختلفی استفاده میشود. در این مقاله، برای این منظور از روش چرخ رولت[10] استفاده شدهاست. علاوه بر این، در هر تکرار تعدادی از بهترین عضوهای هر نسل بدون تغییر به نسل بعد انتقال مییابند.
در روش پیشنهادی، عملگرهای تقاطع متفاوتی برای هر کدام از رشتههای اول و دوم استفاده میشود. به منظور شرح نحوه اعمال عملگر تقاطع برای رشته اول، فرض میشود شبکهای با یک شاخه اصلی و چهار شاخه فرعی موجود است. در این صورت، رشته اول به نواحی مشخصی شامل مکان کاندید برای نصب کلید روی شاخه اصلی، شاخه فرعی اول، شاخه فرعی دوم، شاخه فرعی سوم و شاخه فرعی چهارم تقسیمبندی میشود. عملگر تقاطع در این رشته از چهار نقطه شکست که همان نقاط بین این نواحی میباشند، انجام میشود. ابتدا یک عدد تصادفی ایجاد میشود. این عدد تصادفی نوع تقاطع شامل تقاطع تک نقطهای، دو نقطهای، سه نقطهای و چهار نقطهای را مشخص میسازد. سپس، همین نوع تقاطع به طور تصادفی از نقاط شکست مفروض اعمال میشود. در شکل (3) نحوه اعمال عملگر تقاطع چهار نقطهای در رشته اول نشان داده شدهاست.
در رشته دوم هم از عملگر تقاطع چند نقطهای استفاده میشود. با این تفاوت که در آن تعدادی از ژنهای والدین که عدد تصادفی تولیدی برای آنها از احتمال تقاطع کمتر است، با یکدیگر تعویض میشوند.
شکل (3): نحوه اجرای عملگر تقاطع چهار نقطهای در رشته اول
مهمترین وظیفه این عملگر اجتناب از همگرایی به جواب بهینه محلی است. در روش پیشنهادی برای حل مسأله جایابی همزمان DGها و کلید، از عملگرهای جهش متعددی استفاده میشود. استفاده از این عملگرهای تکمیلی به علت پیچیدگیهای خاص مسأله است. این پیچیدگیها بیشتر از حل همزمان مسأله جایابی DG و کلید در یک الگوریتم واحد ناشی میشود. در ادامه انواع عملگرهای جهش پیشنهادی مورد استفاده در الگوریتم ژنتیک شرح داده میشود.
1) جهش در وضعیت نصب کلید: در این نوع عملگر جهش، یکی از ژنهای رشته اول به طور تصادفی انتخاب میشود. سپس، در صورتی که مقدار این ژن برابر یک باشد، مقدار آن به صفر تغییر مییابد و اگر مقدار آن برابر صفر باشد، مقدار آن به یک تغییر میکند.
2) جهش در نوع DG: در این نوع عملگر جهش، یکی از ژنهای رشته دوم به طور تصادفی انتخاب میشود. سپس، مقدار این ژن، به مقداری تصادفی که غیر از مقدار فعلی آن است، تغییر میکند.
3) جهش به مقدار صفر: این عملگر به هر دو رشته به طور مجزا اعمال میشود. نحوه اجرای آن به این شکل است که یک ژن به طور تصادفی انتخاب شده و سپس مقدار آن، به مقدار صفر تغییر مییابد.
4) جهش به شکل جابجایی مکان DG: این عملگر در دو مرحله انجام میشود که به شکل زیر میباشند.
الف) جابجایی ناحیهای: برای اعمال این نوع عملگر جهش، ابتدا رشته دوم به چند ناحیه تقسیم میشود. این تقسیمبندی به گونهای است که هر ناحیه، شامل مکانهای کاندید نصب DG روی یکی از شاخههای اصلی یا فرعی شبکه میشود. نحوه اعمال این نوع جهش در هر ناحیه به این شکل است که دو عدد از ژنهای موجود در یک ناحیه به طور تصادفی انتخاب شده و سپس، مکان این ژنها با یکدیگر تعویض میشوند. البته واضح است که در این حالت ژنها باز هم در همان ناحیه باقی میمانند. در شکل (4) نحوه اعمال این عملگر نشان داده شدهاست.
شکل (4): نحوه اعمال جهش جابجایی ناحیهای بر روی مکان DGها
ب) جابجایی سراسری: در این نوع عملگر جهش، دو عدد از ژنهای رشته دوم به طور تصادفی انتخاب میشوند. سپس، مکان این ژنها با یکدیگر تعویض میشود. در این مورد دیگر هیچگونه ناحیهبندی وجود ندارد و این ژنهای انتخابی، از سراسر رشته دوم قابل انتخاب هستند.
5) جهش به شکل جابجایی مکان کلید: برای اعمال این نوع عملگر جهش، ابتدا رشته اول به چند ناحیه تقسیم میشود. این تقسیمبندی به گونهای است که هر ناحیه، شامل مکانهای کاندید نصب کلیدها روی یکی از شاخههای اصلی یا فرعی شبکه میشود. نحوه اعمال این نوع جهش در هر ناحیه به این شکل است که دو عدد از ژنهای موجود در یک ناحیه بهطور تصادفی انتخاب شده و سپس، مکان این ژنها با یکدیگر تعویض میشود.
در هر نسل، درصد کمی از جمعیت نسل جدید به تعدادی اعضای جدید اختصاص مییابد. این اعضای جدید به شکل کاملاً تصادفی تولید میشوند. با این کار الگوریتم ژنتیک علاوهبر جستجویی که در مسیرهای موازی مختلف انجام میدهد، مکانهای تصادفی موجود در فضای مسأله را نیز جستجو میکند.
برای تعیین این که چه زمانی تکرار الگوریتم ژنتیک متوقف شود، روشهای مختلفی استفاده میشود. در روش پیشنهادی، شرط خاتمه به این شکل است که اگر بعد از رسیدن به یک حداکثر تکرار مشخص، در طی تعداد نسلهای متوالی معینی تغییری در بهترین مقدار بهدست آمده برای تابع برازندگی به وجود نیاید، الگوریتم همگرا شده و پایان مییابد.
برای بررسی کارایی روش ارایه شده از شبکه آزمایش 33 شینه شعاعی استفاده شدهاست. اطلاعات این شبکه آزمایش در [13] آورده شدهاست. همچنین، اطلاعات مورد نیاز برای ارزیابی قابلیت اطمینان در قسمت پیوست (جدول (11)) ارایه شدهاست. شبکه مورد مطالعه به همراه مکانهای کاندید نصب کلیدها در شکل (5) نشان داده شدهاست. مکانهای کاندید برای نصب DGهادر شینهای روی شاخههای فرعی تعیین شده است.
شکل (5): سیستم آزمایش 33 شینه شعاعی
هزینه نصب و نگهداری کلیدهایی که به عنوان جداکننده خطا بهکار میروند، به ترتیب 18000 دلار و 2000 دلار در سال در نظر گرفته شدهاست. همچنین، هزینههای مربوط به انواع DG در جدول (1) ارایه شدهاست [8].
در این مقاله، ضرایب بار برای سطوح مختلف، به شکل اعداد ثابتی فرض شده و از جمله ورودیهای مسأله به حساب میآیند که در جدول (2) مقادیر آنها ارایه شدهاست. دسته دیگری از هزینهها شامل قیمت انرژی و ENS در هر پله بار است که این هزینهها نیز در جدول (3) قابل مشاهده هستند [12].
جدول (1): هزینه مربوط به انواع DGها [8]
|
نوع |
ویژگی DG |
هزینه خرید و نصب ($) |
هزینه نگهداری و بهرهبرداری ($/yr) |
|
1 |
توربین گازی 300 کیلووات |
182030 |
89680 |
|
2 |
توربین گازی 500 کیلووات |
330980 |
163060 |
|
3 |
توربین گازی 1 مگاوات |
551640 |
271760 |
جدول (2): مقدار و زمان تداوم برای هر سطح بار
|
سطح بار |
مقدار ضریب |
مدت زمان تداوم (h) |
|
بار سبک |
3/0 |
2920 |
|
بار متوسط |
7/0 |
5500 |
|
بار پیک |
1 |
340 |
جدول (3): هزینه ENS [12]
|
|
سطح بار سبک |
سطح بار متوسط |
سطح بار پیک |
|
هزینه ENS ($/MWh) |
2000 |
2800 |
3600 |
|
هزینه انرژی الکتریکی ($/MWh) |
35 |
49 |
70 |
طول دوره مطالعه 10 سال است. رشد بار سالیانه 5 درصد و مقدار ماکزیمم ضریب نفوذ مجاز DG، 35 درصد در نظر گرفته شدهاست. همچنین، مقادیر تنظیمی مربوط به شاخصهای الگوریتم ژنتیک بهبود یافته پیشنهادی در جدول (4) ارایه شده است.
جدول (4): مقادیر شاخصهای الگوریتم ژنتیک.
|
عنوان شاخص |
مقدار |
|
جمعیت |
100 |
|
احتمال تقاطع در کلیدها |
85/0 |
|
احتمال تقاطع در DGها |
7/0 |
|
احتمال جهش کلیدها |
1/0 |
|
احتمال جهش در نوع DGها |
02/0 |
|
احتمال جهش به صفر |
1/0 |
|
احتمال جهش سراسری در مکان DGها |
2/0 |
|
احتمال جهش ناحیهای در مکان DGها |
1/0 |
|
احتمال جهش ناحیهای در مکان کلیدها |
1/0 |
در حالت عادی عملکرد شبکه، DGهای با قابلیت دریافت دستور برای تغییر تولید[11] به شکل شین PV مدلسازی میشوند. در صورتیکه این DGها قادر به کنترل ولتاژ شین متصل به خود نباشد، به شکل شین PQ مدلسازی میشوند. نوع دیگری از منابع که جایابی آنها در کنار این نوع DGها بررسی میشود، DGهایی هستند که قابلیت دریافت دستور برای تغییر تولید ندارند. این نوع منابع به شکل شین PQ و در ضریب توان واحد بهرهبرداری میشوند.
طرح پیشنهادی برای جایابی همزمان DG و کلیدهای جداکننده در قالب سه مورد مطالعاتی بررسی میشود. در همه این موارد مطالعاتی، جایابی همزمان DG و کلیدهای جداکننده با اهداف کاهش تلفات و بهبود قابلیت اطمینان، به همراه در نظر گرفتن هزینه سرمایهگذاری و قیود فنی شبکه انجام میشود. وجه تمایز این موارد مطالعاتی، چگونگی مدلسازی بار و قابلیت دریافت دستور برای تغییر تولید DGهاست.
در این حالت جایابی همزمان DGها و کلیدها با لحاظ کردن مدل بار پیک انجام میگیرد. هزینه مربوط به ENS و قیمت انرژی الکتریکی به ترتیب برابر با 3000 و 70 دلار بر مگاوات ساعت لحاظ شدهاست. حل این مسأله جایابی توسط الگوریتم ژنتیک بهبود یافته پیشنهادی انجام شده که روند همگرایی آن در شکل (6) نشان داده شدهاست. همچنین، نتایج این مورد مطالعاتی در جداول (5) و (6) و شکل (7) ارایه شدهاست.
شکل (6): روند همگرایی الگوریتم ژنتیک- مورد مطالعاتی اول
جدول (5): نتایج مکانیابی بهینه برای مورد مطالعاتی اول
|
نام تجهیز |
مکان بهینه |
نوع DG |
|
DG |
17 |
1 (300 کیلوواتی) |
|
31 |
3 (1 مگاواتی) |
|
|
کلید |
1، 2، 24 |
- |
جدول (6): مقایسه حالت قبل و بعد از جایابی برای مورد مطالعاتی اول
|
|
حالت مبنا |
حالت بهینه |
|
تلفات (MWh/yr) |
4/1848 |
4795/860 |
|
ENS (MWh/yr) |
881/145 |
6795/61 |
|
تابع هدف (million$) |
0 |
658/3- |
شکل (7): پروفیل ولتاژ شبکه بازای سطح بار پیک و در سال اول مطالعه- مورد مطالعاتی اول
با توجه به نتایج حاصل از بهینهسازی، مشاهده میشود که یک DG یک مگاواتی روی شین 31 قرار میگیرد. این DG به همراه کلید روی مکان کاندید 24 قادر است بارهای روی شینهای 31 تا 33 را در سطح بار پیک پشتیبانی کند. همچنین، یک DG 300 کیلوواتی روی شاخه فرعی چهارم قرار میگیرد که حضور آن به کاهش تلفات و بهبود پروفیل ولتاژ شبکه منجر میشود. کلیدهای روی مکانهای کاندید 1 و 2، با جداسازی ناحیه عیب پاییندستی امکان اتصال مجدد بارهای بالادستی به شبکه اصلی را فراهم میسازند.
در این حالت جایابی همزمان DG و کلید با درنظر گرفتن مدل بار سه سطحی انجام گرفته است. برای هزینههای مربوط به ENS از اطلاعات جدول (3) استفاده شدهاست. فرض میشود DGها دارای قابلیت دریافت دستور برای تغییر تولید باشند. روند همگرایی الگوریتم ژنتیک در شکل (8) نشان داده شدهاست.
شکل (8): روند همگرایی الگوریتم ژنتیک- مورد مطالعاتی دوم
تفاوت اصلی که در این مورد نسبت به مورد اول وجود دارد در شرط تشکیل جزایر است. در حالت قبل برای بررسی امکان تشکیل یک جزیره، توانایی DG در تأمین بار پیک آن جزیره مد نظر قرار میگرفت؛ ولی در این حالت با توجه به اینکه در بخش بیشتر سال، مقدار بار در سطوح سبک و متوسط است، امکان دارد جزایر متفاوتی برای حالت عملکرد جزیرهای DG در نظر گرفته شود. نتایج جایابی برای این مورد مطالعاتی در جداول (7) و (8) و در شکل (9) ارایه شدهاست.
جدول (7): نتایج مکانیابی بهینه برای مورد مطالعاتی دوم
|
نام تجهیز |
مکان بهینه |
نوع DG |
|
DG |
16 |
1 (300 کیلوواتی) |
|
31 |
3 (1 مگاواتی) |
|
|
کلید |
1، 19، 22، 24 |
- |
جدول (8): مقایسه حالت قبل و بعد از جایابی برای مورد مطالعاتی دوم
|
|
حالت مبنا |
حالت بهینه |
|
تلفات (MWh/yr) |
5421/663 |
0275/247 |
|
ENS (MWh/yr) |
3644/84 |
9788/28 |
|
تابع هدف ($) |
0 |
506870- |
شکل (9): پروفیل ولتاژ شبکه بازای سطح بار پیک و در سال اول مطالعه- مورد مطالعاتی دوم
در حالت قبل یک DG یک مگاواتی و یک کلید، جزیرهای شامل بارهای روی شینهای 31، 32 و 33 تشکیل میدادند. ولی در این حالت یک DG یک مگاواتی با سه عدد کلید قادرند جزایر متعددی تشکیل دهند. همچنین، حضور یک DG 300 کیلوواتی روی شاخه جانبی چهارم، سبب کاهش تلفات و جبران افت ولتاژ زیاد شینهای روی این شاخه میشود.
نکته مهم در این مورد آن است که منافع تأمین بارهای جزایر در سطوح بار متوسط و سبک به اندازهای میباشد که استفاده از کلیدهای بیشتر را از لحاظ اقتصادی توجیه میکند.
در این قسمت جایابی همزمان DG و کلید با درنظر گرفتن مدل بار چند سطحی انجام گرفته است. شرایط این حالت همان شرایط بیان شده در مورد مطالعاتی دوم است. تنها تفاوت این مورد مربوط به قابلیت دریافت دستور برای تغییر تولید DGهاست. در اینجا فرض میشود که یکی از DGها با ظرفیت تولید نامی 300 کیلووات، قابلیت دریافت دستور برای تغییر تولید را ندارد.
در حالت عملکرد جزیرهای، DGها باید قادر به تنظیم توان خروجی متناسب با میزان بار جزیره باشند. بنابراین، فرض میشود DGهایی که قابلیت دریافت دستور برای تغییر بار را ندارند، در تشکیل جزایر عمدی شرکت نمیکنند. حضور این DGها در شبکه، میتواند به کاهش تلفات و بهبود پروفیل ولتاژ شبکه کمک کند. در شکل (10) روند همگرایی الگوریتم ژنتیک برای این مورد مطالعاتی نشان داده شدهاست. همچنین، نتایج این مورد در جداول (9) و (10) و شکل (11) ارایه شدهاست.
جدول (9): نتایج مکانیابی بهینه برای مورد مطالعاتی سوم
|
نام تجهیز |
مکان بهینه |
نوع DG |
|
DG |
14 |
1 (300 کیلوواتی)- Dispachable |
|
16 |
1 (300 کیلوواتی)- Non- Dispachable |
|
|
29 |
1 (300 کیلوواتی)- Dispachable |
|
|
33 |
1 (300 کیلوواتی)- Dispachable |
|
|
کلید |
1، 2، 19، 22، 23، 24 |
- |
جدول (10): مقایسه حالت قبل و بعد از جایابی برای مورد مطالعاتی سوم
|
|
حالت مبنا |
حالت بهینه |
|
تلفات (MWh/yr) |
5421/663 |
7502/256 |
|
ENS (MWh/yr) |
3644/84 |
9862/31 |
|
تابع هدف ($) |
0 |
160660- |
شکل (10): روند همگرایی الگوریتم ژنتیک - مورد مطالعاتی سوم
شکل (11): پروفیل ولتاژ شبکه بازای سطح بار پیک و در سال اول مطالعه- مورد مطالعاتی سوم
با توجه به نتایج مربوط به مکان بهینه DGها، دو DG 300 کیلوواتی روی شین 29 و 33 تعیین شدهاست. با وجود این DGها و کلیدهای روی این شاخه در مواقع عیب روی خطوط یک، دو و خطوط روی این شاخه جانبی که دارای نرخ عیب متوسط بالایی هستند، با تشکیل جزایر عمدی میتوان سبب بهبود قابلیت اطمینان سیستم شد. علاوه بر این، حضور DG بر روی این شاخه فرعی، سبب کاهش تلفات و بهبود پروفیل ولتاژ میشود.
نصب DG روی شاخه جانبی چهارم میتواند به کاهش تلفات و بهبود پروفیل ولتاژ کمک کند. مکان DG 300 کیلوواتی که قابلیت دریافت دستور برای تغییر تولید را ندارد، روی شین 16 تعیین شدهاست.
در مقاله حاضر روشی برای جایابی همزمان کلیدها و DGها در شبکه توزیع ارایه شد. در تابع هدف پیشنهادی برای این مسأله، شاخصهای تلفات و قابلیت اطمینان لحاظ شدهاست. همچنین، در کنار این شاخصها، هزینههای سرمایهگذاری نیز مد نظر قرار میگیرد. به منظور نشان دادن اهمیت مدلسازی بار در تعیین جواب بهینه برای این مسأله، از مدل بار چند سطحی استفاده شدهاست. نتایج حاصل از پیادهسازی روش پیشنهادی بر روی شبکه آزمایش 33 شینه نشان میدهد که در نظر گرفتن مدلهای واقعیتر برای بارهای شبکه، در این مسأله تأثیرگذار است. با درنظر گرفتن مدل بار چندسطحی، DGها میتوانند جزایر بزرگتری را در بخش عمدهای از سال پشتیبانی کنند. همچنین، جایابی DGهای بدون قابلیت دریافت دستور برای تغییر تولید در کنار DGهای دارای چنین قابلیتی انجام گرفتهاست.
حل همزمان جایابی DGها و کلیدها در یک الگوریتم واحد با درنظر گرفتن چندین شاخص سبب میشود این مسأله دارای پیچیدگیهای خاصی شود. در این مقاله، با اضافه کردن عملگرهای تکمیلی به الگوریتم ژنتیک و بهبود آن، کوشش شد روند همگرایی آن تسریع شده و توانایی لازم برای حل این مسأله (بهویژه در شبکههای بزرگ توزیع) بهدست آید.
پیوست
اطلاعات خطوط شبکه آزمایش 33 شینه به منظور ارزیابی قابلیت اطمینان در جدول (11) آورده شدهاست.
جدول (11): اطلاعات خطوط شبکه 33 شینه
|
شین فرستنده |
شین گیرنده |
λ |
r |
شین فرستنده |
شین گیرنده |
λ |
r |
|
1 |
2 |
0.6 |
6 |
17 |
18 |
0.06 |
3 |
|
2 |
3 |
0.6 |
6 |
2 |
19 |
0.6 |
6 |
|
3 |
4 |
0.06 |
3 |
19 |
20 |
0.6 |
6 |
|
4 |
5 |
0.06 |
3 |
20 |
21 |
0.6 |
6 |
|
5 |
6 |
0.06 |
3 |
21 |
22 |
0.6 |
6 |
|
6 |
7 |
0.06 |
3 |
3 |
23 |
0.6 |
6 |
|
7 |
8 |
0.06 |
3 |
23 |
24 |
0.6 |
6 |
|
8 |
9 |
0.06 |
3 |
24 |
25 |
0.6 |
6 |
|
9 |
10 |
0.06 |
3 |
6 |
26 |
0.6 |
6 |
|
10 |
11 |
0.06 |
3 |
26 |
27 |
0.6 |
6 |
|
11 |
12 |
0.06 |
3 |
27 |
28 |
0.6 |
6 |
|
12 |
13 |
0.06 |
3 |
28 |
29 |
0.6 |
6 |
|
13 |
14 |
0.06 |
3 |
29 |
30 |
0.6 |
6 |
|
14 |
15 |
0.06 |
3 |
30 |
31 |
0.6 |
6 |
|
15 |
16 |
0.06 |
3 |
31 |
32 |
0.6 |
6 |
|
16 |
17 |
0.06 |
3 |
32 |
33 |
0.6 |
6 |
)