Reconfiguration of Shipboard Power System Microgrids after Fault Isolation, Using Particle Swarm Optimization Algorithm

Document Type : Research Article

Authors

Faculty of Electrical & Computer Engineering, Malek Ashtar University of Technology, Tehran, Iran

Abstract

The reconfiguration of shipboard power systems after a fault is crucial for several reasons, including safety, reliability, operational continuity, and efficiency. This process helps prevent the spread of faults, ensures the maintenance of critical services on the ship, prevents incidents such as fires and explosions, and protects equipment. Additionally, fast system reconfiguration helps ensure continuity of operation and reduces maintenance costs. Therefore, such a reconfiguration is necessary to meet safety standards and reduce operating costs. In this paper, the restructuring of shipboard electric microgrids after the occurrence of a fault is investigated using the particle swarm optimization algorithm. The network under study is a zonal DC microgrid whose loads are divided into three critical, semi-critical, and non-critical categories. For each category of loads, penalty coefficients have been considered for not providing load energy. Due to the advantages of the particle swarm algorithm, such as simplicity of implementation, compatibility with different conditions, the possibility of applying various constraints, and the ability to respond to several simultaneous faults, this algorithm has been chosen to find the optimal arrangement of the shipboard electrical network. The performance of the system reconfiguration has also been investigated in four different scenarios. The results show that in all scenarios after the reconfiguration, the system returned to a stable state critical and semi-critical loads were provided as much as possible and the shedding of 1 MW of critical loads and 1 MW of semi-critical loads was prevented. These results confirm the effectiveness and efficiency of the proposed method in improving the stability and reliability of the shipboard power system after the occurrence of a fault.

Keywords

Main Subjects


1- مقدمه[1]

سیستم قدرت شناور (SPS)[1] برق را برای ناوبری، ارتباطات، عملیات و سیستم‌های حیاتی تأمین می‌کند. این سیستم‌ها در معرض طیفی وسیع از خطرات، از جمله اتصال کوتاه، اضافه‌بار و خطاهای اتصال به زمین هستند؛ بنابراین، ضروری است که این سیستم‌ها دارای یک حفاظت قابل ‌اعتماد و مؤثر باشند تا از آسیب رسیدن به تجهیزات جلوگیری و ایمنی شناور و خدمه را تضمین کنند [1]. طراحی و عملکرد مؤثر سیستم مدیریت خطا برای شبکۀ توزیع انرژی الکتریکی شناور همواره مورد توجه پژوهشگران بوده است. محدود کردن جریان خطا، تشخیص و آشکارسازی جریان خطا در شبکۀ برق شناور به ‌دلیل نزدیکی اجزای الکتریکی و فیزیکی داخل شناور و مقررات سخت‌گیرانۀ عملکرد و ایمنی، موضوعی چالش‌برانگیز در روند طراحی سیستم‌های حفاظتی است و برای کاهش اثرات مخرب بر روی تجهیزات شبکه برق شناور، سیستم حفاظتی باید در کمترین زمان ممکن به خطاها پاسخ دهد.

ریزشبکه‌های شناور از منابع انرژی پراکندۀ متعددی (DER)[2] تشکیل شده و به ‌عنوان یک راه‌حل امیدوارکننده برای افزایش قابلیت اطمینان، کارایی و پایداری سیستم‌های قدرت شناور پدید آمده‌اند؛ با این حال، پیچیدگی این شبکه‌های ترکیبی چالش‌های ویژه‌ای را در زمینۀ جداسازی خطا و بازآرایی شبکه به‌ همراه دارد. جداسازی سریع و دقیق خطا برای جلوگیری از خرابی‌های آبشاری و تضمین ایمنی ریزشبکه و محیط اطراف آن بسیار حیاتی است [2]. پس از جداسازی خطا و اجزای معیوب از بقیۀ سیستم، مهم است که منبع تغذیه به‌سرعت توان را به بخش‌های آسیب‌دیدۀ سیستم قدرت شناور با تنظیم آرایش سیستم بازگرداند تا قابلیت اطمینان سیستم بهبود یابد و از عملکرد ایمن و رضایت‌بخش سیستم اطمینان حاصل شود؛ این فرآیند بازآرایی شبکه نام دارد. مشابه سیستم‌های قدرت زمینی، در بازآرایی شبکه پس از خطا هدف اطمینان از بیشینۀ توان قابل تحویل به بارهای سیستم است [3].

برای حل مسئلۀ بازآرایی سیستم‌های قدرت، کارهای پژوهشی متعددی انجام شده‌اند. اهداف بازآرایی شبکه که در مقاله‌ها در نظر گرفته شده‌اند عبارت‌اند از:

  • کاهش تلفات توان [4]
  • حفظ حاشیه‌های پایداری [5]
  • کمینه کردن عملیات کلیدزنی [6]
  • بیشینه کردن تعداد بارهای تغذیه‌شده [7]

تلفات توان اکتیو در SPS در مقایسه با انواع دیگر سیستم‌های قدرت به ‌دلیل شبکۀ توزیع درهم‌تنیدۀ آن ناچیز در نظر گرفته می‌شود و بنابراین، کاهش تلفات توان اکتیو یک هدف حیاتی برای مسئلۀ بازآرایی SPS نیست [7]. تکنیک‌های بازآرایی یافت‌شده در مقاله‌ها عمدتاً بر اساس الگوریتم‌ها یا انواع مختلف کنترل منطقی هستند. بیشترین روش‌های بازآرایی به دو دستۀ اصلی تعلق دارند: سیستم‌های چند عاملی (MAS)[3] و سایر روش‌ها (عمدتاً روش‌های ریاضی و روش‌های مبتنی بر دانش).

روش‌های مبتنی بر MAS عمدتاً در بازآرایی شبکۀ شناور استفاده می‌شوند؛ زیرا هر عامل[4] می‌تواند به ‌عنوان یک نهاد نرم‌افزاری فعال مدل‌سازی شود که یک جزء الکتریکی واحد را کنترل و با عوامل دیگر ارتباط برقرار می‌کند. عامل موجودی مستقل است که دارای هوش، واکنش‌پذیری و سازگاری است [8]. عوامل تلاش می‌کنند تا اقدامات جداسازی خطا و بازیابی توان را انجام دهند، تعیین کنند کدام سوئیچ در سیستم باید بسته شود و کدام یک باید باز شود، بار حیاتی را به‌سرعت بازیابی ‌کنند و تعداد عملیات کلید زنی را به حداقل برسانند. گفتنی است، رویکردهای مبتنی بر MAS فقط با سناریوهای تک‌خطا سروکار دارند. رفتار پویا که در آن چندین خطای هم‌زمان اتفاق می‌افتد، در مقاله‌ها وجود ندارد.

در بین روش‌های غیرMAS، بیشترین استفاده از الگوریتم‌ها مبتنی بر روش‌های ریاضی و دانش‌بنیان است. روش‌های ریاضی به الگوریتم‌های بهینه‌سازی و تقریب مربوط هستند. در [9]، نویسندگان یک روش بازآرایی مبتنی بر تقریب محدب با پیچیدگی کم را در نظر می‌گیرند که در یافتن راه‌حل‌های بهینه مؤثر است. تابع توزیع تجمعی (CDF)[5] توان تحویلی به بارها برای نمایش استحکام سیستم در برابر سناریوهای خطای تصادفی ارائه شده ‌است. این روش یک مبادلۀ بازآرایی بهینه بین بیشینه کردن توان تحویل و کمینه کردن تعداد اقدامات سوئیچینگ را پیدا می‌کند. علاوه بر این، یک تجزیه‌وتحلیل جداگانه حالت‌های سوئیچ دینامیکی میانی را در حالی که بازآرایی در حال انجام است، مشاهده می‌کند تا مبادله را برجسته‌تر نشان دهد.

یکی از چالش‌های اصلی در بهره‌برداری از ریزشبکه‌ها مدیریت عدم قطعیت‌های ناشی از منابع انرژی تجدیدپذیر مانند باد و خورشید است. در این راستا، ]10[ از یک مدل بهینه‌سازی چندهدفۀ مبتنی بر الگوریتم ازدحام ذرات (MOPSO)[6] استفاده کرده است تا هزینه‌های عملیاتی و آلایندگی‌ها را به طور هم‌زمان کاهش دهد. این مدل با بهره‌گیری از برنامه‌های پاسخ به تقاضا (DRPs)[7] و مکانیسم‌های قیمت‌گذاری پویا، به بهبود عملکرد کوتاه‌مدت ریزشبکه‌ها کمک می‌کند. نتایج این پژوهش نشان می‌دهد ترکیب راهبردهای پاسخ به تقاضا با روش‌های بهینه‌سازی پیشرفته می‌تواند به کاهش 5/12درصدی هزینه‌ها، 3/14درصدی آلایندگی‌ها و افزایش 7/22درصدی استفاده از منابع تجدیدپذیر منجر شود. این رویکرد، علاوه بر بهبود بهره‌وری انرژی، تاب‌آوری ریزشبکه‌ها را در مواجهه با عدم قطعیت‌ها افزایش می‌دهد.

مطالعات پیشین نشان می‌دهند استفاده از منابع ذخیره‌سازی انرژی متحرک، مانند باتری‌های نصب‌شده روی وسایل نقلیه، می‌تواند به بهبود تاب‌آوری شبکه‌های توزیع در برابر رویدادهای شدید طبیعی کمک کند. این منابع به دلیل قابلیت جابه‌جایی، امکان ایجاد ریزشبکه‌های پویا را در زمان وقوع حوادث فراهم و از قطع بارهای بحرانی جلوگیری می‌کنند. برای مثال، در ]11[، مدل‌سازی دومرحله‌ای برای تخصیص بهینۀ این منابع و مدیریت آن‌ها در شرایط عادی و اضطراری ارائه شده است که در مرحلۀ اول، بهینه‌سازی سرمایه‌گذاری در این تجهیزات و در مرحلۀ دوم، جابه‌جایی آن‌ها برای کاهش اثرات حوادث بررسی می‌شود. همچنین، استفاده از الگوریتم‌های بهینه‌سازی مانند روش‌های احتمالی و برنامه‌ریزی دومرحله‌ای برای بهبود عملکرد این سیستم‌ها در شرایط عدم قطعیت پیشنهاد شده است. این روش‌ها توانسته‌اند تأثیراتی مثبت بر کاهش هزینه‌ها و افزایش سرعت بازیابی شبکه در شرایط بحرانی داشته باشند.

در سال‌های اخیر، وقوع بلایای طبیعی شدید موجب آسیب‌هایی جبران‌ناپذیر به سیستم‌های قدرت شده است و توجه برنامه‌ریزان را به افزایش تاب‌آوری این سیستم‌ها جلب کرده است. در این راستا، ]12[ با ارائۀ یک چارچوب بهینه‌سازی دومرحله‌ای، برنامه‌ریزی تاب‌آوری‌محور را برای طراحی بهینۀ پنل‌های خورشیدی، میکروتوربین‌ها و باتری‌های متحرک در ریزشبکه‌های چندحاملی انرژی پیشنهاد می‌دهد. این چارچوب به صورت یک مدل برنامه‌ریزی مختلط عدد صحیح مربعی (MIQP)[8] فرموله شده است که در مرحلۀ اول، تصمیم‌های سرمایه‌گذاری و در مرحلۀ دوم، متغیرهای عملیاتی را بهینه می‌کند تا تاب‌آوری سیستم در برابر رویدادهای شدید افزایش یابد. همچنین، تعاملات متقابل بین انرژی الکتریکی و حرارتی با استفاده از یک مدل یکپارچۀ برق و گاز بررسی شده‌اند. نتایج مطالعات عددی نشان می‌دهد این روش می‌تواند به اپراتور ریزشبکه در شناسایی راه‌حل‌های بهینه برای تقویت تاب‌آوری سیستم قدرت در برابر رویدادهای شدید کمک کند.

در ]13[، نویسندگان چالش‌های امنیت و تاب‌آوری در شبکه‌های توزیع فعال را بررسی می‌کنند. با توجه به افزایش رویدادهای غیرقابل پیش‌بینی و تأثیرات اقتصادی و اجتماعی آن‌ها، این مقاله مدلی را برای بهبود امنیت شبکه‌های توزیع فعال با استفادۀ بهینه از منابع ذخیرۀ انرژی و برنامه‌های مدیریت مصرف ارائه می‌دهد. در این مدل، یک رویکرد سلسله‌مراتبی دومرحله‌ای توسعه داده شده است. در مرحلۀ اول، تأثیر حوادث بر شبکۀ توزیع مدل‌سازی می‌شود و در مرحلۀ دوم، اقدامات پیشگیرانه و اصلاحی برای افزایش آمادگی سیستم و کاهش خسارت‌های ناشی از حوادث شدید اجرا می‌شوند. این اقدامات شامل استفاده از منابع تولید پراکنده، ذخایر انرژی و بارهای پاسخ‌گو می‌شوند. همچنین، برای بازگرداندن شبکه به حالت عادی پس از حادثه، روش تقسیم‌بندی شبکه به میکروگریدهای مستقل پیشنهاد شده است. برای مقابله با عدم قطعیت‌های ناشی از حوادث، بهینه‌سازی مقاوم برای دست‌یابی به نتایج واقعی‌تر به کار گرفته شده است. نتایج شبیه‌سازی‌ها نشان می‌دهد این روش علاوه بر کاهش هزینه‌های عملیاتی، امنیت مصرف‌کنندگان را در برابر حوادث شدید افزایش می‌دهد.

در انتخاب الگوریتم بهینه‌سازی، باید در نظر داشت بعضی از مسائل به دلیل پیچیدگی ذاتی، نیازمند زمان محاسباتی بسیار زیادی برای حل هستند و با افزایش ابعاد مسئله (مانند تعداد متغیرها یا محدودیت‌ها)، زمان حل به صورت نمایی افزایش می‌یابد. الگوریتم‌های فراابتکاری در حل این مسائل کارآمد هستند. برای نمونه، در ]14[ و ]15[، برای بهینه‌سازی زمان‌بندی فرود هواپیماها (ALP)[9] که مسئله‌ای پیچیده محسوب می‌شود، از الگوریتم‌های فراابتکاری مانند الگوریتم بهینه‌سازی ازدحام ذرات (PSO)[10]، سیستم ایمنی مصنوعی (IAIS)[11] ، بهینه‌سازی گرگ خاکستری (GWO)[12]، الگوریتم ژنتیک (GA)[13] و الگوریتم گرده‌افشانی گل‌ها (FPA)[14] استفاده شده است. این الگوریتم‌ها توانسته‌اند با ارائۀ راه‌حل‌های نزدیک به بهینه در زمان کوتاه، بر محدودیت‌های روش‌های دقیق غلبه کنند. به ‌ویژه، در مطالعات اخیر، الگوریتم رقابت استعماری (ICA)[15] بهبودیافته برای حل مسائل بزرگ‌مقیاس به کار گرفته شده است. این الگوریتم، با بهره‌گیری از راهبردهایی ویژه مانند ایجاد تعادل در استفاده از باندهای فرود و افزایش تنوع جمعیت، توانسته است عملکردی بهتر نسبت به سایر روش‌ها نشان دهد. نتایج نشان می‌دهد این الگوریتم‌ها می‌توانند در مسائل مشابه، مانند بازآرایی ساختار ریزشبکه‌ها پس از جداسازی خطا، کاربردی مؤثر داشته باشند.

کار در [16] یک روش بهینه‌سازی برنامه‌نویسی غیرخطی عدد صحیح مختلط را برای دست‌یابی به اهداف چندگانۀ بازآرایی، بیشینه کردن بار بازیابی‌شده و کمینه کردن تعداد عملیات سوئیچ ارائه کرد. شبکۀ شناور به ‌صورت ناحیه‌ای با جریان DC شبیه‌سازی شده است، خطاهای ژنراتور در نظر گرفته شده‌اند و بازآرایی با استفاده از یک سیستم مدل‌سازی نرم‌افزاری برای بهینه‌سازی ریاضی در ]17[ اجرا شده ‌است که صحت و امکان‌سنجی روش پیشنهادی را اثبات می‌کند.

در [18]، نویسندگان از یک الگوریتم تکامل دیفرانسیل بهبودیافته استفاده می‌کنند؛ ترکیبی از جمعیت اولیه‌سازی آشفته، بهبود راهبرد انتخاب نخبه‌گرای پارتو و عملگر جهش تطبیقی و متقاطع، که یک راه‌حل بهینه را به‌ دست می‌آورد. نتایج به‌دست‌آمده با سایر الگوریتم‌ها از جمله (NSGA-II)[16]، (CADA)[17] و  (DEMO)[18] مقایسه می‌شود که کارایی بهتری را نسبت به سایر الگوریتم‌ها در حل بازآرایی SPS نشان‌می‌دهد.

در [19]، نویسندگان اندازه‌گیری امپدانس دینامیکی را به‌ عنوان یک عنصر کلیدی در نظارت SPS در نظر می‌گیرند. در این مطالعه، تجزیه‌وتحلیل یک سیستم قدرت شناور پویا با استفاده از امپدانس‌های سری و موازی معادل به‌ترتیب برای نشان دادن انتقال توان و توان بار مفید انجام می‌شود. امپدانس‌ها در زمان واقعی با استفاده از اندازه‌گیری جریان و ولتاژ در تغذیۀ خط محاسبه و به‌روز می‌شوند. سپس، یک الگوریتم بهینه‌سازی (برای مثال، شاخه و کران باینری) برای تعیین بهترین آرایش که تقاضای انرژی بحرانی را برآورده می‌کند و تلفات را کمینه می‌کند، اعمال می‌شود.

در [20]، نویسندگان یک روش پیش‌بینی برای بازآرایی یک SPS ارائه می‌کنند که از داده‌های الکتریکی و جغرافیایی و تکنیک‌های پیشرفته استفاده می‌کند و اقدامات بازآرایی قبل از ضربه را به‌ترتیب برای بارهای حیاتی و غیرحیاتی تعیین می‌کند. این رویکرد احتمالی، احتمال آسیب مورد انتظار (EPOD)[19] را برای هر قطعۀ الکتریکی در یک شناور محاسبه می‌کند. علاوه بر این، یک روش اکتشافی از EPOD برای تعیین اقدامات کنترلی برای بازآرایی شبکۀ الکتریکی شناور برای کاهش آسیب به سیستم الکتریکی استفاده می‌کند.

نویسندگان [21] و [22] روشی را برای بازآرایی پویا پیشنهاد می‌کنند. آرایش بهینه به‌ عنوان یک مسئلۀ یادگیری به‌جای بهینه‌سازی صریح در نظر گرفته می‌شود. یادگیری تقویتی به‌ عنوان رویکرد یادگیری استفاده می‌شود. الگوریتم ویژه‌ای که در اینجا استفاده می‌شود Qlearning است؛ یک الگوریتم یادگیری تقویتی بسیار محبوب که بر اساس برنامه‌نویسی پویاست. این روش خارج از سیاست از نظر تئوری به آرایش بهینه همگرا می‌شود. از آنجا که Qlearning یک رویکرد آنلاین است، می‌توان آن را در یک SPS واقعی مستقر کرد؛ جایی که الگوریتم نه فقط می‌تواند خود را با زمان تنظیم کند، بلکه در حضور محیط SPS غیرثابت، مجدداً سازگار می‌شود. روش پیشنهادی همچنین توالی صحیح عملیات سوئیچینگ را فراهم می‌کند که به بازآرایی بهینه در کوتاه‌ترین زمان ممکن منجر می‌شود.

در این مقاله، پس از معرفی انواع شبکۀ شناور از نظر نوع جریان و معماری و مقایسۀ آن‌ها، مسألۀ بازآرایی شبکۀ شناور تشریح و روش انتخابی معرفی و مسئله و تابع هدف بررسی می‌شود. در نهایت، یک شبکۀ شناور شبیه‌سازی‌شده، عملکرد عادی شناور و انواع سناریوهای خطا پیش از عملیات بازآرایی و پس از آن بررسی می‌شوند و در نهایت، نتیجه‌گیری و پیشنهادهایی برای توسعۀ پژوهش در این زمینه ارائه خواهند شد.

 

2- معرفی شبکۀ شناور

در این بخش، ویژگی انواع شبکۀ الکتریکی شناور و اجزای آن معرفی می‌شود. ابتدا، انواع جریان و سپس، انواع معماری به‌کاررفته در ریزشبکۀ شناور تشریح خواهند شد.

2-1- انواع شبکۀ شناور بر اساس نوع جریان

در دسته‌بندی نوع جریان، هر کدام از سیستم‌های DC و AC دارای ویژگی، مزایا و معایب ویژۀ خود هستند؛ اما در رابطه با شناور، سیستم DC به AC مزیت دارد؛ زیرا:

  • سیستم‌های جریان متناوب (AC) دارای کابل‌های کوتاه‌تر، اما قطعات بزرگ‌تر و سنگین‌تر هستند.
  • ژنراتورهای AC باید با استفاده از سرعت ثابت کار کنند؛ بنابراین، بهره‌وری مصرف سوخت نادیده گرفته می‌شود.
  • ترانسفورماتورهای AC سنگین هستند و فضای زیادی را اشغال می‌کنند.
  • کیفیت جریان AC به‌شدت تحت ‌تأثیر توان راکتیو و مسائل هارمونیک قرار می‌گیرد.
  • کاربردهای نظامی با پشتیبانی از تجهیزات و سلاح‌های الکتریکی پیشرفته با بارهای پالسی با قدرت زیاد هستند که می‌توانند آسیب‌های شدیدی به سیستم AC وارد کنند.
  • سیستم‌های AC در کاربردهای زمینی بسیار پراکنده، به دلیل توانایی آن‌ها در انتقال انرژی برای مسافت‌های طولانی با کاهش اتلاف نیرو، استفاده می‌شوند. در شناور، این مزیت به ‌دلیل انتقال توان در مسافت‌های کوتاه به کار نمی‌آید ]23[.

علاوه بر این، سیستم‌های دارای جریان مستقیم (DC) از اجزایی کوچک‌تر تشکیل‌شده‌اند که این امر ممکن است باعث کاهش وزن تجهیزات در شناور شود. به‌ علاوه، جریان DC نسبت به AC مزایایی دیگر از جمله مبدل‌های قدرت فشرده، اتصالات آسان‌تر، عدم وجود مشکل توان راکتیو و هارمونیک دارد.

این ویژگی‌ها می‌توانند باعث کاهش خطا و روش‌های بازآرایی آسان‌تر شوند. عیب اصلی سیستم‌های DC این است که در آن‌ها تغییر ولتاژ، نسبت به سیستم‌های AC که در آن‌ها ترانسفورماتورها این کار را با کمترین تلفات انجام می‌دهند، دشوارتر است ]23[.

2-2- انواع معماری شبکۀ شناور

بسته به حوزه‌های کاربرد، هر دو شبکۀ زمینی و SPS دارای معماری‌های توزیع متفاوتی خواهند بود. به ‌طور کلی، سیستم توزیع شناور دارای سه نوع معماری مختلف است. این معماری‌ها شامل سیستم‌های توزیع شعاعی، سیستم‌های توزیع ناحیه‌ای و سیستم‌های توزیع حلقه‌ای هستند.

 توزیع شعاعی یک معماری مرسوم است که توسط IEEE Std 1709-2010 توصیه شده و در ریزشبکۀ شناور اعمال شده ‌است. آرایش این نوع معماری در شکل (1) نشان داده‌ شده ‌است. به ‌طور کلی، دو باس DC توان را بین مصرف‌کنندگان توزیع می‌کنند. منابع توان، از جمله ژنراتورها و سیستم‌های ذخیرۀ انرژی، به ‌طور متقارن توزیع می‌شوند و هر باس DC را تغذیه می‌کنند. پیشرانه‌های سمت چپ و سمت راست شناور از طریق دو باس DC به ‌طور جداگانه تغذیه می‌شوند؛ این در حالی است که هر دو باس DC بارهای سرویس را برای اطمینان بیشتر تأمین می‌کنند. طرح شعاعی مزایای ساده و مقرون‌به‌صرفه ‌بودن را دارد. علاوه بر این، از آنجا که در شناور‌های مکانیکی سنتی و شناور‌های AC از این معماری استفاده شده‌ است، طراحی مجدد سیستم از سیستم‌های سنتی به جایگزین‌های DC مدرن آسان‌تر و کاربردی‌تر است [24]؛ با این حال، شبکه زمانی که تعداد بارها افزایش می‌یابد، حجیم می‌شود و زمانی که خطا در باس DC رخ می‌دهد، انعطاف‌پذیر نیست [25].

در برخی از کاربردها، از توزیع حلقه نیز استفاده می‌شود. یک معماری برق DC مبتنی بر گذرگاه حلقۀ معمولی در شکل (2) نشان داده ‌شده ‌است. در توزیع حلقه، سوئیچ‌های کناری که باس‌های DC را به‌ هم متصل می‌کنند، در عملکرد عادی بسته می‌مانند و باس DC را به یک حلقه تبدیل می‌کنند. معماری حلقه قابلیت بقا و بازآرایی بیشتری نسبت به مدل‌های شعاعی دارد. هنگامی که یک خطا در باس DC رخ می‌دهد، توزیع حلقه باعث می‌شود عیب با جدا کردن نزدیک‌ترین کلیدهای مدار جدا شود و بقیۀ قطعات به ‌طور عادی کار کنند؛ با این حال، هر مرکز بار در توزیع حلقه فقط یک پیوند به باس دارد که مستعد خطا در بارهای حیاتی است. معماری حلقه بیشتر شبیه یک معماری بین‌ شعاعی و ناحیه‌ای است و به‌ندرت در ریزشبکۀ شناور استفاده می‌شود.

توزیع ناحیه‌ای یکی دیگر از معماری‌ها بر اساس IEEE Std 1709-2010 است [26]. این معماری به استاندارد نیروی دریایی ایالات متحده تبدیل شده ‌است [27]. همان‌طور که در شکل (3) نشان داده ‌شده ‌است [28]، در شبکۀ ناحیه‌ای، بارهای شناور به n ناحیه تقسیم می‌شوند که هر کدام از دو اتصال از باس‌ها تغذیه و به ‌طور مستقل مدیریت می‌شود. توزیع ناحیه‌ای معمولاً در کناره‌های سمت چپ و سمت راست شناور مرتب می‌شود و این دو باس در پاشنه و دماغۀ شناور به‌هم متصل می‌شوند [29]. این طراحی تغذیۀ اضافی برای بارهای دو باس DC طولی را امکان‌پذیر می‌کند. هر مرکز بار با هر دو باس سمت چپ و سمت راست ارتباط دارد و هنگامی که یک خطا در یک طرف رخ می‌دهد، بارهای حیاتی در ناحیه به ‌طور مستقل منابع انرژی خود را به باس سالم مقابل منتقل می‌کنند [30]. در شناورهای نیروی دریایی، بارهای ویژه با قدرت زیاد مانند رادارها به ‌طور مستقل به ‌عنوان تنها تجهیزات در یک ناحیه تنظیم می‌شوند [26]. در حال حاضر، کاربردهای محدود از معماری ناحیه‌ای استفاده می‌کنند؛ در حالی که بیشتر آثار مطالعاتی بر اساس مدل‌های فرضی هستند [28].

در معماری ناحیه‌ای، مزایای زیادی وجود دارند. قابلیت بقا را می‌توان برای بارهای حیاتی با تغذیۀ توان از هر دو باس DC سمت راست و چپ افزایش داد. با تشخیص از دست دادن منبع اولیۀ توان، بارهای حیاتی می‌توانند به ‌طور خودکار یا دستی به منبع جایگزین تغییر کنند. معماری باس طولی امکان جداسازی خطا با کمترین مناطق آسیب‌دیده را با استفاده از سیستم‌های حفاظت هماهنگ از طریق یک شبکۀ ارتباطی فراهم می‌کند. علاوه بر این، تقسیم بارها از دماغه به پاشنه در طول شناور، طول کابل مورد نیاز و در نتیجه، هزینۀ کابل‌ها را کاهش می‌دهد. اطلاعات بیشتر برای طراحی سیستم توزیع ناحیه‌ای در IEEE Std 1826-2012 قابل دسترسی است. یک مقایسۀ کیفی در معماری توزیع شعاعی، ناحیه‌ای و حلقه‌ای و عملکردهای کلیدی در جدول (1) از جنبه‌های شماتیک، عملکردهای کلیدی مانند قابلیت اطمینان، بقا، قابلیت بازآرایی و پیچیدگی نشان داده‌ شده ‌است. بررسی انجام‌شده دو نوع اصلی معماری شبکۀ الکتریکی در شناور را برجسته می‌کند: شعاعی و ناحیه‌ای. در معماری شعاعی، بارها معمولاً از یک نقطۀ اتصال به ‌هم متصل می‌شوند و در نتیجه، طول کابل‌کشی شناورها کاهش می‌یابد.

استفاده از تمام معماری‌های قدرت مورد بحث در سیستم‌های قدرت شناور امکان‌پذیر است؛ با این حال، همیشه بین قابلیت اطمینان و پیچیدگی باید یک مزیت را انتخاب کرد. معماری‌های پیچیده به راهبردهای بازآرایی دقیق‌تری نیاز دارند که باید در مرحلۀ طراحی در نظر گرفته شوند. در عوض، معماری‌های ساده‌تر ممکن است به‌راحتی تعمیر شوند؛ اما امکان دارد در معرض خرابی‌های عمده نیز باشند. این انتخاب در واقع بیشتر به الزامات ویژۀ شناور بستگی دارد.

بارهای الکتریکی معمولی شناور شامل بارهای محرکه، پمپ‌ها و کمپرسورها برای گرمایش، تهویه و تهویۀ ‌مطبوع، سیستم‌های کنترل و ارتباط در بارهای خدماتی و هتل هستند. انواع دیگر بارها ممکن است بسته به عملکرد شناور متفاوت باشند، مانند بارهای توان پالسی و بارهای توان ثابت. برای مثال، در ناوهای هواپیمابر، بارهای اضافی ممکن است شامل سیستم‌های بالابر برای هواپیماها باشند. این بارهای مختلف نیز باید انرژی خود را از ریزشبکۀ شناور تأمین کنند. به ‌طور کلی، دینامیک و ویژگی‌های آن‌ها باید در مرحلۀ طراحی سیستم قدرت در نظر گرفته شوند.

شکل (1): شبکۀ توزیع شعاعی شناور DC

شکل (2): شبکۀ توزیع حلقه‌ای شناور DC

شکل (3): شبکۀ توزیع ناحیه‌ای شناور DC

جدول (1): مقایسۀ بین توزیع شعاعی، ناحیه‌ای و حلقه‌ای ]31[

ویژگی

شعاعی

حلقه‌ای

ناحیه‌ای

شماتیک

اتصال دو باس با یک بریکر

یک باس حلقه با 6 بریکر

یک باس حلقه با 2n+2 بریکر

قابلیت اطمینان

کم

متوسط

زیاد

بقا

کم

متوسط

زیاد

قابلیت بازآرایی

کم

متوسط

زیاد

پیچیدگی

کم

متوسط

زیاد

کاربرد

زیاد

کم

متوسط

 

منابع انرژی استفاده‌شده در شناورهای الکتریکی بسته به ‌اندازه و کاربرد متفاوت هستند و سطوح توان ممکن است از محدودۀ 60 کیلووات تا 120 مگاوات متغیر باشند. علاوه بر این، استفاده از ذخیرۀ انرژی برای کاهش نیاز ظرفیت ژنراتور نیز به ‌کار گرفته می‌شود. نیازهای نیروی دریایی بسته به عملکرد شناور به طرزی جالب توجه متفاوت هستند. با توجه به تقاضاهای توان زیاد در شناورهای دریایی و تجاری، انرژی هسته‌ای برای نیروی دریایی از اواسط قرن بیستم مورد توجه بوده و در گذشته برای نیروی محرکه استفاده شده ‌است ]32[.

3- معرفی بازآرایی شبکۀ شناور

معمولاً از میزان همگرایی و سادگی محاسبات به ‌عنوان تنها معیار قابلیت اجرای زمان واقعی الگوریتم‌های بازآرایی استفاده می‌شود. اجرای ایمن یک الگوریتم بازآرایی به تجزیه‌وتحلیل دینامیک سیستم‌های قدرت در طول زمان و بعد از بازآرایی نیاز دارد.

مجموعۀ مقاله‌های فعلی فاقد بررسی دقیق جنبه‌های پویای بازآرایی است. با مرور روش‌های بهینه‌سازی مختلف برای حل مسئلۀ بازآرایی شبکۀ شناور، در نهایت الگوریتم بهینه‌سازی ازدحام ذرات (PSO) برای این منظور انتخاب شد. گفتنی است، الگوریتم بهینه‌سازی ازدحام ذرات به لطف سادگی محاسباتی و زمان محاسباتی کمتر، قادر به ایجاد یک طرح بازآرایی بهینه برای حل مسئلۀ غیرخطی با اهداف متعدد است. الگوریتم PSO دارای مزایای کلیدی بسیاری است که آن را به یک ابزار قدرتمند در بهینه‌سازی تبدیل کرده‌اند. این الگوریتم با اجرای ساده و نیاز به کدنویسی مستقیم، دسترسی آسانی را برای پژوهشگران و متخصصان فراهم می‌کند. همچنین، با داشتن فقط سه پارامتر کنترل اصلی شامل وزن اینرسی، نسبت شناختی و نسبت اجتماعی، امکان تنظیم دقیق و سازگاری با مسائل مختلف را ایجاد می‌کند. انعطاف‌پذیری این الگوریتم به آن اجازه می‌دهد تا با سایر الگوریتم‌های بهینه‌سازی مانند الگوریتم ژنتیک و تکامل تفاضلی ترکیب شود و عملکردی بهتر را برای کاربردهای ویژه ارائه دهد. PSO به طور مؤثر بین اکتشاف راه‌حل‌های جدید و بهره‌برداری از راه‌حل‌های خوب تعادل برقرار می‌کند که این ویژگی برای حل مسائل پیچیده بسیار مهم است. این الگوریتم به دلیل مقاومت خود در یافتن راه‌حل‌های بهینه حتی در محیط‌های پُرنویز یا پویا شناخته شده است که این امر آن را برای کاربردهای دنیای واقعی قابل اعتماد می‌کند. PSO معمولاً نسبت به روش‌های سنتی، همگرایی سریع‌تری به سمت راه‌حل‌های بهینه یا نزدیک به بهینه دارد و برای کاربردهای حساس به زمان بسیار کارآمد است. این الگوریتم در مسائل مختلف دنیای واقعی مانند شبکه‌های حسگر بی‌سیم و شبکه‌های رادیویی شناختی با موفقیت اعمال شده است و تطبیق‌پذیری و اثربخشی زیاد خود را نشان داده است. همچنین، قابلیت پشتیبانی از بهینه‌سازی چندهدفه را دارد و می‌تواند راه‌حل‌های سازشی را در معیارهای مختلف پیدا کند. در کاربردهایی مانند شبکه‌های رادیویی شناختی، PSO مصرف انرژی را به طرزی جالب توجه کاهش می‌دهد و معیارهایی مانند کارایی طیفی و زمان حسگری را بهینه می‌کند. علاوه بر این، این الگوریتم با داشتن نسخه‌های مختلف که محدودیت‌هایی مانند همگرایی زودرس را برطرف می‌کنند، به طور مستمر بهبود می‌یابد و عملکردی بهتر را در سناریوهای مختلف ارائه می‌دهد ]33[. مزایای PSO نسبت به سایر روش‌ها در جدول (2) ارائه شده‌اند.

3-1- معرفی الگوریتم بهینه‌سازی ازدحام ذرات

بهینه‌سازی ازدحام ذرات (PSO) یک الگوریتم بهینه‌سازی مبتنی بر جمعیت است که برای اولین بار توسط کندی و ابرهارت[20] در سال 1995 ارائه شد [36]. این الگوریتم از رفتار اجتماعی گلۀ پرندگان یا پرورش ماهی الهام گرفته شده‌است. PSO یک الگوریتم مشتق از الگوریتم ژنتیک (GA) است. برخلاف GA، PSO هیچ عملگر تکاملی مانند متقاطع و جهش ندارد؛ بنابراین، در زمان محاسبات بسیار صرفه‌جویی خواهد شد.

 

جدول (2): مقایسۀ الگوریتم بهینه‌سازی PSO با سایر روش‌ها ]34، 35[

روش

ویژگی‌ها

مقایسه با PSO

الگوریتم ژنتیک

- یکی از روش‌های بهینه‌سازی تکاملی با استفاده از عملگرهای جهش و ترکیب

- مناسب برای مسائل غیرخطی و چندهدفه

-PSO  زمان محاسباتی کمتری دارد.

- PSO سرعت همگرایی بیشتری دارد؛ اما GA در مسائل بزرگ‌تر به زمان بیشتری نیاز دارد.

الگوریتم تکامل دیفرانسیلی (DE)

- مبتنی بر جمعیت و استفاده از تفاوت موقعیت ذرات برای بهبود جست‌وجو

- کارایی زیاد در مسائل چندهدفه

- DE در یافتن جواب‌های دقیق‌تر بهتر است؛ اما PSO به دلیل سادگی و سرعت محاسباتی مناسب‌تر است.

روش‌های برنامه‌ریزی ریاضی

- استفاده از مدل‌های ریاضی برای حل مسائل بازآرایی

- مناسب برای مسائل کوچک با پیچیدگی کمتر

- مناسب برای مسائل ساده‌تر

- PSO توانایی بیشتری در حل مسائل با قیود پیچیده دارد و در مسائل پیچیده عملکردی بهتر دارد.

سیستم‌های چندعاملی (MAS)

- استفاده از عامل‌های مستقل برای مدیریت اجزای شبکه

- مناسب برای بازآرایی در سناریوهای تک‌خطا

- PSO توانایی بیشتری در حل مسائل با قیود پیچیده دارد و در مسائل پیچیده عملکردی بهتر دارد.

-  MAS برای سناریوهای چندخطا مناسب نیست؛ اما PSO می‌تواند هم‌زمان چندین خطا را مدیریت کند.

مطابق شکل (4)، بهینه‌سازی ازدحام ذرات از مراحل زیر تشکیل شده ‌است:

  • مرحلۀ 1: مقداردهی اولیۀ جمعیتی از ذرات با مقادیر تصادفی xi و vi. در این مرحله، موقعیت اولیۀ ذرات[21] به صورت تصادفی در محدودۀ تعریف‌شدۀ متغیرها مقداردهی می‌شود. سرعت اولیۀ ذرات[22] برابر صفر در نظر گرفته می‌شود. بهترین موقعیت فردی[23] و بهترین موقعیت سراسری[24] مقداردهی اولیه می‌شوند.
  • مرحلۀ 2: محاسبۀ ارزش تناسب هر ذره در d متغیر. برای هر ذره، مقدار تابع هدف محاسبه می‌شود. این مقدار نشان‌دهندۀ کیفیت جواب مربوط به موقعیت فعلی ذره است.
  • مرحلۀ 3: پیدا کردن بهترین موقعیت شخصی (pi) و بهترین موقعیت سراسری (pg) با توجه به ‌تناسب. در صورتی که مقدار فعلی از pi بهتر باشد، مقدار آن جایگزین pi در فضای بعد d خواهد شد.
  • مرحلۀ 4: پیدا کردن بهترین موقعیت سراسری (pg) با توجه به ‌تناسب. در صورتی که مقدار فعلی از pg بهتر باشد، مقدار آن جایگزین pg در فضای بعد d خواهد شد.
  • مرحلۀ 5: به‌روزرسانی سرعت (vid) و موقعیت فعلی (xid) برای تکرار بعد. سرعت هر ذره با استفاده از معادلۀ (1) به‌روزرسانی می‌شود که در آن، w وزن اینرسی[25] است که با گذشت زمان کاهش می‌یابد، C1 و C2 ضرایب یادگیری شخصی و سراسری و r1 و r2 اعداد تصادفی بین 0 و 1 هستند. همچنین، موقعیت هر ذره با استفاده از سرعت جدید بر اساس معادلۀ (2) به‌روزرسانی می‌شود:

 

(1)

 

(2)

 

  • مرحلۀ 6: تا زمانی که معیار توقف برآورده شود، روند از مرحلۀ 2 تکرار خواهد شد.

 

شکل )4): فلوچارت الگوریتم بهینه‌سازی ازدحام ذرات ]36[

3-2- معرفی مسئله و تابع هدف

در این مسئله، تابع هدف و قیود مشابه قیود ارائه‌شده در [37] و [38] است؛ با این حال، این پژوهش در درجۀ اول کار در [38] را گسترش می‌دهد تا شامل نمونه‌هایی از سیستم‌های SPS متعادل جدید باشد. نوآوری اصلی مقاله در استفاده از قیود مطرح‌شده در راستای بهبود بازآرایی شبکۀ شناور پس از وقوع خطا است. این نوآوری شامل تطبیق و تلفیق قیود انرژی، ولتاژ و جریان (با توجه به شرایط دینامیکی شبکۀ شناور) و استفاده از آن‌ها در الگوریتم PSO برای مدیریت بازآرایی سیستم با هدف کاهش تلفات و حفظ بارهای حیاتی است. هدف پژوهش پیدا کردن وضعیت بهینه برای کلیدها است تا توان تحویلی به بارها بیشینه شود یا به ‌عبارت دیگر، ریزش بار مقدار کمینه داشته باشد. معادله‌سازی دقیق در زیر ارائه شده ‌است:

تابع هزینه:

در معادلۀ بالا، S'VL، S'SVL و S'NVL به‌ترتیب توان تأمین‌نشده یا حذف‌شدۀ مرتبط با بارهای حیاتی، نیمه‌حیاتی و غیرحیاتی است. W'VL، W'SVL و W'NVL به‌ترتیب وزن عدم تأمین بارهای حیاتی، نیمه‌حیاتی و غیرحیاتی است. وزن برای اولویت‌بندی سرویس به انواع مختلف بار مرتبط است. اگر ، با توجه به اینکه ، طبیعی است که وزن بارهای نیمه‌حیاتی و حیاتی بیشتر در نظر گرفته شود؛ در نتیجه:

این ضرایب به گونه‌ای انتخاب شده‌اند که اختلاف بین اهمیت بارهای مختلف به‌وضوح مشخص باشد و الگوریتم بتواند تصمیم‌هایی بهینه‌ برای تأمین توان اتخاذ کند.

مشروط به محدودیت قیود برابری AC:

قیود نابرابری:

محدویت‌های قیود برابری DC:

قیود نابرابری برای بارهای متغیر:

برای بارهای ثابت:

همچنین، واضح است:

در معادلات بالا، محدودیت‌هایی متعدد شامل جریان برق، محدودیت‌های توان ژنراتور، محدودیت‌های بار، جریان باس و محدودیت‌های ولتاژ اعمال می‌شوند. PG و QG به‌ترتیب توان اکتیو و راکتیو تولیدشده توسط ژنراتورهای AC، PD و QD توان اکتیو و راکتیو تقاضا، Vi ولتاژ باس iام، δi زاویۀ ولتاژ باس iام، Yij اندازۀ ادمیتانس از باس i به j، θij زاویۀ ادمیتانس از باس i به j، PLi توان تحویلی به بارهای متصل به باس iام و Bi یک متغیر باینری است که یک ‌بار ثابت را به باس سمت چپ (PB) یا باس سمت راست (SB) متصل می‌کند و می‌توان آن را از پیش تعیین کرد. ILi جریان بار در باس iام، Iij جریان عبوری از باس i به باس j، Iini و Iouti به‌ترتیب جریان ورودی به باس و جریان خروجی از باس i، FB به معنای باس مبدأ (منبع) و TB به ‌معنای باس مقصد و Zij امپدانس بین شاخۀ i و j است. max و min هم به‌ترتیب به مقادیر بیشینه و کمینۀ هر متغیر اشاره دارد. کلیدها به ‌صورت متغیرهای باینری فرموله می‌شوند. محدودیت‌های انحصاری متقابل روی سوئیچ‌ها تعیین می‌کنند که توان تحویلی به بارهای با اولویت بیشتر از PB یا SB باشد. به‌ منطور انجام پخش بار از روش پخش بار نیوتون - رافسون[26] استفاده می‌شود. محاسبۀ پخش بار مطابق معادلات زیر انجام‌ می‌شود:

با استفاده از (18) و (19)، ژاکوبین محاسبه‌شده و تغییر افزایشی ولتاژها و زوایا در هر مرحله از تکرار از مقادیر اولیۀ زوایا و ولتاژها مطابق معادلۀ زیر به ‌دست می‌آید:

4- شبیه‌سازی و نتایج

در این بخش، سیستم شبکۀ شناور برای شبیه‌سازی معرفی می‌شود. سپس، عملکرد عادی سیستم قدرت ارزیابی می‌شود. پس از آن، برای ارزیابی عملکرد الگوریتم انتخابی برای بازآرایی شبکۀ شناور، سناریوهای مختلف خطا، وضعیت عملکرد سیستم قبل از اعمال بازآرایی و نحوۀ عملکرد الگوریتم انتخابی و عملکرد سیستم پس از بازآرایی بررسی می‌شوند. در انتخاب سناریوها سعی بر این بوده است که تا حد امکان اثربخشی الگوریتم انتخابی در شرایط دشوار تحمیل‌شده به سیستم (تعداد خطا، خارج شدن بارهای حیاتی و ژنراتورها) بررسی شود.

4-1- معرفی شبکۀ شناور تحت مطالعه

برای مدل مدنظر، همان‌طور که در شکل(5) نشان داده شده است، یک سیستم توزیع الکتریکی ناحیه‌ای DC در نظر گرفته شده ‌است. توان تولید‌شده توسط ژنراتورهای AC ابتدا به DC تبدیل و سپس به بارها منتقل می‌شود. این توان برای استفاده در بارها ممکن است نیاز به تبدیل مجدد به AC داشته باشد‌. هر ناحیه دارای دو مرکز بار است که توسط تابلوهای ژنراتور به ‌صورت شعاعی از PB و SB هدایت می‌شوند. سه نوع بار در این مدل در نظر گرفته شده‌اند: بارهای حیاتی (VL)[27] و بارهای نیمه‌حیاتی (SVL)[28] که برای عملیات رزمی مورد نیاز هستند و بارهای غیرحیاتی (NVL)[29]. فرض بر این است که می‌توان بارهای غیرحیاتی را برای حفظ توان در بارهای حیاتی و نیمه‌حیاتی در مواقع اضطراری از مدار خارج کرد. این مدل جدید دارای چهار ژنراتور و هفت مرکز بار است.

هفت ناحیۀ بار DC از دو ژنراتور اصلی (MTG)[30] با ظرفیت 6 مگاوات و دو ژنراتور کمکی (ATG)[31] با ظرفیت 2 مگاوات تغذیه می‌شوند. پنج ناحیۀ بار دارای بارهای حیاتی، نیمه‌حیاتی و غیرحیاتی هستند؛ در حالی که دو ناحیۀ بار فقط دارای بارهای حیاتی هستند. انتقال ناهم‌زمان باس (ABT)[32] برای جابه‌جایی استفاده می‌شود و همان‌طور که در شکل(5) نشان داده ‌شده‌ است، با سوئیچ‌های متقابل منحصربه‌فرد مشخص می‌شود.

برای سیستم مورد بحث، فرض بر این است که:

  • بارهای حیاتی به 5/0 مگاوات، بارهای نیمه‌حیاتی به 1 مگاوات و بارهای غیرحیاتی برای کار در ظرفیت کامل به 5/0 مگاوات توان نیاز دارند ]38[.
  • بارهای غیرحیاتی مستقیماً از طریق باس‌ها تغذیه می‌شوند؛ در حالی که بارهای حیاتی و نیمه‌حیاتی از طریق ABTها سرویس می‌شوند.
  • توان ترکیبی ژنراتورها برای تغذیۀ تمام بارها در شرایط عملیاتی عادی کافی است.
  • توزیع بارهای غیرحیاتی شعاعی است؛ زیرا توزیع شعاعی مزایایی مانند جریان اتصال کوتاه کمتر، سوئیچینگ آسان و نصب و عملکرد کمتر تجهیزات حسگر را فراهم می‌کند.

روش بهینه‌سازی برای بازآرایی SPS پس از وقوع یک یا چند خطا اعمال می‌شود. فقط وضعیت بازآرایی حالت پایدار در این پژوهش در نظر گرفته شده ‌است. جدول (3) پارامترهای محدود استفاده‌شده در شبیه‌سازی و مقادیر بیشینه و کمینۀ مربوط به آن‌ها را نشان ‌می‌دهد. ابتدا، یک آرایش بهینه پیش از خطا برای مدل سیستم ارائه شده ‌است که در آن، تمام بارها تا ظرفیت کامل خود تغذیه می‌شوند. مجموع ظرفیت بارهایی که در شرایط عادی تغذیه می‌شوند 5/13 مگاوات است.

فرض بر این است که در حالت پایدار، هرگاه ایرادی وجود داشته‌ باشد، یک جزء در دسترس نیست که به معنای عملکرد بریکرها و جدا شدن ناحیۀ خطا است؛ بنابراین، جریان عبوری از آن جزء قطع می‌شود. این امر با بی‌نهایت در نظر گرفتن مقاومت شاخه در شبیه‌سازی به‌ دست می‌آید. واضح است، برخی از بارها پس از خطا بدون برق می‌مانند.

4-2- عملکرد شبکۀ شناور در حالت عادی

در شرایط عادی و عدم وجود خطا، وضعیت اولیۀ سیستم به شرح جدول (4) است. ولتاژ باس‌ها مطابق شکل (6) و جریان خطوط مطابق شکل (7) است. همان‌طور که مشخص است، ولتاژ و جریان در محدودۀ مجاز قرار دارند و عملکرد سیستم پایدار است. در این حالت، وضعیت اولیۀ کلیدها نیز به شرح جدول (5) است. همان‌طور که مشخص است، هر جفت کلید در یک شاخه نمی‌توانند به‌ طور هم‌زمان متصل باشند که این شرط برقرار است.

شکل (5): شبکۀ شناور تحت مطالعه و اجزای آن

4-3- بررسی انواع سناریوی خطا و عملکرد روش پیشنهادی

در این بخش، سناریوهای مختلف خطا و تأثیر عملکرد الگوریتم در بازآرایی شبکه بررسی می‌شود.

4-3-1- سناریوی اول (وقوع یک خطا)

در ادامه، فرض می‌شود در اثر بروز خطا در سیستم، یکی از شاخه‌ها از مدار خارج شده است و طبیعتاً جریانی نمی‌تواند از آن عبور کند. در این وضعیت، فرض می‌شود وضعیت کلیدها مطابق جدول (5) است. در این سناریوی خطا، اتصال بین باس‌های 2 و 4 همانند شکل (8) قطع می‌شود. وضعیت ولتاژ باس‌ها و بارها پیش از بازآرایی شبکه در جدول (6) مشخص شده است. مقدار ولتاژ باس‌ها و جریان خطوط نیز پس از وقوع خطا و پیش از بازآرایی شبکه به‌ترتیب در شکل (9) و شکل (10) مشخص شده ‌است. با مقایسۀ جدول (4) و جدول (6) مشخص می‌شود، در سناریوی اول و با بروز خطا در محل مشخص‌شده، 5/0 مگاوات بار حیاتی، 1 مگاوات بار نیمه‌حیاتی و 5/0 مگاوات بار غیرحیاتی از مدار خارج می‌شوند.

با اعمال الگوریتم PSO و بازآرایی شبکۀ شناور، وضعیت جدید کلیدها مطابق جدول (7) تغییر می‌کند. همان‌طور که از وضعیت عملکرد سیستم پس از بازآرایی شبکه در جدول (8) مشخص است، تمام بارهای حیاتی و نیمه‌حیاتی تأمین می‌شوند. در این وضعیت، ژنراتورهای اصلی در مجموع 81/8 مگاوات و ژنراتورهای کمکی 4 مگاوات توان تولید می‌کنند که نشان از عملکرد مناسب بازآرایی در این وضعیت دارد. همچنین، تمام ولتاژها مطابق شکل (11) و جریان‌ها مطابق شکل (12) در محدودۀ مجاز قرار دارند.

جدول (3): مشخصات ریزشبکۀ شناور شبیه‌سازی‌شده

پارامتر محدود

بیشینه

کمینه

PGi (MTG) (مگاوات)

6

0

PGi (ATG) (مگاوات)

2

0

Iij (آمپر)

6000

6000-

Vi (ولت)

950

1050

𝞭i

1+ درجه

1- درجه

PLi (VL) (مگاوات)

5/0

0

PLi (SVL) (مگاوات)

1

0

PLi (NVL) (مگاوات)

5/0

0

SWi

1

0

Bi

1

0

جدول (4): مشخصات عملکرد ریزشبکۀ شناور در شرایط عادی (عدم وجود خطا)

شمارۀ باس

بار حیاتی (مگاوات)

بار نیمه‌حیاتی (مگاوات)

بار غیرحیاتی (مگاوات)

ولتاژ (PU)

1

0

0

5/0

93/0

2

5/0

1

5/0

94/0

3

0

0

0

93/0

4

0

0

0

95/0

5

0

0

0

95/0

6

5/0

1

5/0

92/0

7

0

0

5/0

96/0

8

5/0

0

0

93/0

9

0

0

0

98/0

10

0

0

0

1

11

5/0

1

5/0

93/0

12

0

0

5/0

97/0

13

0

0

0

95/0

14

0

0

0

96/0

15

0

0

0

96/0

16

5/0

1

5/0

95/0

17

0

0

5/0

95/0

18

0

0

0

97/0

19

5/0

0

0

95/0

20

0

0

0

1

21

5/0

1

5/0

96/0

22

0

0

5/0

95/0

مجموع

5/3

5

5

 

شکل (6): ولتاژ باس‌ها در حالت عملکرد عادی ریزشبکۀ شناور

شکل (7): جریان خطوط در عملکرد عادی ریزشبکۀ شناور

شکل (8): محل وقوع خطا در سناریوی اول

جدول (5): وضعیت کلیدها در حالت عملکرد عادی شبکۀ شناور

شمارۀ کلید

وضعیت کلید

1

قطع

2

وصل

3

وصل

4

قطع

5

وصل

6

قطع

7

وصل

8

قطع

9

وصل

10

قطع

11

قطع

12

وصل

13

وصل

14

قطع

شکل (9): ولتاژ باس‌ها در سناریوی اول پیش از بازآرایی شبکه

شکل (10): جریان خطوط در سناریوی اول پیش از بازآرایی شبکه

4-3-2- سناریوی دوم (وقوع دو خطا به صورت هم‌زمان)

در این سناریوی خطا، اتصال بین باس 7 و 9 و باس 9 و 12 قطع می‌شود. محل وقوع خطا در سیستم در شکل (13) نشان داده ‌شده ‌است. در این وضعیت، با توجه به از مدار خارج شدن یکی از ژنراتورهای اصلی سیستم، در صورتی که تمام بارها وارد مدار شوند، طبیعتاً پایداری سیستم دچار اشکال خواهد شد. وضعیت ولتاژ باس‌ها در شکل (14) و جریان خطوط در شکل (15) گواهی همین مدعاست.

با توجه به وضعیت موجود، بازآرایی سیستم قدرت شناور برای بازیابی عملکرد صحیح آن انجام‌می‌شود. وضعیت جدید کلیدها پس از بازآرایی شبکه در جدول (9) مشخص شده است. مطابق شکل (16) و شکل (17)، پس از بازآرایی شبکه و در وضعیت جدید سیستم، تمام ولتاژ و جریان‌ها در محدودۀ مجاز قرار دارند و عملکرد سیستم پایدار است. همان‌طور که در جدول (10) مشخص شده است، 5/0 مگاوات از بارهای حیاتی و 1 مگاوات از بارهای نیمه‌حیاتی برای پایداری از مدار خارج می‌شوند. در این وضعیت، با توجه به خروج یکی از ژنراتورهای اصلی از مدار به ‌دلیل خطا، دیگر ژنراتور اصلی 7/5 مگاوات توان تولید می‌کند و ژنراتورهای کمکی 4 مگاوات توان تولید می‌کنند.

جدول (6): وضعیت عملکرد سیستم در سناریوی اول پیش از بازآرایی شبکه

شمارۀ باس

بار حیاتی (مگاوات)

بار نیمه‌حیاتی (مگاوات)

بار غیرحیاتی (مگاوات)

ولتاژ (PU)

1

0

0

5/0

95/0

2

0

0

0

0

3

0

0

0

95/0

4

0

0

0

98/0

5

0

0

0

97/0

6

5/0

1

5/0

94/0

7

0

0

5/0

98/0

8

5/0

0

0

94/0

9

0

0

0

99/0

10

0

0

0

1

11

5/0

1

5/0

94/0

12

0

0

5/0

97/0

13

0

0

0

96/0

14

0

0

0

97/0

15

0

0

0

97/0

16

5/0

1

5/0

96/0

17

0

0

5/0

96/0

18

0

0

0

97/0

19

5/0

0

0

95/0

20

0

0

0

1

21

5/0

1

5/0

96/0

22

0

0

5/0

95/0

مجموع

3

4

5/4

 

بار ازدست‌رفته

5/0

1

5/0

 

4-3-3- سناریوی سوم (وقوع سه خطا به صورت هم‌زمان)

در این سناریوی خطا، اتصال بین باس 3 و 6، باس 6 و 8 و باس 8 و 11 قطع می‌شود. محل وقوع خطا در سیستم در شکل (18) نشان داده‌ شده ‌است. وضعیت ولتاژ باس‌ها و بارها پیش از بازآرایی شبکه مطابق جدول (11) است. همان‌طور که از جدول پیداست، 1 مگاوات بار حیاتی، 1 مگاوات بار نیمه‌حیاتی و 5/0 مگاوات بار غیرحیاتی از مدار خارج‌شده‌اند. ژنراتورهای اصلی در این وضعیت در مجموع 2/7 مگاوات و ژنراتورهای کمکی 4 مگاوات توان تولید می‌کنند. وضعیت ولتاژ باس‌ها و جریان خطوط نیز پس از وقوع خطا و پیش از بازآرایی شبکه به‌ترتیب در شکل (19) و شکل (20) مشخص شده ‌است.

جدول (7): وضعیت جدید کلیدها در سناریوی اول پس از بازآرایی شبکه

وضعیت متغیر متناظر

شمارۀ کلید

وضعیت کلید

S1=1

1

وصل

2

قطع

S2=2

3

قطع

4

وصل

S3=2

5

قطع

6

وصل

S4=2

7

قطع

8

وصل

S5=1

9

وصل

10

قطع

S6=1

11

وصل

12

قطع

S7=1

13

وصل

14

قطع

شکل (11): ولتاژ باس‌ها در سناریوی اول پس از بازآرایی شبکه

با توجه به وضعیت موجود، بازآرایی سیستم قدرت شناور برای بازیابی توان بارهای حیاتی و نیمه‌حیاتی آن انجام‌ می‌شود. در این حالت، وضعیت جدید کلیدها و عملکرد جدید سیستم به‌ترتیب مطابق جدول (12) و جدول (13) است. تمام بارهای حیاتی و نیمه‌حیاتی تأمین می‌شوند. در این وضعیت، ژنراتورهای اصلی در مجموع 2/9 مگاوات و ژنراتورهای کمکی 4 مگاوات توان تولید می‌کنند که نشان از عملکرد مناسب بازآرایی در این وضعیت دارد. همچنین، مطابق شکل (21) و شکل (22)، تمام ولتاژها و جریان‌ها در محدودۀ مجاز قرار دارند.

شکل (12): جریان خطوط در سناریوی اول پس از بازآرایی شبکه

4-3-4- سناریوی چهارم (وقوع چهار به صورت خطا هم‌زمان)

در این سناریوی خطا، اتصال بین باس 3 و 5، باس 4 و 5، باس 13 و 15 و 14 و 15 قطع می‌شود. محل وقوع خطا در سیستم در شکل (23) نشان داده ‌شده ‌است. همان‌طور که مشخص است، در این وضعیت، دو ژنراتور کمکی از مدار خارج می‌شوند. وضعیت ولتاژ باس‌ها و جریان خطوط به‌ترتیب در شکل (24) و شکل (25) مشخص شده‌ است. با توجه به وضعیت ولتاژ باس‌ها و جریان خطوط، مشخص است با وجود تمام بارها در مدار، ولتاژ باس‌ها و جریان خطوط از محدودۀ مجاز خارج می‌شود و باعث ناپایداری سیستم می‌شود که اعمال بازآرایی شبکه را ضروری می‌کند.

وضعیت جدید کلیدها پس از بازآرایی شبکه در جدول (14) و عملکرد جدید شبکه در جدول (15) نشان داده شده است. مطابق جداول، پس از بازآرایی شبکه و در وضعیت جدید سیستم، تمام ولتاژها و جریان‌ها در محدودۀ مجاز قرار دارند و عملکرد سیستم پایدار است. 5/0 مگاوات از بارهای حیاتی و 1 مگاوات از بارهای نیمه‌حیاتی برای پایداری از مدار خارج می‌شوند. باید در نظر داشت یکی از علل خروج این بارها از مدار محدودیت جریان است. در صورتی که محدودیت جریان خطوط افزایش می‌یافت، این بارها نیز تأمین می‌شدند. در این وضعیت، با توجه به خروج دو ژنراتور کمکی از مدار به‌ دلیل خطا، ژنراتورهای اصلی در مجموع 8/10 مگاوات توان تولید می‌کنند. همچنین، وضعیت ولتاژ باس‌ها در شکل (26) و جریان خطوط در شکل (27) مشخص شده است.

 

جدول (8): وضعیت عملکرد سیستم در سناریوی اول پس از بازآرایی شبکه

شمارۀ باس

بار حیاتی (مگاوات)

بار نیمه‌حیاتی (مگاوات)

بار غیرحیاتی (مگاوات)

ولتاژ (PU)

1

5/0

1

1253/0

95/0

2

0

0

0

0

3

0

0

0

96/0

4

0

0

0

97/0

5

0

0

0

98/0

6

0

0

5/0

96/0

7

5/0

1

5/0

97/0

8

5/0

0

0

96/0

9

0

0

0

98/0

10

5/0

0

0

1

11

0

0

5/0

97/0

12

0

0

5/0

97/0

13

0

0

0

97/0

14

0

0

0

97/0

15

0

0

0

98/0

16

5/0

1

5/0

97/0

17

0

0

5/0

96/0

18

0

0

0

98/0

19

0

0

0

96/0

20

5/0

0

0

1

21

5/0

1

5/0

97/0

22

0

0

5/0

96/0

مجموع

5/3

5

125/4

 

بار از‌دست‌رفته

0

0

875/0

 

شکل (13): محل وقوع خطا در سناریوی دوم

شکل (14): ولتاژ باس‌ها پیش از بازآرایی شبکه در سناریوی دوم

شکل (15): جریان خطوط پیش از بازآرایی شبکه در سناریوی دوم

شکل (16): ولتاژ باس‌ها پس از بازآرایی شبکه در سناریوی دوم

شکل (17): جریان خطوط پس از بازآرایی شبکه در سناریوی دوم

 جدول (9): وضعیت جدید کلیدها پس از بازآرایی شبکه در سناریوی دوم

وضعیت متغیر متناظر

شمارۀ کلید

وضعیت کلید

S1=0

1

قطع

2

قطع

S2=1

3

وصل

4

قطع

S3=2

5

قطع

6

وصل

S4=1

7

وصل

8

قطع

S5=1

9

وصل

10

قطع

S6=1

11

وصل

12

قطع

S7=1

13

وصل

14

قطع

شکل (18): محل وقوع خطا در سناریوی سوم

شکل (19): ولتاژ باس‌ها در سناریوی سوم پیش از بازآرایی شبکه

جدول (10): وضعیت عملکرد سیستم در سناریوی دوم پس از بازآرایی شبکه

شمارۀ باس

بار حیاتی (مگاوات)

بار نیمه‌حیاتی (مگاوات)

بار غیرحیاتی (مگاوات)

ولتاژ (PU)

1

0

0

1/0

95/0

2

0

0

0

0

3

0

0

0

96/0

4

0

0

0

97/0

5

0

0

0

98/0

6

5/0

1

0

96/0

7

0

0

2/0

97/0

8

0

0

0

96/0

9

0

0

0

98/0

10

5/0

0

0

1

11

/0

1

35/0

97/0

12

0

0

49/0

97/0

13

0

0

0

97/0

14

0

0

0

97/0

15

0

0

0

98/0

16

5/0

1

5/0

97/0

17

0

0

13/0

96/0

18

0

0

0

98/0

19

0

0

0

96/0

20

5/0

0

0

1

21

5/0

1

5/0

97/0

22

0

0

3/0

96/0

مجموع

3

4

6/2

 

بار از‌دست‌رفته

5/0

1

4/2

 

شکل (20): جریان خطوط در سناریوی سوم پیش از بازآرایی شبکه

جدول (11): وضعیت عملکرد سیستم در سناریوی سوم پیش از بازآرایی شبکه

شمارۀ باس

بار حیاتی (مگاوات)

بار نیمه‌حیاتی (مگاوات)

بار غیرحیاتی (مگاوات)

ولتاژ (PU)

1

0

0

5/0

98/0

2

5/0

1

5/0

97/0

3

0

0

0

98/0

4

0

0

0

98/0

5

0

0

0

98/0

6

0

0

0

0

7

0

0

5/0

98/0

8

0

0

0

0

9

0

0

0

98/0

10

0

0

0

1

11

5/0

1

5/0

95/0

12

0

0

5/0

98/0

13

0

0

0

96/0

14

0

0

0

97/0

15

0

0

0

97/0

16

5/0

1

5/0

96/0

17

0

0

5/0

96/0

18

0

0

0

97/0

19

5/0

0

0

96/0

20

0

0

0

1

21

5/0

1

5/0

97/0

22

0

0

5/0

95/0

مجموع

5/2

4

5/4

 

بار از‌دست‌رفته

1

1

5/0

 

شکل (21): ولتاژ باس‌ها پس از بازآرایی شبکه در سناریوی سوم

جدول (12): وضعیت جدید کلیدها در سناریوی سوم پس از بازآرایی شبکه

وضعیت متغیر متناظر

شمارۀ کلید

وضعیت کلید

S1=2

1

قطع

2

وصل

S2=2

3

قطع

4

وصل

S3=2

5

قطع

6

وصل

S4=1

7

وصل

8

قطع

S5=1

9

وصل

10

قطع

S6=2

11

قطع

12

وصل

S7=1

13

وصل

14

قطع

شکل (22): جریان خطوط پس از بازآرایی شبکه در سناریوی سوم

شکل (23): محل وقوع خطا در سناریوی چهارم

جدول (13): وضعیت عملکرد سیستم در سناریوی سوم پس از بازآرایی شبکه

شمارۀ باس

بار حیاتی (مگاوات)

بار نیمه‌حیاتی (مگاوات)

بار غیرحیاتی (مگاوات)

ولتاژ (PU)

1

0

0

5/0

96/0

2

5/0

1

5/0

95/0

3

0

0

0

96/0

4

0

0

0

96/0

5

0

0

0

97/0

6

0

0

0

0

7

5/0

1

5/0

97/0

8

0

0

0

0

9

0

0

0

98/0

10

5/0

0

0

1

11

5/0

1

5/0

95/0

12

0

0

0.5

97/0

13

0

0

0

96/0

14

0

0

0

97/0

15

0

0

0

97/0

16

5/0

1

5/0

96/0

17

0

0

5/0

96/0

18

0

0

0

97/0

19

5/0

0

0

95/0

20

0

0

0

1

21

5/0

1

5/0

96/0

22

0

0

4/0

95/0

مجموع

5/3

5

4/4

 

بار ازدست‌رفته

0

0

6/0

 

شکل (24): ولتاژ باس‌ها در سناریوی چهارم پیش از بازآرایی شبکه

شکل (25): جریان خطوط در سناریوی چهارم پیش از بازآرایی شبکه

جدول (14): وضعیت جدید کلیدها پس از بازآرایی شبکه در سناریوی چهارم

وضعیت متغیر متناظر

شمارۀ کلید

وضعیت کلید

S1=0

1

قطع

2

قطع

S2=2

3

قطع

4

وصل

S3=2

5

قطع

6

وصل

S4=2

7

قطع

8

وصل

S5=1

9

وصل

10

قطع

S6=1

11

وصل

12

قطع

S7=1

13

وصل

14

قطع

شکل (26):  ولتاژ باس‌ها پس از بازآرایی شبکه در سناریوی چهارم

شکل (27): جریان خطوط در سناریوی چهارم پس از بازآرایی شبکه

5- نتیجه‌گیری و پیشنهادها

در این پژوهش سعی شد تا با بررسی روش‌های مختلف بازآرایی در شبکۀ الکتریکی شناور و قیود مرتبط با سیستم، الگوریتمی برای بازآرایی شبکۀ شناور پس از وقوع خطا انتخاب شود. در نهایت، با در نظر داشتن جنبه‌های مختلف سیستم، الگوریتم ازدحام ذرات به ‌منظور بازآرایی شبکۀ الکتریکی شناور پس از وقوع خطا و انتخاب آرایش بهینه برای سیستم انتخاب شد.

پس از شبیه‌سازی شبکۀ الکتریکی شناور و بررسی عملکرد آن در شرایط عادی، به‌ منظور بررسی عملکرد الگوریتم انتخابی، نحوۀ کارکرد آن تحت سناریوهای مختلف بررسی شد. مهم‌ترین مزیت‌های الگوریتم ازدحام ذرات برای پیدا کردن آرایش بهینۀ شبکۀ الکتریکی شناور شامل سادگی اجرا، تطابق با شرایط مختلف، امکان در نظر داشتن قیود مختلف، امکان پاسخ‌گویی و پیدا کردن آرایش بهینه هنگام وقوع چندین خطای هم‌زمان هستند. با افزایش دقت در محاسبۀ پخش بار بهینه و تعداد تکرار الگوریتم، سرعت پاسخ‌گویی الگوریتم و زمان پیدا کردن آرایش بهینه کاهش می‌یابد. در این پژوهش، بارها به سه دستۀ حیاتی، نیمه‌حیاتی و غیرحیاتی تقسیم و ضرایب جریمه برای عدم تأمین این بارها در نظر گرفته شدند. ضرایب را می‌توان با توجه به اهمیت بارها در شرایط مختلف و به صورت پویا تغییر داد. مهم‌ترین ایراد الگوریتم ازدحام ذرات و سایر الگوریتم‌هایی که با پردازندۀ مرکزی کار می‌کنند، خطر خرابی تک‌نقطه‌ای است که ممکن است باعث تخریب عملیات کلی سیستم شود.

 

جدول (15): وضعیت عملکرد سیستم پس از بازآرایی شبکه در سناریوی چهارم

شمارۀ باس

بار حیاتی (مگاوات)

بار نیمه‌حیاتی (مگاوات)

بار غیرحیاتی (مگاوات)

ولتاژ (PU)

1

0

0

1/0

95/0

2

0

0

45/0

95/0

3

0

0

0

96/0

4

0

0

0

96/0

5

0

0

0

0

6

0

0

1/0

95/0

7

5/0

1

5/0

96/0

8

0

0

0

95/0

9

0

0

0

97/0

10

5/0

0

0

1

11

0

0

5/0

95/0

12

5/0

1

2/0

96/0

13

0

0

0

96/0

14

0

0

0

96/0

15

0

0

0

0

16

5/0

1

5/0

96/0

17

0

0

4/0

95/0

18

0

0

0

97/0

19

0

0

0

95/0

20

5/0

0

0

1

21

5/0

1

5/0

96/0

22

0

0

3/0

95/0

مجموع

3

4

55/3

 

بار ازدست‌رفته

5/0

1

45/1

 

روش پیشنهادی می‌تواند به ‌طور مؤثر در سیستم‌های قدرت شناور نظامی و تجاری، سیستم‌های قدرت دریایی تجاری و ریزشبکه‌های زمینی استفاده شود. در شناورهای نظامی مانند ناوهای هواپیمابر و زیردریایی‌ها، حفظ توان بارهای حیاتی برای تضمین عملکرد تجهیزات نظامی ضروری است و این روش می‌تواند در شرایط اضطراری با انجام بازآرایی سریع شبکه، از عملکرد ایمن و پایدار سیستم اطمینان حاصل کند. در سیستم‌های قدرت دریایی تجاری، مانند کشتی‌های مسافربری و باری، این روش با کاهش زمان قطعی برق و تأمین توان بارهای حیاتی، می‌تواند ایمنی و رضایت مسافران را افزایش دهد. همچنین، اگرچه این پژوهش بر شبکه‌های شناور متمرکز است، روش پیشنهادی قابلیت استفاده در ریزشبکه‌های زمینی را نیز دارد؛ به‌ویژه در کاربردهایی که این ریزشبکه‌ها دارای منابع تولید پراکنده و بارهای با اولویت‌های مختلف هستند.

در این پژوهش، بازآرایی شبکه در حالت پایدار بررسی شده است؛ اما پژوهش‌های آینده می‌توانند بازآرایی شبکه را در شرایط گذرا و دینامیکی مطالعه کنند تا عملکرد سیستم در زمان وقوع خطا و بازآرایی بهبود یابد. همچنین، تمرکز این پژوهش بر پایداری و قابلیت اطمینان سیستم بوده است؛ اما افزودن قیود اقتصادی مانند هزینه‌های سوخت و تعمیر و نگهداری می‌تواند کاربردهای عملی روش پیشنهادی را گسترش دهد. مقایسۀ عملکرد الگوریتم ازدحام ذرات با سایر الگوریتم‌های بهینه‌سازی مانند الگوریتم ژنتیک یا الگوریتم‌های تکاملی چندهدفه نیز می‌تواند مزایا و محدودیت‌های روش پیشنهادی را بهتر نشان دهد. علاوه بر این، پژوهش‌های آینده می‌توانند روش پیشنهادی را در سیستم‌های قدرت واقعی اجرا و عملکرد آن را در شرایط عملی ارزیابی کنند. اگرچه این پژوهش بر معماری ناحیه‌ای تمرکز دارد، بررسی عملکرد روش پیشنهادی در معماری‌های دیگر مانند معماری شعاعی و حلقه‌ای می‌تواند به انتخاب بهینۀ معماری برای کاربردهای مختلف کمک کند. در نهایت، لازم است تا با توجه به اهمیت سرعت پاسخ‌گویی الگوریتم در رابطه با تأثیر تغییر متغیرها و انتخاب آن‌ها در سرعت پاسخ‌گویی الگوریتم و افزایش آن، پژوهش‌های بیشتر انجام شوند.

 

[1] تاریخ ارسال مقاله: 10/07/1403

تاریخ پذیرش مقاله: 16/10/1403

نام نویسندۀ مسئول: آرش دهستانی کلاگر

نشانی نویسندۀ مسئول: ایران، تهران، دانشگاه صنعتی مالک اشتر، مجتمع دانشگاهی برق و کامپیوتر

 

[1] Shipboard Power System

[2] Distributed Energy Resources

[3] Multi-Agent Systems

[4] Agent

[5] Cumulative Distribution Function

[6] Multi-Objective Particle Swarm Optimization

[7] Demand Response Programs

[8] Mixed-Integer Quadratic Programming

[9] Aircraft Landing Problem

[10] Particle Swarm Optimization

[11] Immune Artificial Intelligence System

[12] Grey Wolf Optimization

[13] Genetic Algorithm

[14] Flower Pollination Algorithm

[15] Imperialist Competitive Algorithm

[16] Non-dominated Sorting Genetic Algorithm II

[17] Chaos-based Adaptive Differential Algorithm

[18]Differential Evolution for Multi-objective Optimization

[19] Expected Probability of Damage

[20] Kennedy & Eberhart

[21] Position

[22] Velocity

[23] Personal Best

[24] Global Best

[25] Inertia Weight

[26] Newton-Raphson method

[27] Vital Loads

[28] Semi Vital Loads

[29] Non-Vital Loads

[30] Main Turbine Generator

[31] Auxiliary Turbine Generator

[32] Asynchronous Bus Transfer

  • Ullah, S. Rahman, and I. A. Khan, “SST-Based Marine Shipboard System to Achieve Improved Performance & Easy Renewable Energy Integration”, in 2023 IEEE Texas Power and Energy Conference (TPEC), 13-14 Feb. 2023, pp. 1-6, 2023. https://doi.org/10.1109/TPEC56611.2023.10078485
  • Satpathi, A. Ukil, and J. Pou, “Short-Circuit Fault Management in DC Electric Ship Propulsion System: Protection Requirements, Review of Existing Technologies and Future Research Trends”, IEEE Transactions on Transportation Electrification, Vol. 4, No. 1, pp. 272-291, 2018, https://doi.org/10.1109/TTE.2017.2788199
  • Babaei, J. Shi, and S. Abdelwahed, “A Survey on Fault Detection, Isolation, and Reconfiguration Methods in Electric Ship Power Systems”, IEEE Access, Vol. 6, pp. 9430-9441, 2018, https://doi.org/10.1109/ACCESS.2018.2798505
  • Rajaram, K. Sathish Kumar, and N. Rajasekar, “Power system reconfiguration in a radial distribution network for reducing losses and to improve voltage profile using modified plant growth simulation algorithm with Distributed Generation (DG)”, Energy Reports, Vol. 1, pp. 116-122, 1 Nov. 2015. https://doi.org/10.1016/j.egyr.2015.03.002
  • A. N. Guimaraes, J. F. C. Lorenzeti, and C. A. Castro, “Reconfiguration of distribution systems for stability margin enhancement using tabu search”, in 2004 International Conference on Power System Technology, PowerCon 2004., 21-24 Nov. 2004, Vol. 2, pp. 1556-1561, 2004. https://doi.org/10.1109/ICPST.2004.1460251
  • J. Sarfi, M. M. A. Salama, and A. Y. Chikhani, “A survey of the state of the art in distribution system reconfiguration for system loss reduction”, Electric Power Systems Research, Vol. 31, No. 1, pp. 61-70, 1 Oct. 1994. https://doi.org/10.1016/0378-7796(94)90029-9
  • Mitra, and G. K. Venayagamoorthy, “Implementation of an Intelligent Reconfiguration Algorithm for an Electric Ship's Power System”, IEEE Transactions on Industry Applications, Vol. 47, No. 5, pp. 2292-2300, 2011. https://doi.org/10.1109/TIA.2011.2161849
  • Wooldridge, “An introduction to multiagent systems”, John Wiley & Sons, 2009.
  • Bose, S. Pal, B. Natarajan, C. M. Scoglio, S. Das, and N. N. Schulz, “Analysis of Optimal Reconfiguration of Shipboard Power Systems”, IEEE Transactions on Power Systems, Vol. 27, No. 1, pp. 189-197, 2012. https://doi.org/10.1109/TPWRS.2011.2163948
  • S. Gharehveran, K. Shirini, S. C. Khavar, S. H. Mousavi, and A. Abdolahi, “Deep learning-based demand response for short-term operation of renewable-based microgrids”. J Supercomput Vol. 80, pp. 26002–26035, 2024. https://doi.org/10.1007/s11227-024-06407-z
  • S. Gharehveran, S. Ghassemzadeh, and N. Rostami. “Resilience-Oriented Planning and Pre-Positioning of Vehicle-Mounted Energy Storage Facilities in Community Microgrids”, Journal of Energy Storage, Vol. 72, 15 Nov. 2023, p. 108263, Accessed 14 Apr. 2024. https://doi.org/10.1016/j.est.2023.108263
  • S. Gharehveran, S. Ghassemzadeh, and N. Rostami, “Two-stage resilience-constrained planning of coupled multi-energy microgrids in the presence of battery energy storages”, Sustainable Cities and Society, Vol. 83, 2022. https://doi.org/10.1016/j.scs.2022.103952
  • Ahrari, K. Shirini, S. S. Gharehveran, M. Ghazizadeh, S. Haidari, and P. Anvari, “A Security-Constrained Robust Optimization for Energy Management of Active Distribution Networks with Presence of Energy Storage and Demand Flexibility”, Journal of Energy Storage, Vol. 84, 21 Feb. 2024, pp. 111024–111024, Accessed 1 Dec. 2024. https://doi.org/10.1016/j.est.2024.111024
  • Shirini, H. S. Aghdasi, and S. Saeedvand, “Modified imperialist competitive algorithm for aircraft landing scheduling problem”, J Supercomput Vol. 80, pp. 13782–13812, 2024. https://doi.org/10.1007/s11227-024-05999-w
  • Shirini, H. S. Aghdasi, and S. Saeedvand, “Multi-objective aircraft landing problem: a multi-population solution based on non-dominated sorting genetic algorithm-II”, J Supercomput Vol. 80, pp. 25283–25314, 2024. https://doi.org/10.1007/s11227-024-06385-2
  • Li, L. Yong, T. Yi, X. Juanxia, and C. Yijia, “Reconfiguration optimization of DC zonal distribution network of shipboard power system”, in 2016 IEEE Transportation Electrification Conference and Expo, Asia-Pacific (ITEC Asia-Pacific), pp. 444-448, 1-4 June 2016. https://doi.org/10.1109/ITEC-AP.2016.7512995
  • R. Bussieck, and A. Meeraus, “General algebraic modeling system (GAMS)”, in Modeling languages in mathematical optimization, Springer US, pp. 137-157, 2004. https://doi.org/10.1007/978-1-4613-0215-5_8
  • Ma, J. Zhang, and G. Ren, “An improved selection strategy differential evolution algorithm for reconfiguration of shipboard power system”, in 2015 5th International Conference on Information Science and Technology (ICIST), pp. 131-135, 24-26 Apr. 2015. 2015. https://doi.org/10.1109/ICIST.2015.7288955
  • R. Davey, and R. E. Hebner, “Reconfiguration of shipboard power systems”, CEM Publications, 2015.
  • K. Srivastava, and K. L. Butler-Purry, “Probability-based predictive self-healing reconfiguration for shipboard power systems,” IET Generation, Transmission & Distribution, Vol. 1, No. 3, p. 405, 2007, https://doi.org/10.1049/iet-gtd:20060168
  • Das, S. Bose, S. Pal, N. N. Schulz, C.M. Scoglio, and B. Natarajan, “Dynamic reconfiguration of shipboard power systems using reinforcement learning”, IEEE Transactions on Power Systems, Vol. 28, No. 2, pp. 669-676, 2013. https://doi.org/10.1109/tpwrs.2012.2207466
  • Pal, S. Bose, S. Das, C.M. Scoglio, B. Natarajan, N. N. Scoglio, “Shipboard power system reconfiguration using reinforcement learning”, in 2010 IEEE North American Power Symposium (NAPS), pp. 1-7, 2010. https://doi.org/10.1109/naps.2010.5618962
  • Ghimire, M. Zadeh, J. Thorstensen, and E. Pedersen, “Data-Driven Efficiency Modeling and Analysis of All-Electric Ship Powertrain; A Comparison of Power System Architectures”, in IEEE Transactions on Transportation Electrification, https://doi.org/10.1109/TTE.2021.3123886
  • Bosich, A. Vicenzutti, R. Pelaschiar, R. Menis, and G. Sulligoi, “Toward the future: The MVDC large ship research program”, in 2015 AEIT International Annual Conference, 2015.
  • Skjong, R. Volden, E. Rodskar, M. Molinas, T. A. Johansen, and J. Cunningham, “Past, present, and future challenges of the marine vessel’s electrical power system”, IEEE Trans. Transp. Electrif., Vol. 2, No. 4, pp. 522–537, 2016. https://doi.org/10.1109/tte.2016.2552720
  • IEEE Recommended Practice for 1 kV to 35 kV Medium-Voltage DC Power Systems on Ships. IEEE Standards 1709-2010, 1-54, Nov. 2010.
    https://doi.org/10.1109/IEEESTD.2010.5623440
  • V. Amy, “Condiserations in the Design of Naval Electric Power Systems”, in IEEE Power Engineering Society Summer Meeting, Vol. 7, pp. 57–68, 2002.
  • Zohrabi, J. Shi, and S. Abdelwahed, “An overview of design specifications and requirements for the MVDC shipboard power system”, Int. J. Electr. Power Energy Syst., Vol. 104, No. May 2018, pp. 680–693, 2019. https://doi.org/10.1016/j.ijepes.2018.07.050
  • Sulligoi, S. Member, D. Bosich, and A. Vicenzutti, “Design of Zonal Electrical Distribution Systems for Ships and Oil Platforms: Control Systems and Protections”, IEEE Trans. Ind. Appl., Vol. 56, No. 5, pp. 5656–5669, 2020. https://doi.org/10.1109/tia.2020.2999035
  • Jin, G. Sulligoi, R. Cuzner, L. Meng, J. C. Vasquez, and J. M. Guerrero, “Next-Generation Shipboard DC Power System”, IEEE Electrification Mag., Vol. 4, No. 2, pp. 45–57, 2016. https://doi.org/10.1109/mele.2016.2544203
  • Xu, J. M. Guerrero, A. Lashab, B. Wei, N. Bazmohammadi, J. Vasquez, and A. M. Abusorrah, “A Review of DC Shipboard Microgrids - Part I: Power Architectures, Energy Storage, and Power Converters”, IEEE Trans. Power Electron., Vol. 37, No. 5, pp. 5155–5172, May 2022, https://doi.org/10.1109/TPEL.2021.3128417
  • G. Jayasinghe, L. Meegahapola, N. Fernando, Z. Jin, and J. M. Guerrero, “Review of ship microgrids: System architectures, storage technologies and power quality aspects”, Inventions, Vol. 2, No. 1, p. 4, 2017. https://doi.org/10.3390/inventions2010004
  • M. Shami, A. A. El-Saleh, M. Alswaitti, Q. Al-Tashi, M. A. Summakieh, and S. Mirjalili, “Particle Swarm Optimization: A Comprehensive Survey”, in IEEE Access, Vol. 10, pp. 10031-10061, 2022, https://doi.org/10.1109/ACCESS.2022.3142859
  • Elbeltagi, T. Hegazy, and D. Grierson, “Comparison among Five Evolutionary-Based Optimization Algorithms”, Advanced Engineering Informatics, Vol. 19, No. 1, pp. 43–53, Jan. 2005. https://doi.org/10.1016/j.aei.2005.01.004
  • Ooldridge, “An introduction to multiagent systems”, John Wiley & Sons, 2009.
  • L. Butler, and N. D. R. Sarma, “General reconfiguration methodology for AC radial shipboard power systems”, in 2000 IEEE Power Engineering Society Winter Meeting. Conference Proceedings (Cat. No.00CH37077), Vol. 2, pp. 1226-1230, 23-27 Jan. 2000. https://doi.org/10.1109/PESW.2000.850121
  • Khushalani, J. Solanki, and N. N. Schulz, “Optimized restoration of combined ac/dc shipboard power systems including distributed generation and islanding techniques”, Elect. Power Syst. Res., Vol. 78, pp. 1528–1536, 2008. https://doi.org/10.1016/j.epsr.2008.01.019

S. Bose, S. Pal, C. Scoglio, B. Natarajan, S. Das, and N. N. Schulz, “Analysis of optimized reconfiguration of power systems for electric ships”, in Proc. North American Power Symp., pp.1-7, 26–28 Sep. 2010. https://doi.org/10.1109/naps.2010.5618967