بخشی از مقاله
*** این فایل شامل تعدادی فرمول می باشد و در سایت قابل نمایش نیست ***
برنامه ریزی توسعه ظرفیت تولید برق
با استفاده از روشهای ابتکاری
چکیده
توسعه سیستم قدرت بخشی از برنامه ریزی انرژی می باشد و عموما براساس سیاستهای خاص توسعه در جهـت منـابع ملی هر کشورانجام می شود .در این جا مسئله به صورت تعیین طرح توسعه بر اسـاس هزینـه اقتصـادی آن بـا رعایـت محدودیتهای منابع انرژی می باشد. علاوه بر سیاست های مبتنی بر منافع ملی ، توسـعه سیسـتم قـدرت هماهنـگ بـا میزان افزایش تقاضای انرژی در آینده صورت می گیرد . هدف ، یافتن بهترین طرح توسعه ظرفیت متناسـب بـا میـزان مصرف می باشد بطوریکه طرح توسعه علاوه بر اقتصـادی بـودن از محـدودیت هـای قابلیـت اعتمـاد و مسـایل زیسـت محیطی وسایر قیود خارج نشود . در این مقاله مسئله تعیین طرح توسعه تولید برق مدل شـده و دو الگـوریتم ابتکـاری ژنتیک و VNS برای حل آن پیشنهاد شده و نتایج و کیفیت حل هر یک از آنها مورد بررسی قرار گرفته است .
واژه های کلیدی : برنامه ریزی توسعه ظرفیت - تولید برق - الگوریتم ژنتیک - الگوریتم VNS
-1 مقدمه
هدف از برنامه ریزی توسعه تولید جستجو برای انتخاب اقتصادی ترین طرح توسعه تولید با دست یابی بـه یـک سـطح خاص قابلیت اعتماد و مطابق با پیش بینی افزایش تقاضا در یک دروه زمانی خاص می باشد.
در این طرح سئولاتی که باید پاسخ داده شوند عبارتند از :
-1 نوع نیروگاههای تولید قدرت که باید سیستم اضافه شوند چیست ؟
-2 هزینه سوخت و منابع انرژی مورد نیاز در طرح به چه میزان است ؟
-3 زمان ساخت و بهره برداری از این واحد ها چه وقت می باشد ؟
-4 مکان استقرار این واحدهای تولیدی در کجاست ؟
مسئله برنامه ریزی توسعه تولید به صورتی که توضیح داده شد یک مسئله بسیار پیچیده اسـت و از نظـر ریاضـی یـک مسئله غیر خطی با ابعاد وسیع وخصوصیات احتمالی می باشد .ارزش اولیه هزینـه سـاخت نیروگاههـای تولیـد وهزینـه بهـره
برداری سالانه از انها هیچکدام توابع خطی از متغیرهای تصیم گیری نیستند .به علاوه برخی محدودیتها از جمله قیـد قابلیـت اعتماد نیز غیر خطی هستند .
-2 مرور ادبیات
درسالهای اخیر روش های متنوعی برای بررسی مسئله GEP مطرح شده اند.در اینجا مروری کوتـاه بـر ایـن روش هـا خواهیم کرد .
استفاده از مدل های برنامه ریزی ریاضی در برنامه ریزی منابع الکتریکی تاریخچه ای طولانی دارد .عموما مسئله بهینـه سازی GEP یک مسئله غیر خطی ، عدد صحیح ، تصادفی و چند هدفی می باشد و معمولا برای حل این مسئله ساده سازی های صورت می گیرد .
در مرجع [2] مروری بر کارهای گذشته در زمینه برنامه ریزی تولید وسرمایه گذاری کمینه و امکان بکـارگیری برنامـه ریزی خطی در حل این مسایل شده است .
درمرجع [3] به مدل های برنامه ریزی ریاضی در طرح توسعه تولید نیروگاهی از جمله به روش های مدل سازی جدید تر شامل برنامه ریزی غیر خطی ، برنامه ریزی احتمالی 1و برنامه ریزی چند هدفه2 و کاربرد آنهـا در ارزیـابی قابلیـت اعتمـاد، نوسانات تقاضا و شرایط زیست محیطی پرداخته شده است .روش های بهینه سازی ابتکاری شامل تکنیـک هـایی بـرای حـل مسائل بهینه سازی با ابعاد بزرگ در مقاله [1] مرور شده اند . این روش ها شامل سیستم های خبره3 ، تئوری فـازی ، شـبکه های عصبی ، الگوریتم های ژنتیک و ... می باشند .
در روش برنامه ریزی خطی یا حداکثر کردن یک تابع هدف خطی با وجود تعدادی محدودیت خطی تساوی یا نامساوی ، پرداخته می شود .در مسئله GEP معمولا تابع هدف جمیع هزینه های سرمایه گذاری وبهره برداری می باشد و محـدودیت ها شامل تعادل تقاضا و ظرفیت ، ذخیره مورد نیاز ، مسایل زیست محیطی و ... می شـود مـی تـوان مسـئله را پـس از خطـی کردن با روش برنامه ریزی خطی حل کرد .مزیت برنامه ریزی خطی قابلیت اجرای ساده آن به کمک الگوریتم های موجود در سیستم های بزرگ می باشد.
از آنجا که برنامه ریزی خطی LP برای جنبه های مختلف مسئله برنامه ریزی تولید مناسب نمی باشـد لـذا تعـدادی از روش های جایگزین پیشنهاد شده اند و بعضی از آنها در صنعت برق بطور گسترده ای مورد استفاده قرارگرفته اند .از جمله می توان از روش های برنامه ریزی مختلط عددصحیح ، برنامه ریزی غیر خطی ، برنامه ریزی احتمالی و برنامه ریزی چنـد هدفـه نام برد .
از بین مدل های برنامه ریزی ریاضی غیر احتمالی ، برنامه ریزی پویا DP در طراحی نوع مسئله مناسب می باشد. ایـن
روش درمواجه با متغیر های گسسته ، توابع هدف و محدودیت های غیر خطی، بسیار انعطاف پذیر است. عمده تـرین اشـکال برنامه ریزی پویا مشکل مسایل با ابعاد بزرگ می باشد که در این موارد ، یک طرح بهینه ، بسیار زمـان بـر خواهـد بـود و بـه حافظه زیادی نیاز دارد .
در سالهای اخیر ازکاربرد الگوریتم ژنتیک ، به عنوان یکی از روشهای بهینه سازی ابتکاری در سیستمهای قدرت نتـایج خوبی بدست آمده است [4] در زمینه برنامه ریزی توسعه تولید نیز استفاده ازاین الگوریتم می تواند بعنوان جـایگزینی بـرای روشهای بهینه سازی دیگر ( از جمله برنامه ریزی پویا) بخصوص در برخورد با مسایل با ابعاد بزرگ ، مطرح شود . [5 ] مزیـت اصلی روش الگوریتم ابتکاری این است که با وجود ابعاد بزرگ مسئله درزمان محاسباتی مناسب به جواب بهینه می رسد .
-3 برنامه ریزی توسعه ظرفیت
برنامه ریزی توسعه ظرفیت تولید ، یک مسئله بهینه سازی با اهداف و معیارهای متفاوت می باشد . این معیارها احتمالا شامل اقتصادی ، اجتماعی و فنی خواهند بود . در واقع این مسئله بهینه سـازی معـادل بـا مسـئله تصـمیم گیـری در زمینـه انتخاب گزینه های مختلف با توجه به ارزش و اهمیت آنها در هدف توسعه می باشد .
اطلاعات مورد نیاز در برنامه ریزی دراز مدت توسعه تولید عبارتند از :
• پارامترهای فنی و اقتصادی گزینه های کاندید ، برنامه ریزی بار ، منابع و سرمایه
• پیش بینی توزیع بار
• اطلاعات سابقه شرایط آب و هوایی ، فلوی آب طبیعی رودخانه های ، باد و تابش
• پیش بینی سالانه تقاضا
• توزیع احتمالی هزینه ها و قیمتها ( سوخت ، احداث و بهره برداری)
• مقررات
در نظر گرفتن تمامی عوامل در برنامه ریزی یکپارچه بخاطر ابعاد بسیار بزرگ مسئله عملا نـاممکن اسـت و معمـولا در برنامه ریزی توسعه ، ساده سازی هایی صورت می گیرد .
روش برنامه ریزی بر اساس مدل متمرکز سیستم تولید انجام می شود که در این روش از اثـر توزیـع جغرافیـایی بـار و نیروگاهها صرف نظر می شود و تمامی بار مصرفی و نیروگاههای قدرت در یک نقطه به شکل متمرکز در نظر گرفته می شوند .
در نهایت تعیین می گردد که چه تعدادی از واحدهای تولیدی ، از چه نوعی و در چه زمانی توسعه یابند ، امـا محـل اسـتقرار این واحد ها مورد بررسی قرار نمی گیرد .
چنین مدلهایی برای توسعه همه شبکه های قدرت مناسب نیستند . اگر توزیع بار و منابع انرژی به طور نسبی یکنواخت باشد و شبکه انتقال سیستم نیز قوی باشد ، این روش به اندازه کافی دقیق است .
-4 مدل سازی توسعه ظرفیت
برنامه ریزی توسعه تولید ، مشابه با حل مسئله کمینه کردن تابع هزینه با توجه به قیود و محدودیتهای مورد نظر مـی باشد .
افزایش ظرفیت تجمعی X با استفاده از ماتریس U در محدودیت اول نشان داده شده است . و بردار X 0 بیانگر تعـداد ظرفیت اولیه موجود از هر نوع واحد در ابتدای دوره مطالعه می باشد .
محدودیت دوم قید قابلیت اعتماد است که در اینجا با شاخص احتمال از دست رفتن بار یا LOLP بیان می شود .
محدودیت سوم ، محدودیت ذخیره مورد نیاز است . میزان ذخیره تولید بایـد در حـد دلخـواهی باشـد . ذخیـره تولیـد بصورت تفاضل ظرفیت تولید و حداکثر بار در هر سال تعریف می شود . لذا داریم :
مثلا با اعمال محدودیت حداقل 15 درصد و حداکثر 60 درصد پیک سالانه برای ذخیره خواهیم داشت :
یعنی مجموع ظرفیت تولید در دوره های مورد مطالعه باید در محدوده مورد نظر قرار بگیرد .
محدودیت چهارم نیز محدودیت موجودیت سوخت مورد نیاز نیروگاهها در دوره های برنامه ریزی است که باید در حـد معیینی باشد . این حد بالا و پایین را به صورت درصدی از ظرفیت کل در نظر می گیریم . بـه ایـن شـکل کـه مـثلا مجمـوع ظرفیتهای نیروگاههای با سوخت ذغال سنگ کمتر از %20 کل ظرفیتهای موجود نباشد و همچنـین از %60 کـل ظرفیتهـای موجود افزون نشود .
i در محاسبات زیر نشانگر نرخ بهره در طول دوره برنامه ریزی است .
تابع ( f1 (U هزینه ساخت طرح U را در طول کل دوره مطالعه نشان می دهد .
: C k ظرفیت واحد از نوع k بر حسب MW
: Ak قیمت ساخت مربوط به واحد نوع k برحسب پول بر MW
تابع ( f 2 ( X هزینه های بهره برداری از سیستم را نشان می دهد . هزینه های بهره برداری شامل هزینه های متغییر سوخت و بهره برداری و هزینه های ثابت تعمیر و نگهداری می شوند . کلیه هزینه ها در وسط سالهای مورد مطالعه لحاظ می شوند و در نهایت جمع مقادیر ارزش کنونی این هزینه ها ، محاسبه می شود
: B k هزینه ثابت تعمیر و نگهداری
هزینه های متغییر سوخت تابعی از میزان تولید انرژی هر واحد موجود در سیستم می باشد . در محاسبه انرژی تولیدی هر واحد ، هزینه سوخت مصرفی با در نظر گرفتن احتمال خروج اجباری واحدها محاسبه می شود .
تابع ( f 3 ( X ارزش بازیافت سرمایه ساخت طرح U را در دوره مطالعه را نشان مـی دهـد . کـه از طریـق رابطـه زیـر محاسبه می گردد .
: Skt فاکتور بازیافت سرمایه ای در افق مطالعاتی مربوط به k و . t
-5 الگوریتمهای حل مسئله
-5-1 الگوریتم ژنتیک
-5-1-1 ساختار رشته ها
با توجه به طرح توسعه U بصورت زیر :
کروموزم هایی به صورت زیر تشکیل می دهیم که به صورت صحیح یا باینری کد می شوند :
