بخشی از مقاله
*** این فایل شامل تعدادی فرمول می باشد و در سایت قابل نمایش نیست ***
بکارگيري الگوريتم بهبود يافته PSO در مکان يابي و تعيين اندازه چندهدفي توليدات پراکنده تجديد پذيربا در نظر
گرفتن الگوهاي بار
چکيده - مولدهاي الکتريکي از نوع منابع الکتريسيته ي تجديد پذير کم صدا،پاک و قابل اطمينان هستند.جايابي و تعيين اندازه بهينه ي مولدهاي توليد پراکنده تجديدپذير باعث کاهش در مقادير توابعي مانند تلفات ، هزينه هاي توليد انرژي الکتريکي و خطاي ولتاژ مي شود.بدليل پيشرفت هاي اخيردرتکنولوژي واحدهاي فتوولتاييک ، توربين بادي و واحدهاي پيل سوختي ، تنها اين مولدها مورد نظر ما قرار گرفته اند.در اين مقاله يک الگوريتم بهينه سازي چند هدفه براي تعيين اندازه و جايابي توليدات پراکنده تجديدپذير با هدف کمينه کردن هزينه ها، آلودگي و تلفات سيستم توزيع و بهينه کردن پروفيل ولتاژ ارائه خواهد شد. اين بهينه سازي چند هدفه با استفاده از الگوريتم بهينه سازي هوش جمعي
PSO) خواهد گرفت . الگوريتم نظريک حافظه ي اضافه براي ( صورت در مورد حفظ جواب هاي غيرغالب (Pareto)در طول فرآيند جستجو در نظر گرفته شده است . از آنجا که توابع هدف يکسان نيستند، يک تکنيک دسته بندي فازي براي کنترل اندازه ي حافظه در مقابل محدوديت ها بکار مي رود. اين الگوريتم روي يک سيستم توزيع تست ۷۰باسه ، ۱۱کيلوولت اجرا مي شود. نتايج تحقيق نشان از کارايي ، دقت و سرعت الوگريم ت پاهنشي دي در حل مه لئس مورد نرظ مي باشد.
واژه هاي کليدي -الگوريتم بهبود يافته PSO، توليدات پراکنده تجديدپذير، تعيين اندازه ، مکان يابي بهينه
۱- مقدمه
توليدات پراکنده به عنوان منابع مقياس کوچکي تعريف مي شوند که در اکثر موارد از منابع تجديد پذير براي توليد برق استفاده مي کنند و عموماً به طور مستقيم به سيستم انتقال متصل نيستند و اتصال اين منابع به شبکه توزيع منجر به تغييرات بعضاً مفيدي در مشخصه هاي اصلي شبکه ي توزيع مي گردد [١] . با افزايش استفاده از توليدات پراکنده و همچنين مسايل فني و مالي اين تکنولوژي ها، مسايل جديدي از جمله تعيين ظرفيت و مکان اتصال اين منابع به
شبکه توزيع ، موردبررسي قرار گرفته است [٢].از مزاياي استفاده از توليدات پراکنده (Distriuted Generation) يا به اختصار DG مي توان به موارد زير اشاره کرد:
کم کردن هزينه تجهيزات قدرت ، کاهش تلفات انتقال توان ، بهبود پايداري سيستم از طريق تامين ذخيره چرخان مورد نياز شبکه ، بهبودپروفيل ولتاژ، امکان استفاده از انرژيهاي نو و تجديد پذير(حفظ محيط زيست )، تحقق خصوصي سازي با تبديل سرمايه گذاران بزرگ به سرمايه داران کوچک [٣] و[٤].
جايابي بهينه ي مولدهاي تجديدپذير انرژي به منظوريافتن محل بهينه ي قرارگيري و اندازه ي آنها با هدف کمينه يا بيشينه کردن يک تابع هدف خاص تحت قيود مشخص انجام مي گيرد
[٥].در سال هاي اخير تحقيقات مختلفي در اين زمينه انجام شده است که از آن جمله مي توان به موارد زير اشاره کرد: در[٦] يک روش براي جايابي واحدهاي DG بر اساس آناليز پخش بار پيوسته و تعيين حساسيت باس هابه فروپاشي ولتاژ به منظور بهبود پروفيل ولتاژ ارائه شده است . در[٧] محل مناسب نصب و اندازه واحدهاي انرژي تجديد پذير در شبکه توزيع توسط الگوريتم بهينه - يابي جفت گيري زنبور عسل محاسبه و مشخص شده است . در[٨] توسط ترکيب دو الگوريتم فازي و ژنتيک و بهره گيري ازمدل مارکوف اندازه بهينه واحدهاي توليد پراکنده تجديد پذير با هدف کمينه سازي انتشار گازهاي گلخانه اي محاسبه شده است . در[٩] از الگوريتم کلوني زنبور عسل براي يافتن محل و اندازه مناسب واحدهاي DG در شبکه توزيع شعاعي استفاده شده است .در[١٠] از الگوريتم PSO براي تعيين سايز و محل مناسب DG در شبکه با هدف بهبود پروفايل ولتاژ و کاهش استفاده شده است . همچنين در مرجع [١١]از روش مونت کارلو و در [١٢]از الگوريتم جستجوي تابو براي جايابي بهينه ي مولدهاي انرژي هاي نو بهره گرفته شده است . در اين تحقيق يک بهينه سازي چند هدفه براي جايابي و تعيين اندازه مولدهاي توليد پراکنده تجديدپذير با استفاده از الگوريتم توسعه يافته ي PSO بکاررفته است . الگوريتم اوليه ي
PSO عموماًبه بهينه ي محلي همگرا مي شود،به منظور جلوگيري از اين نقص ، در اين مقاله از يک مکانيزم تطبيقي فازي براي افزايش دقت الگوريتم و اصلاح پارامترهاي آن در موقع نياز استفاده شده است . اهداف شامل کمينه کردن هزينه هاي توليد انرژي ، آلاينده ها و تلفات توان حقيقي سيستم توزيع و بهينه سازي پروفيل ولتاژ است .در الگوريتم ارائه شده يک حافظه ي خارجي براي ذخيره ي جواب هاي غيرغالب مورد استفاده قرار گرفته است . از آنجا که توابع هدف ، طبيعت رقابتي دارند،يک الگوريتم دسته بندي براي کنترل اندازه ي حافظه ي خارجي بکار برده شده است .
۲-فرمول بندي مسئله
هدف اصلي الگوريتم مورد نظر، تعيين مکان و اندازه ي بهينه ي مولدهاي توليد پراکنده با مينيمم کردن توابع هدف گوناگون مي باشد. اين بخش چهار نوع از توابع هدف و قيود عملي آنها در سيستم توزيع را بيان مي کند.
۲-۱توابع هدف
۲-۱-۱کمينه کردن هزينه
هزينه ي هر کيلووات ساعت انرژي الکتريکي توليد شده توسط مولدهاي تجديد پذير انرژي تابعي از هزينه ي کل ، هزينه ي سوخت ، و هزينه ي نگهداري است [١٣]. تابع هدف هزينه به صورت زير است :
که در آن a و bعبارتند از:
در روابط بالا LF ضريب توان مي باشد، Gr نرخ سالانه ي سود و O&M cost هزينه ي نگهداري و عملکرد است . کمينه کردن تابع هزينه مي تواند بصورت زير مدل شود[١٤]:
جايي که Pfc،Pwind و Ppv به ترتيب توان توليد شده توسط واحدهاي پيل سوختي ،واحدهاي بادي و واحدهاي فتوولتاييک هستند، Psub نرخ توان پست مي باشد،همچنين Nfc،Nwind ،Npv به ترتيب تعداد واحدهاي پيل سوختي ، بادي و فتوولتاييک مي باشد.
همچنين Qsub هزينه ي نصب پست مي باشد.X برداري است که مکان و توان واحد هارا نشان مي دهدو تابع هدف اوليه مي باشد که بايد کمينه شود.جدول ١مشخصات اقتصادي مربوط به هر يک از مولدها را نشان مي دهد[١٥].
۲-۱-۲کمينه کردن خطاي ولتاژ باسها
ولتاژ باس يکي از مهمترين نشان هاي کيفيت توان و امنيت شبکه مي باشد،که بصورت زير مي تواند توصيف شود:
که Nbus مجموع تعداد باس ها، Vi ولتاژ حقيقي باس iام و VRatingولتاژنامي است [١٦].
2-1-3کمينه کردن تلفات توان
کاهش تلفات توان حقيقي فيدرهاي توزيع بعنوان هدفي مهم در پياده سازي مولدهاي تجديد پذير به شمار مي رود.کمينه کردن تلفات توان حقيقي فيدرها همانند زير محاسبه شود:
که Ri و Ii، به ترتيب مقاومت و جريان حقيقي شاخه ي iام مي باشندو Nbr تعداد شاخه ها است ، Δtبازه ي زماني است برابر با يک سال است و Nd تعداد کل سال ها است برابر ١٠است [١٤].
۲-۱-۴کمينه کردن آلاينده ها
آلاينده هاي اتمسفري SOx و NOx برحسب ton.h که متأثر از سوخت هاي فسيلي هستند بصورت زير قابل محاسبه است :
که در آن αi،βi ،γi ،ξi و λiضرايب آلاينده ي iامين ژنراتور هستند، Pi خروجي الکتريکي ژنراتور iام ، mتعداد ژنراتورهاي متعهد به سيستم و تابع هدف چهارم است که بايد مينيمم شود[١٦].
۲-۲قيود حل مسئله
۲-۲-۱قيود ولتاژ
ولتاژ شبکه بايد همواره در حد مجاز قرار بگيرد:
که در آن ، به ترتيب حدود بالا و پايين مي باشند.
همچنين دامنه ي ولتاژدر باس kاست [١٥].
۲-۲-۲قيود تعداد مولدها
اگر همه ي بارها توسط ژنراتورهاي محلي شان تأمين شوند، تلفات در سيستم مي تواند به کلي حذف شود.اين موضوع تقريبا ممکن نيست چرا که هزينه ي سرمايه گذاري بسيارزياد مي شود.از اينرو براي کاهش تلفات تعداد مشخصي مولد را ترجيح مي دهيم .
که در آن به ترتيب تعدادمولدهاي تعيين شده و تعداد مولدهاي مشخص شده مي باشند[١٥].
۲-۲-۳قيود اندازه مولد ها
اندازه ي کلي مولدها مي تواند با رابطه ي زير بيان شود:
که درآن ظرفيت Kامين مولد و توان کلي باراست . [15]
همچنين ،ηثابتي بصورت ١>η>٠ مي باشد
۳- اصول بهينه سازي چندهدفه وکليات الگوريتم (هوش جمعي )PSO استاندارد
در مسائل بهينه سازي چند هدفه مفهوم بهينه سازي مناسب ، با بهينه سازي پارتو جايگزين شده است . پاسخ مناسب (يا بهينه ي پارتو)، پاسخي است که نمي تواند بدون بدتر شدن عملکرد آن در حداقل يکي از ساير جواب ها، در تابع تک هدفه بهبوديابد[١٧]. به بيان ديگر براي يک مسأله ي بهينه سازي چندهدفه ي داده شده داريم :
که در آن امين تابع هدف و Xيک جواب قابل قبول است [١٨].دريک مسأله ي مينيمم سازي يک پاسخ X1 پاسخ X2 را مغلوب مي کند اگر دو شرط زير ارضا شوند:
اگر دو شرط فوق برآورده شود، X1 ، X2 را مغلوب مي کند. پاسخ هايي که در تمام فضاي ممکن جستجو غير غالب هستند بعنوان بهينه ي پارتو معرفي مي شوند[١٨].
الگوريتم PSO در سال ١٩٩٥توسط دکتر Eberhart و دکتر Kennedy با الهام گرفتن از رفتار اجتماعي پرندگان بدست آمد.
الگوريتم PSO در آغاز فرايند حل مسأله توسط يک گروه تصادفي از ذرات مقدار دهي اوليه مي شود و در مسير رسيدن به نقطه مطلوب ، نسل قبل ذرات را اصلاح مي کند.در هر مرحله هر ذره به کمک دو مقدار "بهترين "بازسازي مي گردد. "اولين بهترين "، بهترين حلي است که تا کنون خود ذره به آن دست يافته است (Pbest)و "دومين بهترين "بهترين راه حل موجود درميان ساير جوابهاست (Gbest).پس از شناسايي دو مقدار بهترين تمامي ذرات سرعت و موقعيت قبلي خود را متناظر با مقادير بدست آمده و طبق معادلات (١١) و (١٢) بروز رساني مي کنند[١٠]:
که به ترتيب نشانگر سرعت و موقعيت ذره i ام در زمان حاضر،(٠)rand يک عدد تصادفي در بازه (0,1)است ، c1 و c2پارامترهاي يادگيري وw.وزن اينرسي ذره مي باشد[١٠].
1-3تنظيم پارامترهاي PSO و الگوريتم پيشنهادي MFSAPSO
در اين مقاله براي حل مشکل گرفتار شدن نتايج الگوريتم PSOدر مينيمم هاي محلي از يک روش تطبيقي فازي براي اصلاح ضرايب PSO استفاده شده ودو تابع عضويت فازي پيشنهاد شده است . يکي مطابق شکل (١) براي تنظيم پارامترهاي يادگيري ( 1Cو 2C) با ورودي هاي بهترين نقطه سراسري (BF)و تعداد نسل براي نقطه بهينه غير متغير(NU)و ديگري مطابق شکل (٢) براي تنظيم ضريب اصلاح وزني با ورودي هاي
نامگذاري هاي مربوطه بر روي اشکال در جداول زير آمده است :
براي بيان گزاره هاي شرطي که نمايانگر نگاشتي از فضاي ورودي به خروجي مي باشند از قانون فازي Mamdani بهره گيري شده است .
از آنجاييکه براي تصحيح ضريب وزني به هر دو تغييرات مثبت و منفي نياز مي باشد لذا بازه لحاظ مي گردد:
همچنين نياز است مقادير پارامترهاي يادگيري وضريب وزني مطابق رابطه (١٦) به بازه معيني محدود شوند:
۳-۲دسته بندي فازي براي کنترل اندازه ذخيره کننده
از آنجا که توابع هدف موجود در مسأله پيشنهادي تناسب ناپذير هستند از يک روش دسته بندي مبتني بر تکنيک فازي براي کنترل اندازه ذخيره کننده استفاده ميشودويک تابع عضويت فازي براي تشخيص بهترين جواب هرتابع هدف تعريف مي شود:
که درآن به ترتيب حدپاييني بالايي تابع هدف iام هستندکه به صورت جداگانه بدست مي آيند[١٩]. براي هر جمعيت داخل ذخيره کننده مقدارتابع عضويت نرماليزه شده به صورت زيرمحاسبه مي شود:
