بخشی از مقاله
خلاصه
قابلیت اطمینان و بازیابی بهعنوان چالشآورترین مسائل در توسعه شبکههای هوشمند آینده در نظر گرفته میشوند. مشخصات گوناگون میتواند قابلیت اطمینان و فرآیند بازیابی سیستمهای توزیع توان آینده را تحت تاثیر قرار دهد. ادغام منابع انرژی تجدید پذیر هیبریدی و پیادهسازی برنامههای مدیریت سمت بار - - LS دو تا از مهمترین ویژگی شبکههای هوشمند آینده هستند. در این مقاله تاثیر ادغام انرژی خورشیدی و بادی و همچنین بکار بردن برنامههای LM بر روی
قابلیت اطمینان و پروسه بازیابی مورد آزمایش قرار میگیرند. سیستم تحت مطالعه بخشی است و شاخصهای قابلیت اطمینان سیستم SAIDI، SAIFI و ENS محاسبه میشوند.
.1مقدمه
پروسه بازیابی توان بهعنوان یک فاکتور اصلی در قابلیت اطمینان سیستم در نظر گرفته میشود. برای رسیدن به سطح رضایتبخشی از قابلیت اطمینان، باید بازیابی توان در مواردی که قطعی یا خاموشی سراسری صورت میگیرد، سریع،ایمن و قابلاطمینان باشد. یکی از تأثیرات کلیدی که میتواند سرویس بازیابی و قابلیت اطمینان شبکه را بهبود ببخشد،اتصال تولید پراکنده - - DG به شبکه است. مزایای بسیار گوناگونی وجود دارد که میتوان بهوسیله استفاده از DGها به آنها رسید.[1-5] بهصورت خاص در سرویس بازیابی ،DGها میتوانند بهوسیله تأمین توان اضافی برای شبکه،در راهاندازی مجدد به شرکتهای برق کمک کنند.
گزینه دیگر برای اپراتورهای شبکه در مورد خاموشی سراسری،پیادهسازی عمدی عملکرد جزیرهای برای بارهای محلی بااتصال DGها است و بدینصورت کل تقاضا برای شبکه برق را کاهش میدهند و فرآیند راهاندازی مجدد رامخصوصاً هنگامیکه ظرفیت کافی از شرکتهای برق موجود نیست را آسان میکنند. DGها همچنین میتوانند پروفیل ولتاژ را در زمان بازیابی افزایش دهند و از فروافتادگی ولتاژ که ممکن است کیفیت توان و قابلیت اطمینان را تحت تاثیر قرار دهد یا سبب قطع بارهای بیشتری شود جلوگیری کنند. علاوه بر این DGها مبتنی بر انرژی تجدید پذیر در کاهش آلودگیهای محیطی مؤثر هستند و راندومان بهرهگیری از انرژی و قابلیت اطمینان را بهبود میبخشند و درنتیجه استفاده از آنها را در شبکه محبوبتر میکند.[6]
مدیریت بار - - LM را میتوان بهعنوان هر اقدامی که بهوسیله مصرفکنندگان یا تأمینکنندگان برق برای کاهش کل بار پیک،افزایش فاکتورهای بار یا بهبود ظرفیت تولید،انتقال ،توزیع یا استفاده از منابع باارزش میباشد،تعریف کرد.[7] این موضوعمعمولاً با افزایش قیمت برق در زمان پیک و کاهش آن در زمانی که تقاضا پایین است صورت میگیرد و موجب میشود که پروفیل بار را هموار کند. باید ذکر کرد که هدف LMضرورتاً کاهش کل مصرف انرژی نیست بلکه در بعضی موارد شیفت دادن بار از زمانهای پیک به غیر پیک است.
همانطوریکه قبلا بیان شد،DGها و انرژی تجدید پذیر - - RE یک نقش مهمی را در پروسه بازگردانی ریز شبکهها بازی میکنند. دلیل این امر این است که آنها میتوانند به بارهای که در نزدیک آنها متصل شدهاند سرویسدهی کنند. باوجوداین اگر ظرفیت DG یا جریان خروجی منابع RE در زمان رخ دادن خطانسبتاً پایین باشد،بارهای که در نقاط دور متصل شدهاند بازگردانی نمیشوند. این مشکل را میتوان بهوسیله کنترل بارها بهوسیله استفاده از اقدامات LM حل کرد. یک اپراتور میتواند الگوی مدیریت بار بهینه را پیدا کند و آن را بکار بگیرد که این امر سبب بازگردانی بارهای بیشتر و مینیمم کردن هزینههای قطع برق میشود. علاوه بر این اپراتورها میتوانند خروجیهای RE را پیشبینی کنند و برنامههای LM را بر اساس نتایج پیشبینیشده پیادهسازی کنند. بنابراین افزایش راندومان در استفاده از منابع REقطعاً، فرآیند بازگردانی را به دلیل تطبیق توان خروجی -REبار ،افزایش میدهد. این موضوع همچنین ممکن است سبب جلوگیری از رخ دادن خطاهای مورد انتظار شود. از اینرو ترکیب LM و RE یک عامل تعیینکننده است.
تحقیقات بسیار زیادی تاثیر مدیریت بار - - LM را بر روی ارزیابی قابلیت اطمینان از دیدگاههای مختلف ،موردمطالعه قرار دادهاند. مرجع[9] تاثیر روشهای مدیریت بار انتخابشده بر روی نقاط بار منفرد و شاخصهای قابلیت اطمینان یک سیستم توان الکتریکی حجیم مورد آزمایش قرار داده است. مولف نتیجه گرفته است که هنگامیکه معیارهای DSM مؤثر بکار گرفته میشوند،سیستم امنتر و قابلاطمینانتر خواهد شد.
اگرچه چندین مقاله تاثیر RE و DSM بر روی قابلیت اطمینان و بازیابی بهصورت جداگانه موردمطالعه قرار دادهاند اما نوشتیجات در نظر گرفتن DSM و RE دچار کمبود هستند. در این مقاله تاثیر ادغام انرژیهای بادی و خورشیدی و استفاده از LM بر روی قابلیت اطمینان و پروسه بازیابی شبکه مورد آزمایش قرار میگیرد. دادههای واقعی RE مورداستفاده قرارگرفتهاند. همچنین دو برنامه LM در نظر گرفتهشده و مدل میشوند،شیفت دادن بار و پیکهایی سیستم تحت مطالعه بخشی از RBTS BUS 2 است و شاخصهای قابلیت اطمینان SAIDI،SAIFI و ENS محاسبه میشوند. مطالعه شبیهسازی یک سال کامل را تحت پوشش قرار میدهد.
2 .مدلسازی سیستم
.1,2 مدلسازی بار زمانی سالیانه
دادههای ساعتی بار برای یک سال کامل با استفاده از فاکتورهای هفتگی،روزانه و ساعتی که رفتار بار را شبیهسازی میکند،ایجاد میشوند. معادله زیر برای شبیهسازی بار برای بخشهای گوناگون شامل بخش خانگی،دولتی یا سازمانی،تجاری و صنایع کوچک استفاده میشود:
در رابطه بالا Load - t - مقدار بار در ساعت t برحسب پر یونیت است،و به ترتیب فاکتورهای بار ساعتی،روزانه و هفتگی برای ساعت t در سال است.
بعد از ایجاد دادههای ساعتی بار برای یک سال کامل،زمانهای رخدادهای خرابی با استفاده از روش تبدیل معکوس با فرض اینکه خرابیها از یک توزیع نمایی پیروی میکنند،شبیهسازی میشوند. معادله استفادهشده برای شبیهسازی خرابیها در سیستم بهصورت زیر داده میشود:
در رابطه بالا T ساعت خرابی است، نرخ خرابی است و U یک مقدار تصادفی است که بهصورت یکنواخت در فاصله - 0-1 - توزیعشده است.
.2,2 توان خروجی باد درواقع،توان خروجی توربین بادیعمدتاً بستگی بهسرعت باد دارد که میتواند با زیر تابع زیر تعریف شود:
در رابطه بالاسرعت باد است.سرعت قطع پایین - سرعت مینیمم برای توان خروجی - است، سرعت نامی خروجی است، سرعت قطع بالا - ماکزیمم سرعت برای توان خروجی - است،توان نامی خروجی است وتوان خروجی توربین بادی است.برای این مطالعه دادههای واقعی ساعتی سرعت باد برای استخراج توان خروجی باد،آنالیز میشوند.
