بخشی از مقاله
چکیده
بهینه سازی تجهیزات شبکه قدرت همواره از جمله مسائلی بوده است که بسیار اهمیت داشته و مد نظر بهره برداران شبکه بوده است. گرانقیمت بودن ادوات FACTS از یکسو و کارایی بالای الگوریتم RDPSO در حل مسائل بهینه سازی از سوی دیگر سبب شد تا در این مقاله به ارزیابی کارایی این الگوریتم در حل مسئله مورد نظر مقاله پرداخته شود. به منظور ارزیابی کارایی الگوریتم مذکور نتایج حاصل از شبیه سازیهای مربوط به این الگوریتم با نتایج الگوریتم تجمعی ذرات - PSO - مقایسه و ارائه شده است. خروجی شبیه سازیهای این مقاله نشان داده است که الگوریتم RDPSO نسبت به الگوریتم PSO به اندازه قابل توجهی دارای کارایی بالاتری در حل مسئله بهینه سازی مورد نظر است.
-1 مقدمه
تامین توان راکتیو و مشکلات رایج موجود در سیستم های انتقال که موجب بهره برداری نامناسب می گردید از یکسو و کارایی پایین و هزینه بالای جبرانگرهای موجود و سنتی از سوی دیگر منجر به ظهور جبرانگرهای نسل جدید مبتنی بر تجهیزات الکترونیک قدرت، در اواخر دهه هفتاد میلادی گردید. این ادوات به دلیل قابلیت انعطافی که به سیستم انتقال ac1 می دهند، ادوات FACTS2 نامیده شدند. این ادوات می توانند با کنترل اندازه و زاویه ولتاژ باس ها و امپدانس خطوط در تغییر توان اکتیو و راکتیو جاری خطوط موثر باشند. از جمله مزایای این ادوات می توان به موارد زیر اشاره کرد:
· افزایش قابلیت انتقال توان
· ایجاد کنترل بهتر بر روی توان انتقالی و ولتاژ
· بالا بردن سطح کیفیت توان
· میرایی نوسانات توان
· بهبود رفتار دینامیکی سیستم قدرت
این مزایا به همراه عملکرد مطلوب، قابلیت اطمینان بالا، قابلیت انعطاف پذیری بالا، هزینه مناسب و صرفه جویی اقتصادی باعث شده است که این ادوات به سرعت در سراسر دنیا گسترش یابند. با پیشرفت تکنولوژی نسل جدیدی از این ادوات ارائه شد که عملکرد بهتری را نسبت به نسل گذشته از خود به نمایش گذاشتند و به جبران سازهای بدون رقیب شبکه های انتقال و توزیع مبدل شدند. از اینرو در این مقاله به تخصیص بهینه دو مورد از این ادوات در شبکه قدرت پرداخته شده است.
TCSC به عنوان تجهیز با نصب سری در شبکه و SVC به عنوان تجهیز با نصب موازی در شبکه به منظور بهبود پارامترهای شبکه در این مقاله انتخاب شده اند. پارامترهای مد نظر مقاله هم تلفات توان و پایداری استاتیکی ولتاژ در نظر گرفته شده اند. بنابراین می بایست مکان و ظرفیت بهینه این دو تجهیز به طور همزمان به منظور کاهش تلفات توان و افزایش پایداری استاتیکی ولتاژ تعیین گردد. همانطور که اشاره شد در این مقاله هدف تخصیص بهینه SVC و TCSC به منظور بهبود پایداری استاتیکی ولتاژ و کاهش تلفات توان است.
بدلیل هزینه های بسیار بالای شبکه برق، یافتن پاسخهای بهینه در حل مسائل بهینهسازی همواره از مهمترین دغدغه های برنامهریزان و بهرهبرداران شبکه بوده است. الگوریتمهای تکاملی بسیاری در حل مسائل مربوط به شبکههای برق در مقالات مختلف بکار گرفته شده و مقایسههای بسیاری نیز میان این الگوریتمها انجام شده است. اما همانطور که می دانیم بطور قطعی نمی توان در ارتباط با برتری این الگورتیمها نسبت به یکدیگر اظهار نظر کرد زیرا ساختار خود مسئله نیز در تعیین پاسخ بهینه توسط این الگوریتمها موثر است. بنابراین ممکن است الگوریتمهای مختلف در حل مسائل بهینهسازی مختلف عملکردهای متفاوتی از خود نشان دهند. بنابراین برتری الگوریتمها نسبت به یکدیگر تنها در همان مسئله خاص مورد مطالعه قابل اثبات است.
در این مقاله الگوریتم تکاملی RDPSO1 به منظور حل مسئله تخصیص بهینه SVC2 و TCSC3 به منظور یافتن بهترین مکان و ظرفیت برای دستیابی به کمترین میزان تلفات توان و بیشترین میزان پایداری استاتیکی ولتاژ معرفی شده است. کارایی الگوریتم RDPSO در چند مسئله ارزیابی شده که در ادامه آورده شده است. ابتدا کارایی این الگوریتم در مرجع [1] ارزیابی شده است.
این مقاله در ارتباط با سیستمهای زیستشیمیایی است. در این مقاله در شناسایی سیستمهای زیستشیمیایی از این الگوریتم استفاده شده است. این الگوریتم با تخمین پارامترهای سیستمهای دینامیکی غیرخطی زیستشیمیایی به شناسایی آنها پرداخته است. مرجع دیگری که از الگوریتم RDPSO استفاده کرده است مرجع [2] است. در این مقاله مسئله پخش بار اقتصادی مطالعه شده است. کارایی الگوریتم RDPSO در حل مسئله پخش بار اقتصادی در این مرجع به اثبات رسیده است. همانند مطالعات دیگر شبکه قدرت قیود اصلی محدودکننده مسئله قیود پخش بار هستند که در حل مسئله بهینه سازی مد نظر مقاله در نظر گرفته شده اند.
در ادامه مقالات مربوط به موضوع این مقاله، به مرور مقالات مربوط به تخصیص بهینه SVC، TCSC، مسئله پایداری استاتیکی ولتاژ - بارپذیری شبکه - و تلفات توان پرداخته شده است. مرجع [3] به مسئله بهبود پایداری استاتیکی ولتاژ یا بارپذیری شبکه پرداخته است. در این مقاله از شاخص حد بارپذیری شبکه به عنوان شاخص پایداری استاتیکی ولتاژ استفاده شده است. تجهیزی که به کمک آن سعی شده است تا بارپذیری شبکه بهبود یابد SVC است.
به منظور انجام شبیه سازیها در این مقاله معیار امنیت N-1 نیز در نظر گرفته شده است. در این مقاله مسئله بهینه سازی به صورت چند هدفه در نظر گرفته شده است. تلفات توان تابع هدف دوم این مقاله است جایابی بهینه ادوات FACTS4 موازی در شبکه توزیع نیز در مقالات مختلف مورد مطالعه قرار گرفته است. در مرجع [4] به منظور بهبود پروفیل ولتاژ در شبکه توزیع از این ادوات استفاده شده است. علاوه بر ادوات FACTS تجهیزات دیگری نیز بر پروفیل ولتاژ شبکه موثر هستند. از این جمله تجهیزات میتوان به منابع تولید پراکنده نیز اشاره کرد. از جمله منابع تولید پراکنده که در این مرجع در نظر گرفته شدهاند انرژیهای بادی و خورشیدی هستند.
در این مقاله چالش اصلی این دو انرژی که عدم قطعیتهای آنهاست نیز در نظر گرفته شده است. بنابراین این مقاله به حل مسئله بهینه-سازی ادوات FACTS و منابع تولید پراکنده به صورت تقریبا جامعی پرداخته است. مقالات بسیاری دیگری نیز به مسئله نصب ادوات FACTS در شبکه پرداختهاند. مسئله بهبود امنیت ولتاژ از دیگر مسائل مهم شبکه است که قابلیت اطمینان شبکه را تحت تاثیر قرار می دهد.
در مرجع [5] به این موضوع اشاره شده و هدف این مقاله بهبود امنیت شبکه است. در مقالات ذکر شده توابع هدف به صورت فنی مطرح شده بودند اما در مرجع [6] رویکرد اقتصادی مورد استفاده قرار گرفته است. در این مقاله هزینههای نصب و بهرهبرداری تجهیزات به عنوان تابع هدف مطرح شده است. مراجع [ 9-7] نیز مطالعاتی در ارتباط با جایابی TCSC انجام داده اند. کاهش تلفات با استفاده از TCSC در مرجع [ 7] اشاره شده است. در مرجع [8] نیز مسئله پایداری ولتاژ مورد مطالعه قرار گرفته است. هزینه های TCSC نیز در مرجع [9] بیان شده و تابع هدف مسئله با در نظر گرفتن هزینه های این تجهیز فرمول بندی شده است.
-2 الگوریتمهای PSO و RDPSO
الگوریتمهای بهینه سازی PSO و RDPSO از نظر ساختاری شباهت های بسیاری دارند. هر دوی این الگوریتم ها از حرکت ذرات الهام گرفته شده اند. الگوریتم PSO از حرکت دسته جمعی ماهیها در فرار از شکارچی الهام گرفته شده است. در این الگوریتم به هر راه حل یک ذره گفته می شود. در حرکت دسته جمعی ماهیها هر ماهی برای در امان ماندن از شکارچی از ماهی های دیگری تبعیت می کند که در شرایط بهتری نسبت به او هستند. در این الگوریتم به ماهی کناری که به سمت مرکز توده است بهینه محلی و به مرکز توده بهینه سراسری گفته می شود.
بنابراین هر ماهی در جهت این دو محل بهینه حرکت کرده و با واکنش های متناسب با این دو محل بهینه از شکارچی در امان می ماند. در حل مسائل بهینه سازی نیز اعضای جمعیت اولیه این الگوریتم متناسب با این دو نقطه بهینه جهت دهی شده و به سمت بهینه شدن حرکت می کنند - روابط - 1 - و . - - 2 - به نقطه بهینه محلی pbest و به نقطه بهینه سراسری gbest گفته می شود. الگوریتم PSO در سال 1995 توسط دکتر کندی و ابرهارت ارائه شد .[ 10] فلوچارت این الگوریتم نیز در شکل - 1 - آورده شده است.
محاسبه تابع برازندگی و اولویت بندی اعضای جمعیت بر اساس تابع برازندگی آنها
در روابط - 1 - و V - 2 - سرعت هر ذره، position مکان هر ذره و سایر پارامترها اعداد تصادفی هستند. با بروزرسانی مکان هر ذره جمعیت جدیدی در هر تکرار بوجود میآید که در نهایت منجر به یافتن جواب بهینه میشود.
تا اینجا با الگوریتم PSO آشنا شدیم. تنها تفاوت الگوریتم PSO و RDPSO در رابطه - 1 - است. این رابطه در الگوریتم RDPSO توسط رابطه - 3 - بیان می شود. هر یک از پارامترهای روابط - 3 - و - 4 - در ادامه آورده شده است.
