بخشی از مقاله
چکیده
با رشد روزافزون تقاضای بار در شبکه قدرت و نیاز به حفظ قابلیت اطمینان سیستم و تأمین انرژی موردنیاز، آگاهی از وضعیت شبکه و عملکرد سیستم به امری ضروری برای بهرهبرداران سیستم قدرت تبدیل شده است. بدینجهت، تخمین حالت سیستم قدرت، هستهی توابع ارزیابی امنیت برمدار را تشکیل میدهد و همانند یک فیلتر میان اندازهگیریهای خام دریافت شده از سیستم و تمام توابع کاربردی که به پایگاه دادههای بسیار قابلاعتماد برای وضعیت کنونی سیستم نیاز دارند، عمل میکند.
اندازهگیریهای سنتی، اطلاعات بهدستآمده از سیستم SCADA هستند که علاوه بر دقت پایین، قادر به اندازهگیری فازور ولتاژ و جریانها نیز نمیباشند. واحدهای اندازهگیری فازوری - PMU - برای رفع این مشکل ایجاد شدند که توانایی اندازهگیری زاویه فاز ولتاژ و جریان را با دقت بسیار بالاتر از سیستمهای سنتی دارا هستند. اما به دلیل هزینه بسیار بالای این اندازهگیرها و عدم جایگزینی کامل اندازهگیریهای سنتی با آنها در آینده نزدیک، نیاز به استفاده همزمان از اطلاعات سیستم سنتی در کنار PMU ها میباشد.
در این مقاله، یک روش برای استفاده همزمان اندازهگیریهای سیستم SCADA و اندازهگیریهای PMU برای تخمین متغیرهای حالت سیستم ارائه شده است. . هدف کلی، بهبود نظارت بر سیستم و بالا بردن آگاهی بهرهبردار سیستم در مرکز کنترل میباشد. در این روش، به هر گروه از اندازهگیریها، یک وزن مشخص اختصاص داده میشود تا تأثیر هر گروه در تخمین حالت نهایی، دیده شود. در پایان، نتایج بر روی شبکههای استاندارد نمونه 14 شین IEEE و 39 شین New England آزمایش شده و با معرفی شاخصهایی، میزان دقت جواب آنها بررسیشدهاند.
-1 مقدمه
با توسعه صنعتی جوامع، اهمیت تأمین انرژی مطمئن برای مشترکین صنعت برق، روزبهروز افزایش مییابد، یک عامل مهم در بهرهبرداری از سیستم قدرت، تمایل به حفظ قابلیت اطمینان1 - پایایی - سیستم است. . ازآنجاییکه پیشبینی وقفه اجزای سیستم غیرممکن است، سیستم در تمام مواقع باید بهگونهای بهرهبرداری شود که در صورت وقوع حادثه، در وضعیت خطرناکی قرار نگیرد. در اغلب سیستمهای قدرت، تجهیزاتی نصبشده است که پرسنل بهرهبردار را قادر میسازد که سیستم را بهصورت قابلاعتمادی مورد بهرهبرداری و نظارت قرار دهند
تخمین حالت1، اغلب در چنین سیستمهایی بهمنظور ترکیب اطلاعات دورسنجی شده سیستم، با مدلهای سیستم و جهت ایجاد بهترین تخمین - از دیدگاه آماری - از شرایط یا حالت فعلی سیستم قدرت و نظارت بر شرایط عملکردی آن بهمنظور بهرهبرداری در حالت عادی و ایمن به کار میرود
هرچه سیستم قدرت بزرگتر و پیچیدهتر میشود، کنترل و نظارت زمان واقعی آن برای بهرهبرداری مطمئنتر سیستم، بسیار موردتوجه قرار میگیرد. توابع مدیریت انرژی2 مسئول نظارت و کنترل بر شبکه هستند. تخمین حالت شاکله اصلی سیستم مدیریت انرژی را با فراهم آوردن دادههای زمان واقعی بر اساس حالت سیستم برای استفاده توابع EMS تشکیل میدهد
بنابراین، یک تخمین حالت مؤثر و دقیق، پیشنیاز بهرهبرداری کارا و قابلاطمینان سیستم قدرت است. تخمین حالت، عمل تخصیص مقدار به یک متغیر حالت نامعلوم سیستم بر طبق معیاری بهخصوص است که با استفاده از اندازهگیری از آن سیستم انجام میشود. معمولاً اندازهگیری، حالات ناقص و اضافی دارد و عمل تخمین حالات سیستم، بر اساس روشهای آماری صورت میپذیرد که با حداکثر و یا حداقل کردن معیاری بهخصوص، مقادیر واقعی متغیرهای حالت تخمین زده میشوند. معیار رایج و آشنا این است که مجموع مربعات تفاوت بین مقادیر تخمینی و حقیقی - اندازهگیری شده - حداقل شود
حالت سیستم، در شرایط عمومی میتواند بهصورت حداقل مجموعه متغیرهایی که باید مشخص باشند تا شرایط عملکردی کامل سیستم تعیین شود، تعریف شود .[2] ولتاژ مختلط شینها، حالت سیستم هستند، چون با معین بودن مدل دقیق شبکه، ولتاژ شینها توان مختلط جاری خطوط و تمامی تزریقهای توان مختلط را تعیین میکنند.
سیستمهای متداول مانند SCADA امکان نمونهبرداری همزمان را ندارند. سرعتپایین نمونهبرداری این سیستمها و دقت پایینکه حدوداً هر 10 ثانیه یکبار اندازه ولتاژ، جریان، توان اکتیو و توان راکتیو را به ما میدهند، برای بسیاری از کاربردها زیاد مناسب نیستند؛ اما در مورد PMU3 ها وضع به گونه دیگری است. این سیستمها فازور ولتاژ و جریان را با نرخ متغیر از 1 تا60 نمونه در هر ثانیه و با دقت بسیار بالا به ما میدهند
همچنین، سیستم اسکادا، مقدار فاز ولتاژ و جریان را به ما نمیدهند. با اختراع واحدهای اندازهگیری فازوری، زاویه فاز مستقیماً اندازهگیری شد. هنگامیکه اندازهگیریها نسبت به یک مبدأ زمانی مشترک همزمان شده باشند، زاویه فاز در محلهای مختلف میتواند محاسبه شود
ماهواره موقعیت یاب سراسری - GPS4 - توانایی فراهم آوردن سیگنال زمانی مشترک با نرخ 1 میکروثانیه را داراست که بهوسیله آن PMU میتواند فازورهای ولتاژ و جریان بسیار دقیقی را فراهم آورد
یک PMU نصب شده در یک باس میتواند برای اندازهگیری فازور ولتاژ و باس و فازورهای جریان همه یا تعدادی از شاخههای متصل به آن باس - بسته به تعداد کانالهای موجود - را اندازه بگیرد. باوجود پتانسیل بالا برای بهبود عملکرد و کنترل زمان واقعی سیستمهای انتقال بزرگ، PMU ها به بهبود عملکرد تخمین حالت منجر میشوند
هنگامیکه متغیرهای حالت در یک سیستم باوجود فقط PMU ها اندازهگیری میشوند، رابطه میان آنها خطی میشود و متغیرها میتوانند با استفاده از یک الگوریتم خطی غیرتکراری به دست بیایند
این راهحل حرفهای جدید در سیستمهای قدرت حال حاضر در دسترس است اما با تعداد اندک PMU ها، زیرا بهروزرسانی زیرساخت سیستم قدرت موجود نیازمند سرمایهگذاری در اینفنّاوریهاست. درنتیجه سیستمهای قدرت حال حاضر از اینکه یک پیکربندی PMU داشته باشند که اجازه دهد حالت کل سیستم را تنها از این اندازه گیری ها تعیین کند دور هستند و این وضعیت احتمالاً برای مدتی کاملاً ادامه پیدا میکند و هنوز تخمینگر های حالت شامل هردو اندازهگیری سنتی و فازوری یک نیاز ضروری بهحساب میآیند. با استفاده از تخمین حالت هیبریدی اثر اندازهگیریهای سنتی و فازوری را بهصورت همزمان در نظر گرفته و متغیرهای حالت سیستم را تخمین میزنیم.
-2 فرمولبندی
در این مقاله، برای حل مسئله تخمین حالت، از روش حداقل سازی مجموع مربعات - WLS - استفاده میشود. در این روش، فرض میشود که خطاهای اندازهگیری، توزیع احتمال مشخص با پارامترهای نامعلوم داشته باشند.
معمولاً فرض میشود که خطاهای اندازهگیری یک توزیع گوسی - نرمال - دارند. سپس مسئله تخمین بیشترین شباهت برای این دو پارامتر حل میشود.
تابع چگالی احتمال بههمپیوسته که احتمال اندازه گرفتن m اندازهگیری مستقل را نشان میدهد را در نظر بگیرید، که تابع چگالی احتمال گوسی - p.d.f - یکسانی دارند. اگر فرض شود که هر اندازهگیری مستقل از بقیه باشد،p.d.f پیوسته میتواند بهآسانی بهوسیله حاصلضرب p.d.f های منحصربهفرد بیان شود:
که در آن z ، i امین اندازهگیری است و تابع - z - i هدف تخمین بیشترین شباهت، حداکثر کردن این چگالی یعنی متوسط آن µ و انحراف استاندارد آن لگاریتم آن به جهت ساده سازی فرآیند بهینهسازی نامیده میشود و بدینصورت به دست میآید:
f m تابع شباهت برای z نامیده میشود.
تابع احتمالی بهوسیله تغییر پارامترهای فرض شدهی تابع σاست. در تعیین مقادیر بهینه پارامترها، معمولاً تابع با جایگزین میشود. تابع اصلاحشده، تابع لگاریتمی شباهت و تابع هدف میتواند بهصورت زیر نوشته شود:
در این مقاله، از روش WLS برای حل تابع هدف استفاده میکنیم؛ درنتیجه تخمینگر، تابع هدف زیر را کمینه میکند:
با نوشتن شرایط بهینگی مرتبه اول و بسط آن به سری تیلور، حول بردار حالت x ، به یکرویه حل تکراری که به نام روش گوس-نیوتون شناخته میشود بهصورت زیر، دست مییابیم:
جایی که k شاخص تکرار و k بردار حل تکرار k ام است.
G x ماتریس بهره - ضرایب - نامیده میشود که تنک، مثبت معین و متقارن است. ازآنجاکه ممکن است معکوس این ماتریس همواره موجود نباشد، با استفاده از جایگذاری پیشرو/ پسرو ، در هر تکرار k بدینصورت حل میشود
