بخشی از مقاله
چکیده -در این مقاله از الگوریتم بهینه سازی اجتماع ذرات - جامعهی پرندگان - بهبود یافته به منظور یافتن مکان بهینهی منابع تولید پراکنده و نیز ظرفیت بهینهی آنها در سیستمهای قدرت استفاده شده است. تابع هدف مورد بررسی حداقل کردن کل تلفات شبکهی قدرت در حضور منابع تولید پراکنده میباشد. الگوریتم پیشنهادی بر روی سیستمهای استاندارد 14 باسه و 30 باسهی IEEE پیاده سازی گردیده و نتایج به دست آمده کارایی و عملکرد روش پیشنهادی را هم از نظر دقت محاسبات و همگرایی و هم از نظر مدت زمانی که توسط کامپیوتر برای انجام محاسبات صرف میگردد، نشان خواهند داد.
-1 مقدمه
در شبکههای قدرت امروزی، به خصوص با روند رو به رشد خصوصی سازی و رقابتی شدن بازار برق،هدف اولیهی شرکتهای توزیع پایین آوردن هزینههای مربوط به بهره برداری، نگهداری، ساخت شبکهی خود و همزمان بالا بردن قابلیت اطمینان شبکه و مشترکین میباشد.یکی از مؤثرترین روشها برای پاسخگویی به رشد بار و نیز تأمین سطح مشخصی از قابلیت اطمینان استفاده از منابع تولید پراکنده است.از مزایای استفاده از تولیدات پراکنده میتوان به مواردی همچون کاهش هزینههای تولید، کاهش تلفات، انرژیهای نو و اثرات مثبت زیست محیطی اشاره نمود.جهت دستیابی به اهداف فوق بایستی مکان بهینهی تولیدات پراکنده در شبکهی توزیع و ظرفیت مناسب آنها تعیین گردد.
-2 منابع تولید پراکنده
منبع تولید پراکنده، منبع توان الکتریکی نزدیک مصرف کننده است و مستقیمأ به شبکهی توزیع متصل میباشد.تولید پراکنده میتواند به صورت ابتدایی، تمام یا قسمتی از قدرت مورد نیاز شبکه را تأمین نماید یا به عنوان منبع تولید آماده به کار استفاده شود.[1,2] با توجه به ایجاد رقابت و تجدید ساختار در سیستمهای قدرت، انتظار میرود این واحدهای تولیدی کوچک نقش فزایندهای در آیندهی این سیستمها داشته باشند. به طوری که تحقیقات انجام شده نشان میدهد تا سال 2012بیش از %45 تولید جدید توان الکتریکی را تولیدات پراکنده تشکیل خواهند داد.
-1-2 دسته بندی منابع تولید پراکنده
منابع تولید پراکنده با توجه به محل استفاده به گروههای مختلفی تقسیم بندی میشوند. دسته بندیهای متداول این واحدهای تولیدی به صورت زیر میباشد:
-1 خیلی کوچک، که توان اکتیو تولیدی این واحدها بین 1 وات تا 5 کیلو وات میباشد.
-2 کوچک، که توان اکتیو تولیدی این واحدها بین 5 کیلو وات تا 5 مگا وات میباشد.
-3 متوسط، که توان اکتیو تولیدی این واحدها بین 5 مگا وات تا 50 مگا وات میباشد.
-4بزرگ، که توان اکتیو تولیدی این واحدها بین 50 مگا وات تا 300 مگا وات میباشد.
-2-2 مزایای منابع تولید پراکنده
پیشبینی میشود که تولیدات پراکنده سهم قابل توجهی از تولید برق آیندهی جهان را بر عهده بگیرند. این توسعه در بکار گیری واحدهای تولید پراکنده دلایل مختلفی دارد، از جمله این دلایل میتوان به موارد زیر اشاره نمود: [3-5]
توجه به محیط زیست آزاد سازی ظرفیت سیستم کاهش تلفات انتقال توان بهبود پروفیل ولتاژ کم کردن هزینههای مربوط به تجهیزات قدرت کاهش هزینهی تولید و از همه مهمتر که بیش از بقیه توجه بسیاری از کارشناسان و متخصصین شرکتهای توزیع را به خود جلب کرده است، بهبود قابلیت اطمینان سیستم است. که البته برای دستیابی به اهداف فوق بایستی مکان بهینهی منبع تولید پراکنده در شبکهی توزیع و ظرفیت مناسب آن تعیین گردد. این بدانمعناست که این واحدها با توجه به مشخصات، شرایط بهره برداری و مکان نصب میتوانند تأثیرات مثبت قابل توجهی را روی شبکههای قدرت به وجود آورند. فناوریهای مختلفی از جمله سلولهای خورشیدی، توربینهای بادی، پیلهای سوختی، توربینهای گازی کوچک و ... در واحدهای تولید پراکنده مورد استفاده قرار میگیرند. اتصال واحدهای تولید پراکنده به شبکههای قدرت میتواند از طریق ژنراتور سنکرون، ژنراتور القایی و منابع باتری جریان مستقیم همراه با اینورتر صورت گیرد.
-3 فرمول بندی مسئله
در این مقاله از الگوریتم بهینه سازی اجتماع ذرات بهبود یافته برای حداقل کردن تابع هدف مسئله و یافتن مکان بهینه و همچنین ظرفیت بهینهی منابع تولید پراکنده در سیستمهای استاندارد IEEE استفاده میکنیم. برای این منظور تابع هدف تلفات شبکه را به صورت رابطهی - 1 - تعریف میکنیم. که PLi تلفات تواناکتیو، QLi تلفات توان راکتیو، N تعداد باسهای سیستم و F کل تلفات شبکهی قدرت میباشد.
-4 الگوریتم بهینه سازی اجتماع ذرات
الگوریتم اجتماع ذرات یک تکنیک بهینه سازی بر پایهی قوانین احتمال میباشد که ایدهی اولیهی آن توسط راسل ابرهارت دانشمند علوم کامپیوتر و جیمز کندی روان شناس مسائل اجتماعی در سال 1995 ارائه شده است.[6] این الگوریتم از رفتار اجتماعی پرندگان در حین جستجوی غذا برای هدایت مجموعهی پرندگان به منطقهی امید بخش در فضای جستجو استفاده میکند، این ایده در حل انواع بسیاری از مسائل بهینه سازی عملکرد مناسبی داشته است .[7] به این منظور مجموعهای متشکل از یک سری ذرهها تشکیل میشود که هر ذره معرف یک پرنده در فضای جستجو میباشد. این الگوریتم با به روز کردن موقعیت ذرهها با توجه به میزان شایستگی آنها مجموعه را به سمت جواب بهینه هدایت میکند. این الگوریتم با یک گروه از جوابهای تصادفی شروع به کار می-کند، سپس برای یافتن جواب بهینه در فضای مسئله با به روز کردن موقعیت و سرعت ذرهها به جستجو میپردازد. هر ذره می-تواند به صورت چند بعدی با دو مقدار XidوVidکه به ترتیب معرف موقعیت مکانی و سرعت در بعد d ام از i امین ذره هستند، مشخصشود. - منظور از بعد تعداد متغیرهای حالت به کار رفته در تابع هدف میباشد - در هر مرحله از حرکت مجموعه، مکان ذره با دو مقدار بهترین به روز میگردد. اولین مقدار، بهترین جواب از لحاظ شایستگی است که تا کنون برای هر ذره به طور مجزا به دست آمده است که P_best نام دارد و دیگری بهترین مقداری است که تا کنون توسط ذرهها در میان کل جمعیت بدست آمده است، این مقدار G_bestنام دارد که به آن بهترین کلی نیز گفته میشود. در هر تکرار الگوریتم بعد از یافتن این دو مقدار، سرعت و مکان جدید هرذره با استفاده از روابط زیر به روز میشوند. به روز رسانی و مقدار گیری در الگوریتم اجتماع ذرات با روابط - 2 - و - 3 - صورت میگیرد. که در روابط فوق، w وزن اینرسی برای سرعت گیری ذرات است که میبایست در محدودهیاز صفر تا یکباشد . c1 و c2 به ترتیب ضرایب یادگیری فردی و اجتماعی ذرات هستند، که باید در رابطهی c1 c2 4 صدق کنند، وrandعددی تصادفی در بازهی صفر تا یک میباشد.
معمولا در هنگام اجرای الگوریتم مقادیر کم w منجر به همگرایی سریع در یک مکان بهینهی محلی میشود، در حالی که مقادیر خیلی زیاد این پارامتر ممکن است از همگرایی جلوگیری کند.[8] معمولا در هنگام اجرای الگوریتم مقدار w در طی یادگیری تنظیم میشود و به صورت خطی از یک تا نزدیکی صفر کاهش مییابد. به طور کلی ضریب اینرسی برای سرعت گیری ذرات مطابق رابطهی - - 4 تنظیم میگردد .[9] در رابطهی فوق Itermax ماکزیمم شمارهی تکرار، Iter شماره-ی تکرار کنونی، wmin و wm a x به ترتیب مقدار حداقل و حداکثر ضریب اینرسی میباشند.
-1-4 الگوریتم اجتماع ذرات بهبود یافته
الگوریتم اجتماع ذرات بهبود یافته مطابق الگوریتم اجتماع ذرات بوده با این تفاوت که با عملگر جهش که یکی از عملگرهای الگوریتم ژنتیک میباشد تلفیق شده است .[8] عملگر جهش باعث میشود تا قابلیت جستجوی الگوریتم بالا رود و از همگرایی زود هنگام الگوریتم جلوگیری شود، همچنین از همگرا شدن الگوریتم به مقادیر بهینهی محلی نیز جلوگیری میکند. برای سیستمهای مورد بررسی مقادیر تلفات توانهای اکتیو و راکتیو در جدول - - 3 ارائه شده است.
-5 شبیه سازی و ارائهی نتایج
در این مقاله منظور از منبع تولید پراکنده یک ژنراتور دیگر است که در محدودههای مختلفی به سایر ژنراتورهای سیستم افزوده میشود و نتایج نشان میدهند که احداث صحیح این واحد تولیدی جدید میتواند منجر به کاهش تلفات سیستم قدرت گردد. اطلاعات مربوط به توانهای تولیدی ژنراتورهای هر دو سیستم استاندارد IEEEدر جدولهای - 1 - و - 2 - ارائه شدهاند. مقادیر توانهای اکتیو و راکتیو در تمامی جدولها و کل قسمت شبیه سازی به ترتیب بر حسب مگا وات - MW - و مگا ولتآمپر راکتیو - MVAR - میباشند.
9/3163 56/1603 مقدار عددی رابطهی - 1 -
الگوریتم پیشنهاد شده در نرم افزار MATLAB نسخهی 2009A و توسطیک کامپیوتر پنتیوم IVبا فرکانس کلاک3.2GHz پیاده سازی شده است. برای هر دوسیستمموردآزمایشپارامترهایالگوریتم پیشنهادی بعدازچندمرتبهاجرایالگوریتم،به صورت سعی و خطا بدست آمده است و این مقادیر در تمام شبیه سازیهای انجام گرفته به صورت ثابت در نظر گرفته شده است. مقدار وزن اینرسی برای شتاب گرفتن ذرات طبق معادلهی - 4 - همواره با مقدار اولیهی 0/9 و مقدار نهایی 0/4 انتخاب میشود.
