بخشی از مقاله
چکیده - سیستم های قدرت الکتریکی به دلیل افزایش تعداد واحدهای تولید پراکنده و گسترش سیستمهای انتقال به منظور جبران رشد بار، روز به روز پیچیدهتر و بزرگتر میشوند . وقوع خطا درچنین شبکههایی منجر به عبور جریانهای اتصال کوتاه بزرگ از سیستم می شود که ممکن است فراتر از سطح مجاز مدار شکنهای موجود در شبکه باشد و به تجهیزات سیستم صدمه برساند . استفاده از محدود کننده جریان خطا - - FCL در سیستمهای قدرت می تواند یک روش موثر برای محدود کردن جریانهای خطا باشد.
FCL ها میتوانند مزایای زیادی داشته باشند ولی این مزایا بستگی به تعداد و محل نصب FCL هاو امپدانس آنها دارد. دراین مقاله ابتدا با استفاده از آنالیزحساسیت جریان خطا، خطوط کاندید جهت نصب FCL که اولویت بیشتری نسبت به بقیه خطوط شبکه دارند مشخص می شوند سپس با به کارگیری ترکیب الگوریتم بهینه سازی اجتماع ذرات - - PSO گسسته و پیوسته به تعیین همزمان و بهینه تعداد ،مکان واندازه امپدانس FCLها پرداخته شده است.در این مقاله جایابی با هدف کاهش هزینه مجموع FCL ها و هزینه تلفات و محدودیتهایی مانند جریان خطای باسها انجام شده است . روش پیشنهادی بر روی شبکه 30 باسه IEEE اعمال شده است .
-1 مقدمه
امروزه افزایش تقاضای انرژی برق، افزایش قیمت نفت و گاز طبیعی، رشد سریع خصوصیسازی و ظهور تکنولوژیهای جدید باعث ایجاد تحولاتی در صنعت برق و توجه جدی به استفاده از فنآوری تولید پراکنده - DG - شده است . اتصال واحدهای تولید پراکنده به شبکه سبب گستردگی وپیچیدگی ساختار شبکه می شود.[1] با نصب واحدهای تولید پراکنده به شبکه پخش توان، مقدار و جهت جریانهای عبوری از فیدرها و همچنین سطوح جریانهای اتصال کوتاه در نقاط مختلف شبکه دستخوش تغییر میشود .
از آنجاییکه یکی از پارامترهای مهم در انتخاب تجهیزات نصب شده در شبکه مانند بریکرها، ترانسفورمرها، فیوزها و ترانسهای جریان - CT - ، جریان نامی و جریان اتصال کوتاه عبوری از آنها است، لذا با نصب DG در شبکه سطوح اتصال کوتاه افزایش یافته و در بعضی موارد ممکن است فراتر از سطح مجاز تجهیزات موجود در شبکه به ویژه بریکرها باشد و حتی میتواند به تجهیزات سیستم صدمه برساند. در بعضی از نقاط شبکه افزایش سطح اتصال کوتاه به قدری شدید است که بزرگتر از ظرفیت قطع بریکرهای موجود در بازار است.
[2] استفاده از محدود کننده های جریان خطا - FCL - در سیستمهای قدرت میتواند یک روش موثر برای محدود کردن جریانهای خطا باشد. محدودکنندههای جریان خطا عناصری سری با تجهیزات شبکه میباشند که هنگام وقوع خطا با وارد کردن یک امپدانس بزرگ جریان خطا را در سطح قابل قبولی محدود میکنند. محدودکنندههای جریان خطا تحت شرایط کارکرد عادی شبکه امپدانس ناچیزی از خود نشان می دهند لذا افت ولتاژی در شبکه ایجاد نمی کنند3]و.[4 همچنین، محدودکننده های جریان خطا این قابلیت را دارند که شبکه قدرت را در سطح قابل قبولی از قابلیت اطمینان - Reliability - و پایداری نگه دارند FCL.ها می توانند مزایای دیگری از قبیل افزایش ظرفیت انتقال انرژی در مسافتهای طولانی و کاهش فلشهای ولتاژ ناشی از وقوع خطا داشته باشند .
هرچندکه FCL ها میتوانند مزایای زیادی داشته باشند ولی این مزایا بستگی به محل نصب FCL و تعداد آنها دارد. بنابراین از دیدگاه طراحی و عملکرد سیستم قدرت، روشی که به کمک آن بتوان تعداد بهینه و همچنین مکان بهینه برای نصب FCL را پیدا کرد لازم و ضروری است. [5] تاکنون درزمینه جایابیFCL مطالعات زیادی صورت گرفته است.اما در هیچکدام از مطالعات صورت گرفته به تعیین مکان، تعداد و مقدار امپدانس FCLها به صورت همزمان پرداخته نشده است.[5-8]
جایابیFCL با اهداف مختلف، یک مسئله بهینهسازی غیر خطی است و با روشهای متعارف ریاضی نمیتوان آن را حل کرد. از اینرو دراین مقاله ازالگوریتم بهینه سازی اجتماع ذرات - - PSO برای تعیین همزمان تعداد ، مکان واندازه امپدانس FCL استفاده شده است.دراین مقاله ابتدا با اعمال آنالیزحساسیت بر روی شبکه خطوط کاندید جهت نصب FCL مشخص می شوند سپس بااستفاده ازالگوریتمPSOبه صورت همزمان تعداد ومکان و مقدار بهینه امپدانسFCLجهت نصب برروی خطوط کاندید مشخص میشود.
.همچنین در این مقاله از دو نوع متفاوت الگوریتمPSOاستفاده شده است: - 1 الگوریتم گسسته بهینه سازی اجتماع ذرات - DPSO - که با استفاده از آن حالت نصب و یا عدم نصبFCL بر روی خطوط را مشخص می کنیم و - 2 الگوریتم پیوسته بهینه سازی اجتماع ذرات - CPSO - که با استفاده از آن مقدار امپدانس FCL را مشخص می کنیم. الگوریتم مورد نظر بر روی شبکه 30 باسهIEEE اعمال شده است.
-2 فرمولاسیون مسأله
1-2 آنالیز حساسیت
در سیستم های قدرت با ابعاد بزرگ تعیین بهینه تعداد ، مکان و پارامترهای FCL موقعی که بیشتر از یک نقطه مشکل جریان خطای بالاتر از سطح مجاز بریکر داشته باشند پیچیده تر خواهد شد . به منظور کاهش فضای جستجو در یافتن تعداد بهینه FCL و همچنین کم کردن زمان محاسبات از آنالیز حساسیت استفاده می شود .[5] با استفاده از آنالیز حساسیت از بین تمام خطوط شبکه ، خطوطی که اولویت بالاتری جهت نصب FCL دارند مشخص می شوند . در این مقاله از فاکتور حساسیت جریان خطا که در مرجع [5]آمده است به عنوان شاخص آنالیز حساسیت استفاده شده است
2-2 تابع هدف
مسئله ی مکان یابی بهینه FCL یک مسئله ی بهیینه سازی غیر خطی است و از اجرای آن هدفهای مختلفی را می توان دنبال کرد . در این مقاله تابع هدف مینیمم سازی هزینه مجموع FCL و هزینه تلفات است که به صورت رابطه زیر تعریف می شود و سایر اهداف به عنوان قید در نظر گرفته شده اند. و ضرایبی هستند که بیانگر قیمت FCLهستند و بیانگر هزینه تلفات توان در هنگام خطاست . ضریب وزنی است . Ri و Ii به ترتیب مقاومت و جریان حقیقی شاخه ی iام هستند.
Nbr تعداد شاخه هاست ، نشان دهنده تعداد خطوط کاندید جهت نصب FCL می باشد - این خطوط و تعداد آنها با استفاده از آنالیز حساسیت به دست می آیند - ، X بردار مربوط به متغیر کنترلی است که یک بردار - - بعدی می باشد ، وضعییت خط کاندید i ام را مشخص می کند و تنها دو مقدار 0 و یا 1 را می تواند برگزیند که عدد 1 نشان دهنده وجود FCL بر روی خط و عدد 0 نشان دهنده عدم حضور FCL میباشد ، ، امپدانس FCL نصب شده بر روی خط کاندید i ام می باشد. جریان اتصال کوتاه باس j ام می باشد .
نظر برای بهینه سازی می باشد . یک حافظه به ذخیره بهترین موقعیت هر ذره در گذشته و یک حافظه به ذخیره بهترین موقعیت پیش آمده در میان همه ذرات، اختصاص می یابد. با تجربه حاصل از این حافظه ها, ذرات تصمیم می گیرند که در نوبت بعدی، چگونه حرکت کنند. در هر بار تکرار، همه ذرات در æ به ترتیب مقدار ماکزیمم و مینیمم امپدانس FCL فضای n بعدی مسئله حرکت میکنند تا بالاخره نقطه ی بهینه می باشند .
-3 الگوریتم PSO و مدلسازی شبکه
ایده الگوریتم بهینه سازی اجتماع ذرات - PSO - ، برای اولین بار توسط کندی و ابرهارت در سال 1995 مطرح شدPSO .، یک الگوریتم محاسبه ای تکاملی الهام گرفته از طبیعت و براساس تکرار میباشد . منبع الهام این الگوریتم ، رفتار اجتماعی حیوانات، همانند حرکت دسته جمعی پرندگان و ماهی ها بود. PSOنیز همانند سایر الگوریتمهای بهینه سازی با یک ماتریس جمعیت تصادفی اولیه، شروع میشود، هر عنصر جمعیت، یک ذره نامیده می شود . در واقع الگوریتم PSO از تعداد مشخصی از ذرات تشکیل می شود که به طور تصادفی، مقدار اولیه می گیرند. برای هر ذره دو مقدار وضعیت و سرعت، تعریف می شود که به ترتیب با یک بردار مکان و یک بردار سرعت، مدل میشوند.
rand1 - 0 - و rand2 - 0 - اعداد تصادفی مستقل با توزیع یکنواخت بین صفر ویک هستند ، ثابت های C1 و C2 به فاکتورهای یادگیری معروفند و از آنها برای کم و زیاد کردن تأثیر Pbest و Gbest در رابطه ی - 2 - استفاده می شود، از پارامتر هم بمنظور بهبود عملکرد الگوریتم استفاده می شود. الگوریتمPSO ، بردار سرعت هر ذره را بهروز کرده و سپس مقدار سرعت جدید را به موقعیت و یا مقدار ذره میافزاید. بهروز کردنهای سرعت، تحت تأثیر هر دو مقدار بهترین جواب محلی و بهترین جواب مطلق قرار می گیرند. بهترین جواب محلی و بهترین جواب مطلق، بهترین جوابهایی هستند که تا لحظهی جاری اجرای الگوریتم، به ترتیب توسط یک ذره و در کل جمعیت به دست آمده اند .
