بخشی از مقاله
چکیده
استفاده از ریکلوزر در شبکههای توزیع انرژی الکتریکی امریست که میتواند منافع قابل ملاحظهای را در جهت مهار خاموشیهای گذرا، کاهش انرژی توزیع نشده و بهبود قابلیت اطمینان شبکههای توزیع بهدنبال داشته باشد. همچنین میزان تأثیرگذاری ریکلوزرها شدیداً به مکان و تعداد آنها وابسته است. این امر در حقیقت مبین جایابی بهینه ریکلوزرها در شبکههای توزیع است. در این مقاله برای تعیین تعداد بهینه و محل ریکلوزرها در سیستم توزیع شعاعی الگوریتم بهینهسازی بهبود یافته ارزیابی برداری اجتماع ذرات - VEPSO - ارائه می-شود. هدف از جایابی بهینه ریکلوزرها در این مقاله بهبود شرایط قابلیت اطمینان و هزینههای انرژی تأمیننشده - ECOST - میباشد. نتایج بدست آمده از پیادهسازی روش پیشنهادی بر روی قسمتی از سیستم توزیع اردبیل، به خوبی کارایی روش پیشنهادی را نشان میدهد.
-1 مقدمه
استفاده وسیع و رو به رشد از انرژی الکتریکی، بالا بردن سطح کیفیت را در تأمین این انرژی ضروری مینماید. یکی از عوامل کاهش مشترکین تأثیر پذیر از خطا و در نتیجه کاهش مشترکینی که دچار خاموشی میشوند استفاده از ادوات کلید زنی میباشد. پرکاربرد ترین ادوات کلید زنی در شبکههای فشار متوسط ریکلوزر و سکشن-لایزر است. ریکلوزر در سیستم توزیع به عنوان حذف کننده خطاها و مدیریت ساختار شبکه مورد استفاده قرار میگیرد. بنابراین استفاده ار ریکلوزرها باعث افزایش قابلیت اطمینان سیستم، کاهش انرژی توزیع نشده، در نتیجه افزایش درآمدهای شرکت توزیع و افزایش رضایت مندی مشترکین میشود. لذا تعیین بهترین آرایش و ترکیب برای این تجهیز با توجه به مسائل فنی و افتصادی حائز اهمیت میباشد.
تعیین مکان بهینه ادوات اتوماتیک همچون ریکلوزر برای بهبود قابلیت اطمینان سیستمهای توزیع یک مسئله ترکیبی و پیچیده است به همین دلیل در مراجع مختلف روشهای بهینهسازی متفاوتی مورد استفاده قرار گرفته است. به عنوان مثال در مرجع [1] مکانیابی ریکلوزر و اتوسکشنلایزر در شبکه های توزیع شعاعی با استفاده از روش IPSO-Monte Carlo انجام شده است و یا در مرجع [2] به جایابی بهینه ریکلوزر جهت افزایش قابلیت اطمینان شبکه توزیع نیروی برق استان بوشهر با استفاده از الگوریتم ژنتیک پرداختهاند.
این مقاله یک تابع هدف ترکیبی بر مبنای شاخص های قابلیت اطمینان معرفی کرده وسپس با استفاده از الگوریتم ژنتیک نسبت به جایابی بهینه ریکلوزر از طریق کمینه سازی تابع هدف اقدام می نماید. در مرجع [3] روشی برای جایابی بهینه DG و همچنین ریکلوزر ارائه شده است که با استفاده از آن قابلیت اطمینان سیستم و همچنین تولید انرژی بهبود یافته است. در این مقاله جایابی با استفاده از روش آنالیز حساس معادلات پخش بار و همچنین الگوریتم ژنتیک صورت گرفته است. در مرجع [4] با استفاده از روش چند لایهای الگوریتم ژنتیک به جایابی بهینه ریکلوزرها در شبکه توزیع، که در آن DG نصب شده است، پرداخته شده است. شاخصهای قابلیت اطمینان به عنوان تابع هدف در پروسه بهینهسازی سیستم مورد نظر قرار گرفته است.
در مرجع [5] با استفاده از روش شمارش موثر به اندازهگیری توپولوژی شبکه توزیع و در نتیجه تعیین مکان بهینه ریکلوزرها به منظور کاهش انرژیهای توزیع نشده پرداخته است. این روش همچنین عملکرد ریکلوزرها را روی بارهای تغذیهکننده و ترانسفورماتورها از نظر کیفیت توان مورد بررسی قرار میدهد. این روش روی یک سیستم نمونه 20 کیلوولت اجرا شده است. سه روش به منظور مکانیابی بهینه ریکلوزر در مرجع [6] مورد تحقیق قرار گرفته است.
ابتدا استراتژی حفاظت فیدر و سپس مکانیابی منابع تولید پراکنده در حضور تجهیزات حفاظتی از پیش نصب شده و در پایان مکانیابی همزمان تجهیزات حفاظتی و منابع تولید پراکنده ارائه شده است. مرجع [7] یک مدل برنامه-ریزی باینری غیرخطی به منظور مکانیابی ریکلوزر، فیوزها و سکشنلایزر ها به منظور کاهش SAIDI و SAIFI در سیستم توزیع شعاعی ارائه داده است. در مرجع [8] الگوریتم کلونی مورچگان به منظور جایابی ریکلوزر و تولیدات پراکنده در شبکه توزیع برای بهبود قابلیت اطمینان مورد استفاده قرار گرفته است.
در اکثر روشهای ارائه شده در تحقیقات پیشین، روش جایابی بهینه ریکلوزرها با در نظر گرفتن یک تابع هدف تک منظوره بررسی شده است که از نظر هزینه اقتصادی و یا شاخصهای قابلیت اطمینان است . هر چند که بعضی از مقالات یک تابع هدف چند هدفه پیشنهاد دادهاند ولی آنها معمولاً از وزن دادن اهداف استفاده کردهاند. در صورتی که بعضی از اهداف با هم در تقابل هستند مثل شاخصهای قابلیت اطمینان و هزینههای نصب و نگهداری ریکلوزرها که نمیتوان به طور همزمان و یکجا آنها را بهینه نمود و مصالحهای بین آنها به وجود آورد. الگوریتم بهینهسازی چند هدفه ارزیابی برداری اجتماع ذرات VEPSO که در این مقاله مورد استفاده قرار گرفته است، توانایی بهینهسازی چندین تابع هدف را به طور همزمان داشته و با ایجاد مصالحه بین توابع هدف به صورت یکجا توابع را بهینه میکند.
توابع هدف در نظر گرفته شده در این مقاله شامل شاخص بهبود قابلیت اطمینان، مجموع هزینههای انرژی تامین نشده و هزینه نصب و نگهداری ریکلوزرها است. روش پیشنهادی بر روی فیدر شماره 4 اردبیل آزمایش شده است. به منظور بررسی عملکرد مناسب روش پیشنهادی در این مقاله، نتایج روش پیشنهادی با نتایج حاصل از الگوریتم اجتماع ذرات مقایسه شده است که نتایج حاکی از عملکرد مناسب روش پیشنهادی برای بهبود شاخصهای قابلیت اطمینان و کاهش مجموع هزینههای انرژی تأمیننشده و هزینه نصب و نگهداری ریکلوزرها است. مقاله شامل 5 بخش تعریف توابع هدف، بیان الگوریتم بهینهسازی، مشخصات سیستم مورد مطالعه و در نهایت بحث و نتیجهگیری است.
-3 الگوریتم بهینهسازی VEPSO
الگوریتم اجتماع ذرات اولین بار در سال 1950 توسط Kennedy و [10] Eberhart مطرح شد. در تدوین این روش از پرواز گروهی پرندگان، شنای گروهی ماهیها و زندگی اجتماعی آنان الهام گرفته شده که با استفاده از یک سری روابط فرمولبندی شده است. مانند همه الگوریتمهای تکاملی دیگر، الگوریتم اجتماع ذرات نیز با ایجاد یک جمعیت تصادفی از افراد شروع میشود که در اینجا به عنوان یک گروه از ذرهها خوانده میشوند.
مشخصات هر ذره در گروه، براساس مجموعهای از پارامترها تعیین میشود که باید مقادیر بهینه آنها تعیین شود. در این روش، هر ذره یک نقطه از فضای جواب مسئله را نشان میدهد. هر کدام از ذرات دارای حافظه هستند، یعنی بهترین موقعیتی که در فضای جستجو به آن میرسند را به خاطر میسپارند. بنابراین حرکت هر ذره در دو جهت صورت میگیرد: -1 به سوی بهترین موقعیتی که تا کنون اختیار کردهاند و -2 به سوی بهترین موقعیتی که همه ذرات تا به حال اختیار کردهاند. در این روش تغییر موقعیت هر ذره در فضای جستجو تحت تاثیر تجربه و دانش خود و همسایگانش است.
یکی از الگوریتمهای تعمیم یافته بهینهسازی اجتماع ذرات، ارزیابی برداری Vector Evaluated - PSO - PSO است که توسط پارسوپولز و وراهاتیس [11]، به عنوان یک تغییر چند دستهای متغیرهای PSO برای مسائل بهینهسازی چندهدفه بکار گرفته شد. در مسائل چند هدفه به جای یک تابع هدف، چندین تابع هدف باید به صورت همزمان بهینه شوند. در چنین شرایطی معمولا مسئله دارای بیش از یک جواب بهینه خواهد بود که به آنها جوابهای بهینه پارتو گفته میشود.
پایه و اساس الگوریتم بهبود یافته چندهدفه VEPSO مطابق شکل 1 مبتنی بر استراتژی مهاجرت بین ذرات جهت تسهیم اطلاعات گروه ذرات بین یکدیگر برای افزایش کارایی روش بهینهسازی است. برای دو تابع هدف، X1 و X2 نماد گروه ذرات 1 و 2 بوده که در آن gbest1 و gbest2 به ترتیب بیانگر بهترین گروه مجموعه ذرات 1 و 2 و v1 و v2 سرعت آنها میباشد. به طوری که گروه ذرات X1 و X2 به ترتیب تابع هدف f1 و f2 را ارزیابی مینمایند. به منظور تبادل اطلاعات بین گروه ذرات، بهترین گروه ذرات X1 در محاسبه سرعت جدید ذرات گروه X2 و به همین منوال بهترین گروه ذرات X2 در محاسبه سرعت جدید ذرات گروه X1 استفاده میشود.
