بخشی از مقاله
چکیده
امروزه باتوجه به گسترش درخواست انرژی الکتریکی ، بکارگیری منابع تولید پراکنده جهت کاهش تلفات و بهبود پروفایل ولتاژ مورد توجه واقع شده است . از جمله مشکلات شبکه های توزیع پراکنندگی مشترکین و فاصله زیاد آنها از پستهای فوق توزیع می باشدکه باعث افت ولتاژ در نقاط انتهائی شبکه شده و افزایش تلفات را درپی خواهد داشت. با جایابی بهینه منابع تولید پراکنده تاحدودی میتوان این مشکلات را برطرف نمود . جایابی بهینه با استفاده از روش های مختلفی صورت می پذیردکه بخش وسیعی از این روش ها هوشمندمی باشند و در این روشها هدف مینیمم کردن تابع هدف است.
دراین مقاله از الگوریتم ژنتیک - - Genetic Algorithm جهت جایایی بهینه واحدهای تولید پراکنده ، به منظور رفع مشکلات مطرح شده استفاده می شود. روش ارائه شده برروی یکی از فیدرهای شبکه توزیع واقعی اجرا شده است و هدف اصلی آن بهینه نمودن دو پارامتر پروفایل ولتاژ و تلفات سیستم می باشد، به این نوع توابع ، توابع چند هدفه - - multi objective function گفته می شود. پس از اجرای الگوریتم پیشنهادی برروی سیستم توزیع واقعی و تعیینتعداد، ظرفیت و مکان بهینه واحدهای تولید پراکنده .نتایج شبیه سازی کارآیی این روش را نسبت به روشهای مشابه دربهبود پروفایل ولتاژ وکاهش تلفات سیستم نشان می دهد .
واژه های کلیدی: جایابی منابع تولید پراکنده، تلفات، پروفیل ولتاژ، الگوریتم ژنتیک
مقدمه
مدت زمان زیادی از مطرح شدن منابع تولید پراکنده نمی گذرد. بحث اصلی و مهم در رابطه با این موضوع مکانیابی مناسب و انتخاب اندازه منبع تولید پراکنده است. ابتدا این امر بر اساس تأمین بار در مراکز بار صورت میپذیرفت به طوری که منابع تولید پراکنده در بالاترین چگالی بار قرار میگرفتند. امروزه شاخصهای کیفیت توان نیز در این امر سهیمند.معمولاً سعی میشود تا توابع چندهدفه بر اساس جایابی منابع تولید پراکنده تعریف شده و با استفاده از روشهای هوشمند جایابی بهینه تعیین گردد.نیاز رو به افزایش برای تولید توان الکتریکی بیشتر، پیشرفت در آزادسازی ظرفیت خطوط انتقال انرژی در سیستم قدرت، و محدودیت های تنگ در طول ساخت خطوط انتقال جدید برای انتقال قدرت به فاصله ی دور، نیروی محرکه ای است که برای افزایش علاقه در توسعه تولید پراکنده بوده است.[1]
منابع تولید پراکنده واحدهای تولیدی کوچکی هستند که در مراکز بار جهت فراهم نمودن یک افزایش ظرفیت در سیستمهای قدرت می شوند. فن آوری هایDG شامل ژنراتور توربین احتراق کوچک - از جمله میکرو توربین - ، ژنراتور احتراق داخلی، موتورهای رفت و برگشتی و پانل های فتوولتائیک، و سلول های سوختی. دیگر فن آوری های انرژی تجدید پذیر از جمله توربین های بادی، انرژی خورشیدی تبدیل حرارتی، و تبدیل زیست توده نیز می تواند به عنوان منابع DG مورد استفاده قرار گیرند.[1]مزایای منابع تولید پراکنده بطور ویژهای به مکان ان وابسته است، بنابراین این تجهیزات باید بطور مناسب در سیستمهای قدرت جایگزاری شوند تا حداکثر منافع ان مانند کاهش تلفات توان، هزینههای بهره برداری، بهبود پروفایل ولتاژ و ضریب بار ، حذف توسعه سیستم و بهبود پیوستگی سیستم، قابلیت اطمینان و راندمان سیستم فراهم شود.
سیستم های توزیع اغلب به لحاظ ماهیت برای ساده سازی عملیات بصورت رادیال می باشند سیستم های توزیع رادیال - RDS - تنها در یک نقطه تغذیه کرده که ایستگاه فرعی می باشد ایستگاه فرعی برق را از ایستگاه های تولید کننده مرکزی از طریق شبکه انتقال به هم مرتبط دریافت کرده و کاربران نهایی برق را از ایستگاه فرعی از طریقRDS دریافت می کنند که RDS در اصل یک شبکه انفعالی می باشد پس جریان برق در RDS تک بعدی و تک مسیری می باشد نسبت R/X بالای خطوط توزیع منجر به کاهش شدید ولتاژ کاهش ثبات ولتاژ و کاهش برق می شود تحت شرایط اضطراری در نواحی صنعتی این مسئله باعث بروز خسارتها و هزینه های فوق العاده سنگین و سرسام اوری خواهد شد اخیرا چندین راه حل برای رفع این نوع مشکلات پیشنهاد شده است تا تنظیم ولتاژ و قابلیت اطمینان سیستم بهبود یابد که یکی از گزینه های مناسب و با صرفه اقتصادی نصب منابع تولید پراکنده در نقاط مختلف شبکه می باشد.[1-5]
استفاده از الگوریتم های تکاملی در مسائل سیستم قدرت در زمینه تحقیقاتی در حال رشد است،چندین تکنیک مختلف برای حل مسئله مکانیابی بهینه منابع تولید پراکنده بر اساس محاسبات تکاملی پیشنهاد شده است. تکنیک های محاسبات تکاملی شامل الگوریتم ژنتیک - GA - ، - SA - simulatedannealing، جستجو ممنوع - TS - و ازدحام ذرات - PS - می باشد. الگوریتم ژنتیک - GA - تا کنون، بیشترین استفاده در روش محاسبات تکاملی در کاربرد سیستم قدرت داراست .[1] در این تحقیق از الگوریتم ژنتیک تابع چندهدفه استفاده شده است و انجام مطالعات شبیه سازی سیستم و پخش بار در نرم افزار Dig SILENT انجام شده است.
تابع هدف
همانطور که در قسمت قبل بیان شد تابع هدف که ترکیبی از دو تابع هدف می باشد بصورت زیر در نظر گرفته شده است:تابع f - x - 1 مربوط به شاخص کاهش تلفات و چگونگی محاسبه آن در سیستم می باشد و n تعداد شاخه های شبکه میباشد. تابع f - x - 2 مربوط به شاخص بهبود پروفایل ولتاژ می باشد.در این تابع vi ، v vref و vi به ترتیب ولتاژ باس،min maxولتاژ مطلوب، ماکزیمم ولتاژ و مینیمم ولتاژ می باشد.تابع f - x - همان تابع چنه هدفه می باشد که با استفاده از ضرایبوزنی w1 , w2 اهمیت نسبی هر شاخص را تعیین می کند.
طرح پیشنهادی
در طرح پیشنهادی از الگوریتم ژنتیک جهت بهینه نمودن تابع هدف که همان تابع چندهدفه است استفاده میشود و پس از ورود اطلاعات سیستم نمونه مورد نظر در کدهای الگوریتم ژنتیک و اجرای ان در نرم افزار MATLAB، مکان مناسب منابع تولید پراکنده در سیستم توزیع مورد نظر تعیین میشود.. جهت اجرای پخش بار در سیستم نمونه مورد نظر و مشاهده نتایج از نرم افزار Dig SILENT استفاده می شود. برای مقایسه نتایج مربوط به تاثیر منابع تولید پراکنده بر روی پروفایل ولتاژ و تلفات سیستم ابتدا سیستم مورد نظر را درنرم افزار Dig SILENT شبیه سازی نموده و با اجرای برنامه پخش بار در این نرم افزار نتایج حاصل از اجرای این برنامه که شامل اندازه ولتاژ هر شینه و نیز میزان تلفات در هر خط می باشد را ذخیره می کنیم. با تعیین اندازه و مکان بهینه منابع تولید پراکنده با استفاده از الگوریتم ژنتیک منابع تولید پراکنده مورد نظر را بر روی سیستم نمونه مورد نظر و در نرم افزار Dig SILENT شبیه سازی کرده و دوباره برنامه پخش بار را برای سیستم جدید و با حضور منابع تولید پراکنده اجرا می کنیم. فلوچارت شکل شماره1 مربوط به نحوی تعیین مکان بهینه منابع تولید پراکنده در سیستمهای توزیع زیر می باشد.
