بخشی از مقاله
چکیده:
مصرف فزایندهی انرژی الکتریکی منجر به گسترش شبکههای انتقال و درخواست قابلیت اطمینان بالاتر از شبکه شده است، در این بین سیستمهای اندازهگیری ناحیه گسترده با بهرهگیری از واحدهای اندازهگیری فازوری تحولی در روند مدیریت شبکه قدرت ایجاد کردهاند. در این مقاله مکانیابی بهینه واحدهای اندازهگیری فازوری با هدف مشاهدهپذیری کامل شبکه مبتنی بر الگوریتم تکامل تفاضلی پیشنهاد و نشان داده می شود که اعمال قیود مربوط به شینهای تزریق صفر، موجب کاهش واحدهای اندازهگیری فازوری و صرفهجویی در هزینهها خواهد شد. مقایسه روش پیشنهادی، با سایر روشها نشان از سادگی و عملکرد بسیار مناسب روش دارد.
واژههای کلیدی: بهینهسازی، شبکه قدرت، واحدهای اندازهگیری فازوری، مشاهدهپذیری، تکامل تفاضلی
-1 مقدمه و هدف
امروزه صحبت از اهمیت و یا ضرورت تولید انرژی از جهات مختلف اقتصادی، اجتماعی و حتی سیاسی بر همگان روشن است. پیچیدگی دنیای تکنولوژی روز در سیستمهای توزیع قدرت باعث شده که اپراتورها بدون نیاز به دستگاههای پیشرفته قادر به کنترل سیستمهای قدرت و برآوردن اهداف مدیریت انرژی نباشند. این کنترلها باید این اطمینان را بدهد که یک قدرت الکتریکی مطمئن انعطافپذیر با شرایط بهینه اقتصادی داشته باشیم. در سالیان اخیر سیستم دیگری به نام سیستم اندازهگیری ناحیه گسترده WAMS1 مطرح شده است که هدف آن جبران کاستیهای موجود در سیستم اسکادا بوده و مورد توجه بسیاری قرار گرفته است .[1]
با پیشرفتفنّاوری پردازش سیگنال، واحدهای اندازهگیری فازوری برای اولین بار در اواسط دهه 80 میلادی معرفی شدند. به دلیل قابلیت این دستگاهها در مطالعات پیشرفته سیستمهای قدرت در نقاط مختلف جهان، تعداد زیادی از این واحدهای اندازهگیری فازوری مورد بهرهبرداری قرارگرفته است و استفاده از آن با سرعت زیادی در حال گسترش است.برای بهرهبرداری، پایش، حفاظت و کنترل هر چه بیشتر و بهتر سیستم قدرت، تخمین حالت در سیستمهای قدرت برای شرکتهای برق از اهمیت بسیار بالایی برخوردار است.از طرفی تخمین حالت به روش سنتی و معمول آن،بر اساس کمیات اندازهگیری شد غیر سنکرون،نسبتاً غیردقیق بوده و رسیدن به جواب نهایی مبتنی بر حل تعداد زیادی معادلات غیرخطی و روش تکرار میباشد و درنتیجه بهرهبردار سیستم در مرکز کنترل، دید کافی از شرایط دینامیکی موجود در سیستم نخواهد داشت .[3,2]
در اتاق کنترل مرکزی تخمینگر2 حالت از دادههای خام فازوری برای تخمین حالتی معتبر از سیستم استفاده میکند. استفاده از این تخمینگرها مستلزم نصب واحدهای اندازهگیری فازوری و ایجاد زیرساخت مخابراتی مناسب، برای انتقال دادههای خام اندازهگیری میباشد. که مهیاکردن این ملزومات نیاز به سرمایهگذاری بسیار بزرگی دارد. بنابراین انتخاب طرحها بهینه جایابی واحدهای اندازهگیری فازوری و اجرای زیرساخت مخابراتی از اهمیت بسیار بالایی برخوردار است. لذا باید این طرحها از منظر مشاهدهپذیری شبکه قدرت نیز بررسی شوند. با توجه به نکات قوت الگوریتم تکامل تفاضلی امید میرود این الگوریتم با بهبود جوابها در مسئله جایابی واحدهای اندازهگیری فازوری زمینه صرفهجویی در اجرای طرح را برآورده نماید.
-2 تئوری و پیشینه تحقیق
-1-2 الگوریتم تکامل تفاضلی
الگوریتم تکامل تفاضلی در سال 1995 توسط Storn,Price معرفی گردید. این الگوریتم مبتنی بر جمعیت بوده و در کنار شباهت های کلی که با سایر الگوریتم های تکاملی دارد، در شیوه تولید پاسخ منحصر به فرد است.در الگوریتم های تفاضلی، جمعیت جدید با استفاده از عملگرهای تقاطع - Crossover - و یا جهش - Mutation - ایجاد می شوند. در الگوریتم تکامل تفاضل در ابتدا عملگر جهش به منظور تولید یک بردار آزمایشی به کار می رود و پسازآن عملگر انتخاب برای تولید یک فرزند استفاده می شود. در تکامل تفاضلی، اندازه گام جهش از تفاضل میان افراد جمعیت فعلی متاثر می شود.تفاضل تکاملی در حالی که تشابهاتی با سایر الگوریتم های تکاملی دارد اما استفاده از اطلاعات فاصله و جهت از جمعیت فعلی برای پیش بردن عملیات جست و جو آن را از سایر الگوریتم های تکاملی متمایز کرده است. الگوریتم تکامل تفاضلی اولیه برای مسائل فضای پیوسته به وجود آمدند ولی در ادامه برای مسائل فضای گسسته نیز تعمیم یافتند.
-1-1-2 جهش3
عملگر جهش DE یک بردار آزمایشی برای هر فرد از جمعیت را با جهش دادن یک بردار هدف و یک تفاضل وزن دار تولید می کند. برای مثال Xi - t - برای هر والد بدین طریق تولید می شود:یک بردار هدف Xi1 - t - را از جمعیت انتخاب کن به گونه ایکه 1 ≠ i سپس بطور تصادفی دو فرد Xi2 - t - و Xi3 - t - را از جمعیت انتخاب کن به نحوی که ≠ 1 ≠ 2 ≠ 3 و نیز1, 2, 3~U - 1, ns - باشد. با استفاده از این افراد بردار آزمایشی به این شکل تولید می شود - مطابق شکل : - 1 - 1 - ⃗ - - = Xi1 - t - + β - Xi2 - t - −Xi3 - t - - ×که ∈ - 0, ∞ - یک ضریب مقیاس است و میزان تاثیر تفاضل را کنترل می کند.
-2-1-2 عمل تقاطع4
عملگر تقاطع DE یک ترکیب گسسته از بردار آزمایشی - - بردار والد - - را برای تولید فرزند - ′ - پیاده سازی می کند .انتخاب به این طریق پیاده سازی می شود - مطابق شکل : - 2که در آن - xij - t به -jامین عنصر از بردار - - اشاره می کند و j مجموعه ای از اندیس ها است که متحمل تغییر می شوند، یا به معنای دیگر، مجموعه ای از نقاط انتخاب می باشد.
-3-1-2 انتخاب5
از عملگر انتخاب به دو منظور استفاده می شود. اول برای مشخص شدن فردی که باید در عمل جهش برای تولید یک بردار آزمایشی به کار رود و دوم به منظور تعیین آنکه کدام یک از والدها و یا فرزندان به نسل بعدی راه یابند.انتخاب تصادفیمعمولاً برای گزینش افراد در محاسبه بردارهای تفاضلی استفاده می شود. در اکثر پیاده سازی های DE ، بردار هدف یا بهطور تصادفی انتخاب می شود یا آنکه بهترین فرد برای این منظور به کار می رود.در الگوریتم DE برای ساختن جعیت نسل بعد، از روش انتخاب قطعی استفاده می شود، در این حالت فرزند به شرطی جایگزین والد خود می شوند که بهتر از آن باشد، در غیر اینصورت والد به نسل بعدی راه می یابد. این کار تضمین می کند که تابع ارزش میانگین جمعیت بدتر نمی شود.
