بخشی از مقاله
چکیده
در این مقاله روشی جدید براي آشکارسازي جزیره الکتریکی در شبکه توزیع با حضور منابع تولید پراکنده - DG - از نوع ژنراتور سنکرون پیشنهاد شده است. در این روش از اطلاعات مولفه توالی منفی ولتاژ، ولتاژ میدان ژنراتور سنکرون، نرخ تغییرات امپدانس توالی مثبت، ضریب اعوجاج هارمونیکی ولتاژ و شاخصهاي استخراج شده از تبدیل موجک موج ولتاژ استفاده شده است. به منظور دستیابی به روشی غیرفعال در آشکارسازي جزیره الکتریکی بدون نیاز به تنظیم حدود آستانه، روشهاي تشخیص الگو در این مقاله مورد توجه قرار گرفته است.
دادههاي به دست آمده از شاخصهاي فوق در دو کلاس مجزا جزیره و غیر جزیره از طریق ماشین بردار پشتیبان - Support Vector Machines - و شبکه عصبی آموزش داده میشوند. ارزیابی دقت روش پیشنهادي توسط نمونههاي آزمایشی که در اثر وقوع انواع خطاهاي متقارن و نامتقارن، تغییرات بار در نقاط مختلف، کلیدزنی بانک خازنی، کلیدزنی بار متغییر، کلیدزنی بار غیرخطی و جزیره شدن بر روي شبکه 34 شینه تغییر یافته IEEE به دست آمدهاند، عملکرد مطلوب شاخصهاي مورد استفاده در آشکارسازي جزیره الکتریکی را نشان میدهد. در این مقاله شبیهسازيها با استفاده از نرمافزار MATLAB انجام گرفته و نتایج آنالیز گردیده است.
-1 مقدمه
یکی از پدیدههایی که همواره با نصب تولیدات پراکنده در شبکه توزیع با آن مواجه هستیم، جزیرهاي شدن منبع تولید پراکنده است. با توجه به اهمیت بالاي این پدیده، استاندارد [1] IEEE 929 در سال 1988 منتشر گردید که نیاز به قطع DG در آن مطرح شده بود. لزوم بهرهبرداري از شبکه با وقوع جزیره، انتشار استاندارد [2] IEEE 1547 را در سال 2003 به دنبال داشت که حداکثر زمان 2s براي آشکارسازي جزیره در آن پیشنهاد گردید. روشهاي متفاوتی به منظور آشکارسازي جزیره مطرح شده که در حالت کلی میتوان آنها را به دو دسته روشهاي محلی و از راه دور تقسیم بندي نمود . [3]
حفاظت شبکه توزیع در برابر جزیره شدن با استفاده از روشهاي تشخیص الگو روش آشکارسازي از راه دور بر مبناي ارتباط مخابراتی بین شبکه و تولیدات پراکنده بنا نهاده شده است. روش آشکارسازي محلی بر اساس اندازهگیري اطلاعات شبکه در محل DG عمل میکند. این روش به سه دسته روشهاي غیر فعال، فعال و ترکیبی تقسیم میشود. روش غیر فعال که در این مقاله نیز مورد توجه قرار گرفته است بر اساس اندازهگیري پارامترهاي شبکه عمل کرده و در عملکرد DG اختلالی ایجاد نمیکند.
استفاده از اندازهگیري دامنه ولتاژ در پایانه تولید پراکنده و تغییر توان خروجی DG در [3] و همچنین تغییر فرکانس و اندازهگیري تغییرات امپدانس در [4] از جمله روشهایی هستند که در آشکارسازي غیرفعال ارائه شدهاند. از عواملی که روش آشکارسازي غیرفعال را با مشکل مواجه میکند میتوان به استفاده از روشهایی مبتنی بر یک پارامتر، حدود آستانه پارامتر آشکارسازي و میزان تعادل بین تولید و مصرف در جزیره به وجود آمده اشاره نمود. با توجه به تغییر پارامترهاي سیستم به ازاي تغییرات بارهاي محلی و دوردست، حدود آستانه دستخوش تغییرات خواهند شد.
بسیاري از پارامترهاي بکار رفته در آشکارسازي به میزان عدم تعادل بین بار و تولید در جزیره وابسته هستند که در صورت عدم تعادل کم ممکن است از حدود آستانه خود تجاوز نکرده و در عمل با مشکل روبهرو شوند. روش فعال بر اساس تغییري ضعیف در عملکرد DG به وسیله تزریق اغتشاش به شبکه عمل میکند. تزریق ولتاژ نوسانی [5]، فیدبک مثبت و آشکارسازي خطاي صدور توان راکتیو [6] از جمله روشهاي مورد استفاده در آشکارسازي فعال هستند. روش فعال با توجه به اینکه بسیار دقیقتر از روش غیرفعال عمل میکند، به علت کندتر بودن، هزینه بیشتر و همچنین مشکلاتی که در زمینه کیفیت توان به دلیل تزریق اغتشاش ایجاد میکند، کمتر مورد توجه قرار گرفته است.
روش ترکیبی از مجموع دو روش فعال و غیرفعال تشکیل شده است. ایجاد اختلال در عملکرد DG توسط روش فعال منوط به تصمیمگیري روش غیرفعال است و دائماً به شبکه تزریق نمیگردد. از این رو مشکلات کیفیت توان کمتري را ایجاد مینماید. با توجه به مزایاي بسیار زیاد روش ترکیبی، زمان عملکرد طولانیتر و پیچیدگی آشکارسازي را میتوان به عنوان نقاط ضعف این روش بیان نمود. استفاده از نامتعادلی ولتاژ و نقطه کار فرکانسی [7] و استفاده از تغییرات ولتاژ و جابجایی توان راکتیو در [8] از جمله روشهاي ارائه شده در این مقوله هستند.
در این مقاله روشی غیرفعال به منظور آشکارسازي جزیره الکتریکی براي تولیدات پراکنده گردان پیشنهاد شده است. این روش بر مبناي مشخصههایی چون مولفه توالی منفی ولتاژ، ولتاژ میدان ژنراتور سنکرون، نرخ تغییرات امپدانس توالی مثبت، میزان انحراف ضریب اعوجاج هارمونیکی و شاخص- هاي استخراج شده از تبدیل موجک موج ولتاژ استوار است. روشهاي تشخیص الگو همچون ماشین بردار پشتیبان و شبکه عصبی به منظور تفکیک حالتهاي جزیره و غیر جزیره به وسیله دادههایی که از مشخصههاي مذکور در آزمایشات مختلف بر روي شبکه 34 شینه تغییر یافته IEEE جمعآوري شده مورد استفاده قرار گرفته است.
از جمله ویژگیهاي SVM، سادگی و قابلیت تعمیمدهی تصمیمگیري آن به نمونه- هاي جدید است. دارا بودن چنین ویژگیهایی موجب شده است که در سالهاي اخیر این روش مخصوصاً در تفکیک شرایطی که دادهها در دو کلاس طبقهبندي میشوند مورد توجه بسیار قرار گیرد. در بخش دوم این مقاله، مدل شبکه مورد بررسی ارائه می- شود و در بخش سوم اصول کار ماشین بردار پشتیبان مطرح خواهد شد. پارامترهاي مورد استفاده در آشکارسازي به روش غیرفعال براي تولیدات پراکنده از نوع ژنراتور سنکرون در فصل چهارم مورد بررسی قرار گرفته و روش پیشنهادي در بخش پنجم عنوان میگردد. در بخش ششم نتایج حاصل از شبیهسازي و در نهایت در بخش هفتم نتیجهگیري بیان می- شود.
-2 مدل شبکه مورد بررسی
در این مقاله از شبکه 34 شینه تغییر یافته IEEE که تحت فرکانس 60Hz کار میکند به منظور بررسی روش پیشنهادي حفاظت شبکه توزیع در برابر جزیره شدن با استفاده از روشهاي تشخیص الگو آشکارسازي جزیره شدن استفاده شده است .[7] دو تولید پراکنده از نوع ژنراتور سنکرون مطابق شکل - 1 - براي این شبکه منظور شده است. این ژنراتورها داراي ظرفیت تولید DG1=5MVA و DG2=2.5MVA هستند.
بارهاي پایه براي هر تولید پراکنده در شکل نشان داده شده است. جهت بررسی اثر تغییر بار در پایانه هر تولید پراکنده، بار LL-1 و LL-2 و به منظور بررسی اثر کلیدزنی بانک خازنی، خازن C1 و C2 به ترتیب در ریزشبکه 1و 2 کلیدزنی میشوند. همچنین بار EL نیز به عنوان بار خارجی در نقطه 806 کلیدزنی خواهد شد. در این شبکه، بار غیرخطی مولد شکاف ولتاژ - Notch - در نقاط 810 و 856 و همچنین بار متغیر به منظور تولید نوسان ولتاژ - Voltage Unbalance - به همین نقاط متصل میگردند. به منظور بررسی اثر خطاهاي متقارن و نامتقارن، مدل صاعقه در نقطه 806 براي مدت 0/2 ثانیه مورد استفاده قرار گرفته است. شرایط جزیرهاي در این شبکه از طریق باز کردن کلید در نقاط 806 ،810 و 856 به وجود آمده و اندازهگیريها به منظور آشکارسازي جزیره در پایانه هر دو DG انجام خواهد گرفت.
-3 ماشین بردار پشتیبان
در استفاده از روش ماشین بردار پشتیبان، دادههاي به دست آمده از آزمایشات مختلف ابتدا در دو کلاس مجزا قرار میگیرند. دو کلاس مورد نظر در این مقاله کلاس دادههاي جزیره و غیر جزیره نام دارد. این نمونهها همانطور که در شکل - 2 - نشان داده شده است، بردارهاي پشتیبان نامیده می- شوند. در بین نمونههاي آموزشی همواره زیر مجموعهاي وجود دارد که میتواند بهترین مرز تصمیمگیري را تعریف کند.
براي مثال نقاط آموزشی داراي کمترین فاصله از مرزهاي تصمیمگیري میتوانند به عنوان زیر مجموعهاي براي تعریف مرزهاي تصمیمگیري در نظر گرفته شوند. یکی از مزایاي بسیار مهم ماشین بردار پشتیبان، بهبود بازده این طبقهبندي کننده با افزایش بعد دادهها است. این طبقهبندي کننده مستقیماً با استفاده از نقاط آموزشی، مرز تصمیمگیري بین دو کلاس را به دست میآورد. از طرفی هر چه بعد دادهها بیشتر شود فاصله کلاسها از یکدیگر بیشتر شده و امکان جداسازي آنها با تعداد محدودي نقاط آموزشی افزایش مییابد. بنابراین چنین طبقهبندي کنندهاي براي طبقهبندي داده با نقاط آموزشی محدود بسیار مفید خواهد بود. [9]
