بخشی از مقاله
چکیده:
بهینه سازی توزیع توان راکتیو در سیستم های قدرت باتنظیم ولتاژژنراتورها،تپ ترانسفورماتورهای باقابلیت تغییرتپ در زیر بار واندازه خازن های موازی انجام می شود .دراین مقاله یک الگوریتم ترکیبی ژنتیک وشبیه سازی تبرید برای حل مساله توزیع بهینه توان راکتیو ارائه می شود.ازآنجاکه درحل این مساله هم متغیرهای پیوسته مانند ولتاژشینهای ژنراتورها وهم متغیرهای گسسته مانند تپ ترانسفورماتورها و اندازه خازن های موازی سوئیچ شونده وجود دارنددرالگوریتم پیشنهادی هررشته به دوقسمت متغیرهای پیوسته ومتغیرهای گسسته تقسیم شده وبرای هر قسمت عملگرهای متناسب باآن استفاده می شود . برای توزیع توان راکتیو دراین مقاله تلفات توان حقیقی این شبکه به عنوان تابع هدف درنظرگرفته شده وتجاوزولتاژشینها ازمحدوده های مجاز به عنوان تابع جریمه به تابع هدف افزوده شده است شبیه سازی ها برروی سیستم قدرت 30شینه IEEEانجام شده ونتایج بدست آمده از الگوریتم های ژنتیک انجمادتدریجی بانتایج روش پیشنهادی مقایسه گردیده است ونشانگراین است که الگوریتم پیشنهادی در زمان قابل قبول به جوابهای مناسب تری دسترسی پیدا می کند.
واژه های کلیدی : الگوریتم ژنتیک ، شبیه سازی تبرید ، مسئله توان راکتیو، تلفات خط انتقال ، بهینه سازی
.1 مقدمه :
باگسترش شبکه های قدرت ،بهره برداری از منابع توان راکتیو موجود درشبکه برای بهبود پروفیل ولتاژوکاهش نلفات توان مورد توجه بسیاری قرار گرفته است اگر چه تولیدتوان راکتیو به خودی خود ولی به خاطر تاثیربر تلفات سیستم برهزینه کل تاثیر گذار است .درحالت کلی برنامه ریزی توان راکتیو دو مساله محل یابی وبهره برداری را شامل میشود . مساله محل یابی تعیین نوع،اندازه ومحل منابع جدید توان راکتیو در سیستم است درحالی که مساله بهره برداری بر تنظیم بهینه منابع موجود توان راکتیو درشبکه تاکید دارد.پارامترهایی که لازم است درمساله توزیع توان راکتیو تنظیم شوند ولتاژشینهای کنترل شده ،تپ ترانسفورماتورهای با قابلیت تغییرتپ درزیر بار واندازه خازن های موازی هستند .
درحل مساله توزیع توان راکتیو فرض براین است که پخش بار اقتصادی صورت گرفته ومیزان تولید توان اکتیو توسط هرژنراتور مشخص می باشد.اگرمساله توزیع توان اقتصادی را در نظربگیریم بابزرگترشدن سیستم قدرت فضای جواب مساله به سرعت بزرگتر وپیچیده تر می شود.حتی برای سیستم قدرت 30شینه درسال های اخیر علاقه زیادی برای استفاده ازروش های اماری جستجودرمسائل بهینه ساز ی کلی بوجودامده است .[1] الگوریتم ژنتیک یکی از روش های اماری جستجو است که ازیک جمعیت اولیه تصادفی ازجواب ها شروع کرده وبرپایه تئوری تکامل تدریجی وبابکارگیری عملگرهای ژنتیک به جواب بهینه دست می یابد. [2]
مشکل اصلی کاربرد الگوریتم ژنتیک همگرایی زودرس ان است که باعث می شود الگوریتم ژنتیک بجای یافتن نقطه بهینه جامع به نقطه بهینه محلی همگرا شود.[3]مشکل دیگر الگوریتم ژنتیک حجم زیاد محاسبات ان است که منجربه طولانی شدن زمان اجرای الگوریتم می گردد.[4] برای رفع این مشکل دراین مقاله ازترکیب الگوریتم ژنتیک - - GAباالگوریتم انجمادتدریجی - SA - پیشنهادشده است .شبیه سازی ها برروی سیستم قدرت 30شینه IEEEانجام شده ونتایج حاصل ازروش پیشنهادی بانتایج به دسست امده ازالگوریتم های ژنتیک وانجمادتدریجی مقایسه شده است ونشان داده که الگوریتم پیشنهادی درزمان قابل قبول به نتایج بهتری دست می یابد.
.2 فرمول بندی مسئله:
برای حل مسائل بهینه سازی غیرخطی [5] قیدهای مساله رابه تابع هدف اضافه می کنند .درمساله بهینه سازی توزیع توان راکتیوقیدهای تساوی وقیدهای نامساوی تپ ترانسفورماتورهاوتوان راکتیوتولیدی ژنراتورهاوخازن ها درحل پخش بار لحاظ می گردند.[6],[7]دراین مقاله مسئله توان راکتیو دردوحالت فرمولبندی شده است در حالت اول مساله باجریمه لحاظ شده ومحاسبات انجام می گرددودر حالت دوم مساله بدون جریمه حل میشود .هردوحالت تابع هدف افزوده متفاوت است ،اماقیودمساوی ، قیود نامساوی ومتغیرهای کنترل یکسان باقی می ماند .
.3تابع هدف ومحدودیتها :
تابع هدف دراین مسئله پیدا کردن پاسخ بهینه جهت متغیرهای کنترل توان راکتیو وهمچنین مینیمم کردن تلفات توان حقیقی است.که در دو حالت بادرنظرگرفتن جریمه بدون درنظرگرفتن جریمه بشرح ذیل بیان میشود.
الف - تابع هدف بدون درنظر گرفتن جریمه : [8]
که در آن ploosتلفات توان حقیقی وVDانحراف ولتاژباسبار ،Wضریب وزنی که برروی 0,69تنظیم شده است.
ب - : تابع هدف بادرنظر گرفتن جریمه : [9]
که در آن w ضریب وزنی است وبرروی 0,7تنظیم شده است ploos.تلفات توان اکتیودرسیستم،VDانحراف ولتاژباس بار،Liمحدوده تغییرات حرارتی درکلیه خطوط ،Viمحدوده تغییرات ولتاژدرکلیه باس بارها ،Qiمحدوده تغییرات منابع توان راکتیو ،Pslمحدوده تغییرات توان حقیقی درشین slack، nlتعدادشاخه ها ،Npqتعداد شینهای باسبارها،Npvتعدادشینهای ژنراتورها
