بخشی از مقاله
چکیده
منابع تولید پراکنده تحت تاثیر سیاستهایی چون کاهش آلودگی محیط زیست ، کاهش تلفات ، عدم وابستگی به منابع فسیلی ، افزایش کیفیت توان ، وارد شدن بخش خصوصی در عرصه تولید گسترش روزافزونی در شبکه هاي توزیع انرژي الکتریکی یافته اند. یکی از اثرات قابل توجه حضور منابع تولید پراکنده، افزایش قابلیت اطمینان شبکه هاي توزیعمیباشد.این تاثیر در صورت کنترل شبکه بصورت جزیره اي و در حالت بروز عیب مشهود تر میباشد. در این مقاله با توجه به تغییرات احتمالاتی بار، حوزه تغذیه این منابع در حالت بروز عیب مشخص شده و با استفاده از آن شاخص هاي قابلیت اطمینان نقاط بار به صورت واقع بینانه تريمحاسبه میشود. در این مقاله براي مدلسازي بار از تابع توزیع نرمال استفاده شده است و از شبیه سازي مونت کارلو براي
ارزیابی قابلیت اطمینان استفاده میشود . روش پیشنهادي برروي شبکه نمونه اجرا شده و نتایج آن ارائه شده است.
واژههاي کلیدي: قابلیت اطمینان ، شبکه توزیع ، منابع تولید پراکنده ، شبیه سازي مونت کارلو
مقدمه
یکی از پارامترهاي مهم جهت شناخت یک سیستم قدرت مطالعه قابلیت اطمینان آن سیستم میباشد. جهت تفکیک سطوح مختلف قابلیت اطمینان سیستم هاي قدرت با توجه به ارتباط هر کدام از بخش هاي تولید ، انتقال و توزیع، سیستمقدرت به سه سطح تقسیم بندي میگردد. از آنجا که میزان دسترس پذیري یه سیستم توزیع - به علت ساختار شعاعیآن - در مقایسه با سیستم هاي تولید و انتقال بسیار کمتر است این مساله لزوم پرداختن به ارزیابی و بهبود قابلیت اطمینان در این بخش از سیستم قدرت را یادآور میشود.[1 - 2]با توجه به ایجاد رقابت و تجدید ساختار در سیستم هاي قدرت انتظار میرود واحدهاي تولیدي کوچک - تولیدپراکنده - نقش فزآینده اي در آینده این سیستم ها داشته باشد.به طوریکه تحقیقات انجام شده نشان میدهد ، تا سال2010 میلادي بیش از 25 درصد تولید جدید توان الکتریکی را تولید پراکنده تشکیل خواهد داد. [3]
عوامل محرك فراوانی
باعث افزایش تمایل به کار گیري سیستم هاي تولید پراکنده شده است به طوریکه این عوامل عبارتند از: تجدید ساختاردر صنعت برق ، محدودیت هاي موجود در احداث خطوط انتقال ، فواید مناسب زیست محیطی، افزایش روز افزون باردرخواستی .[3]همچنین مرجع [ 4] نصبDG در منطقه اي که هزینه احداث فیدر جدید مانع از ایجاد آن در میشود راروش مناسبی دانسته است.
با وجود مزایاي ذکر شده از معایب DG درشبکه میتوان به این نکته اشاره کرد که DG با تاثیر در جریان خطا در شبکه باعث خطا در هماهنگی حفاظتی در شبکه میشود. براي حل
این مسئله چند راه پیشنهاد شده که جدا کردن DG از شبکه در هنگام بروز خطا و بهینه سازي ظرفیت DG از جمله آنهاست.[5]
واحدهاي تولید پراکنده با توجه به مشخصات ، شرایط بهره برداري و مکان نصب میتوانند تاثیرات مثبت قابل توجهی را روي شبکه هاي توزیع به وجود آورند . از مهمترین این اثرات بهبود قابلیت اطمینان سیستم است. البته این بهبود به مشخصات، تعداد و موقعیت احداث واحدهاي تولید پراکنده وابسته است. این امر درحقیقت ضرورت جایابی و ظرفیت یابی این واحدها را نشان میدهد. [ 7-6]با توجه به این موضوع یکی از نیازهاي اساسی در طراحی و امکان سنجی استفاده از واحدهاي تولید پراکنده در شبکه هاي توزیع ، بهره گیري از روش هاي مناسب ارزیابی تاثیر این واحدها روي قابلیت اطمینان سیستم است. بنابراین به طور کلی دو روش براي تعیین قابلیت اطمینان شبکه توزیع وجوددارد: روش تحلیلی 1 و روش هاي شبیه سازي احتمالاتی2 که بنا بر ضرورت و نیازمندیهاي شبکه یک روش انتخاب میشود .[8]
از روش مونت کارلو که جزء روشهاي شبیه سازي احتمالاتی محسوب میشود، که در واقع شبیه سازي پیاپی یک عمل واقعی با رفتار تصادفی در سیستم است میتوان براي ارزیابی
کفایت سیستم توزیع در حضور DG استفاده کرد. براي مثال درمرجع[3] شبیه سازي مونت کارلو براي تعداد زیادي از نمونه هاي تصادفی اجرا میشود و میزان بار تامین نشده در سال را تعیین میکند وDG براي بهبود ظرفیت شبکه و براي پاسخ به رشد بار وارد مدار میشود.در مرجع[9-10] نیز موضوع تولید پراکنده و قابلیت اطمینان سیستم هاي توزیع مورد بحث قرار گرفته است. در این تحقیق واحدهاي تولیدي به صورت یک بار منفی در شبکه مدلسازي شده اند که مستقل از ولتاژ شبکه توان به شبکه تزریق میکنند، بر این اساس وقتی که خطائی در شبکه رخ دهد قابلیت اطمینان شبکه به علت کاهش بار انتقالی شبکه3 توسط DG بهبود مییابد ، از طرفی در مرجع[9] نشان داده میشود زمانی که ظرفیت DG از مقدار مشخص بیشتر شودباعث برگشت توان به سمت پست میشود و تجهیزات دچاراضافه بار میشوند، بنابراین قابلیت اطمینان شبکه کاهش مییابد.
در شبکه هاي توزیع متداول، انرژي از سمت منبع به صورت شعاعی به سوي مصرف کنندگان انتقال مییابد.در صورتی که خطایی در سیستم توزیع به وجود آید، بایستی محل خطا هرچه سریعتر از سیستم توزیع ایزوله شود. بر اثر این جدایی ممکن است مسیر انتقال انرژي به سوي بعضی از بارها قطع شود و اصطلاحا این بارها بی برق شوند. قابلیت اطمینان شبکه توزیع به میزان و سرعت بازیابی بار مصرف کنندگان وهمچنین سرعت برگرداندن شبکه به آرایش طبیعی خودوابسته است. DG میتواند در عملیات بازیابی تاثیر گذار باشد، به این صورت که با ایجاد جزیره عمدي باعث سرعت بخشیدن به عملیات بازیابی شود. جزیره عمدي جهت بالابردن قابلیت اطمینان بارهاي انتهایی شبکه که به سکشن پشتیبان دیگري دسترسی ندارند یک گزینه مناسب است.
درغیر این صورت در اثر ایجاد یک خطاي دائمی بایستی این بارها بی برقی طولانی را تجربه کنند. جزیره زمانی بوجود میآید که بخشی از سیستم توزیع فقط از منبع DG تغذیه شود. براي مثال در مرجع [ 7] جزیره را میتوان به عنوان یک مش فرض نمود و ارزیابی قابلیت اطمینان را در یک شبکهمش مانند انجام داد.در این مقاله با توجه به تغییرات احتمالاتی بار، حوزه تغذیهمنابع تولید پراکنده در حالت بروز عیب در شبکه مشخص شده و با استفاده از آن شاخص هاي قابلیت اطمینان نقاط باربه صورت واقع بینانه تري محاسبه میشود. به طوریکهتوانهاي مصرفی نقاط بار با تابع توزیع نرمال مدل شده اند.این روش از شبیه سازي مونت کارلو براي ارزیابی الگوریتمخود استفاده میکند،در نهایت نتایج حاصله بر روي شاخصهاي قابلیت اطمینان اعمال میشود.
روش پیشنهادي
-1-2 تغذیه نقاط بار شبکه با DG
در واقع احتمال تغذیه نقاط بار مورد نظر توسط DG بهاحتمال تشکیل کوچکترین جزیره اي اطلاق میشودکه نقطه بار مورد نظر را در بر گیرد.بنابراین DG باید قادر به تامینظرفیت بارهاي مصرفی آن جزیره به خصوص نقطه بار موردنظرباشد. چون کوچکترین جزیره از دیدگاه نقطه بار مورد نظرباید تشکیل شود، نقطه بار مورد نظر همیشه در انتهاي جزیرهواقع میشود.همانطور که در شکل هاي 1و2 مشاهده میکنید،جزیره هاي تشکیل شده در فیدري که DG روي آن قرار میگیرد ، ازدیدگاه نقاط بار مورد نظر به دو قسمت بالا دست - UPILPi - و پایین دست - DNILPj - تقسیم میشوند. . در این سیستم هربخش فیدر توسط کلید در دو طرف حفاظت میشود وچنانچه خطایی روي هر بخش رخ دهد، دو کلید طرفین آنعمل خواهند کرد و آن بخش از مدار خارج میشود. بنابراینDG میتواند در هنگام بروز خطا در بالا دست خود با وجود المان هاي حفاظتی، درشبکه باقی بماند.
-2-2 مدلسازي نقاط بار شبکه
نقاط بار در سیستم توزیع داراي توان مصرفی مساوي و ثابتی نیستند و در نظر گرفتن آنها به عنوان بار ثابت در شبکه هاي واقعی براي ساده سازي حل مسائل در شبکه است که درنتیجه، این فرض باعث بدست آوردن نتایج واقع بینانه اي نمی شود. اطلاعات منتشر شده نشان میدهد که عدم قطعیت بطور قابل قبولی میتواند بوسیله توزیع نرمال بیان شود.[11]
