بخشی از مقاله
خلاصه
این مقاله روش جدیدی پیشنهاد میکند برای نشان دادن قابلیت اطمینان و مشکلات فنی MGs بر اساس طراحی تعدادی از Sub-MGs مستقل خودکفا از طریق اتخاذ هدف مسئله بهینه سازی MGs که در آن کاهش تلفات توان، بهبود پروفیل ولتاژ و افزایش قابلیت اطمینان توسعه داده شده است با عنوان توابع هدف تجدید نظر کرد. برای حل مسئله بهینه سازی یک الگوریتم ترکیبی،به نام HS-GA ، بر اساس الگوریتم های جستجوی ژنتیک و هماهنگ ارائه شده است، و یک روش پخش برای انواع مختلف دیزل ژنراتورها با کنترل کننده پخش بار مساوی داده شده است.عملکرد روش پیشنهاد شده در دو موردارزیابی شده است. نتایج پشتیبانی برای عملکرد روش پیشنهادی را عرضه می کند.
-1مقدمه
ظهور مشکلات اقتصادی و زیست محیطیمتاثر از رشد مصرف انرژی ووجود برخی مشارکت های ناقص در استفاده از روش های سنتی در تولید انرژی الکتریکی ,توسعه شبکه های قدرت های جدید، مانند MGS، برای تامین قدرت در بارهای محلی را ترغیب کرده است. با این حال، نگرانی ها در مورد طراحی کارآمد از MGS برای مقابله با مشکلات فنی، اقتصادیو قابلیت اطمینان از MGS باقی می ماند. تعدادی از محققان مدل های بهینه سازی رو به جلو برای مشکلات طراحی فرمولاسیون MGS بر اساس نیازهای فنی و اقتصادی قرار داده اند.
به عنوان مثال، تحقیق [6] و [7] مدلی برای به حداقل رساندن تلفات توان میکرو شبکه ها ، 9]،[8 به بحث در مورد بهبود پروفیل ولتاژ MGS ، و مطالعات [12-10] نگاهی به حداقل رساندن هزینه های سرمایه گذاری MGS می دهد. در چنین مدل های بهینه سازی ، تکنیک های مختلف مانند روش های مبتنی بر تکنیک های شاخص [13]، عدد صحیح مختلط غیر برنامه ریزی خطی [14]، روش های تحلیلی [15]، الگوریتم ژنتیک 16] - GA - ،[17، جستجو هماهنگ [18]، بهینه سازی ازدحام ذرات PSO، برنامه نویسی تکاملی [20]، پارتو الگوریتم تکامل دیفرانسیل [21] PDE و کلونی زنبور عسل مصنوعی - ABC - اتخاذ شده است.
برای رسیدگی به مشکل قابلیت اطمینان از MGS مستقل، یک راه طراحی MG با توانایی تقسیم شدن به تعدادی از Sub-MGsاست زمانی که یک خطا در MG اتفاق می افتد. این ممکن است شاخه ای از 22] MG،[3 که آن را قابل اعتماد تر می سازد نامیده شود. خوشه اجازه می دهد تا Sub-MGs به طور کافی و مناسب با مقدار نامتعادلی کم بین توان اکتیو و راکتیو تقاضا و تولید عمل کند. Sub-MGs مناسب قادر به محافظت از خود است زمانی که یک خطا در Sub-MGs دیگر اتفاق می افتد، از طریق قطع چنین Sub-MGs و در نتیجه قابلیت اطمینان و کیفیت توان بالاتر برای مصرف کنندگان آن است.
بدین ترتیب جلوگیری از هر گونه اختلال در انتشار به دیگر Sub-MGs سود اصلی از طراحی Sub-MGs است. اتخاذ روش های خوشه بندی در عمل، همراه با برخی از مشکلات است. یکی از چالش های عمده در روش خوشه چگونگی طراحی یک MG است، به طوری که انتقال انرژی در میان Sub-MGs یا نامتعادلی بار تولید شده در هر Sub-MGs را به حداقل مقدار در حالی که در همان زمان نیازهای فنی MG جبران شده باشد.
جالب توجه است، بررسی مطالعات نشان می دهد که مطالعات اندکی در مورد رویکرد خوشه بندی وجود دارد، برای رفع مشکلات فنی و قابلیت اطمینان یک MG مستقل، علیرغم مشکلات گسترده ای که وجود دارد 22]،.[3 مطالعه [3] خوشه MG را با یافتن مکان بهینه DGs همراه با خطوط برش مجموعه برای به حداقل رساندن قدرت منتقل شده بین آنها می سازد. در [3]، نیاز فنی به عنوان تابع هدف در نظر گرفته شده و روش جستجوی Tabu برای حل مشکل بهینه سازی استفاده می شود.
در مقایسه، مرجع [22] خوشه بندی MG بر اساس پیدا کردن محل مطلوب DG ها که هزینه های عملیاتی MG ها به عنوان تابع هدف در نظر گرفته شده است را نشان می دهد. و الگوریتم ABC برای حل مشکل بهینه سازی استفاده شده است. علیرغم آثار [3] و [22]، با این حال، آنها به طور همزمان مشکلات فنی و قابلیت اطمینان MG را در نظر نمی گیرند؛ همچنین آنها از قدرت به عنوان مقدار ثابت استفاده می کنند و به این ترتیب آنها را به عنوان متغیرهای کنترل پارامترهای کنترل از دست دادند.
با وجود خوشه بندی MG ها می تواند به عنوان یک ابزار موثر برای بهبود قابلیت اطمینان MG دیده شود، تلاش های کمی در مورد خوشه بندی مطلوب وجود دارد و چگونگی خوشه بندی باعث افزایش قابلیت اطمینان MG ها می شود. به نظر می رسد هیچ مطالعه ای در مورد قابلیت اطمینان و مشکلات فنی MG ها به طور همزمان از طریق اتخاذ تفکر خوشه ای MG متمرکز نشده است. به همین ترتیب، این مقاله، یک مسئله بهینه سازی جدید چند هدفه برای رفع مشکلات فنی و قابلیت اطمینان مربوط به طراحی یک MG مستقل براساس تفکر خوشه ای MG را تشکیل می دهد.
کاهش تلفات توان و بهبود مشخصات ولتاژ به عنوان مشکلات فنی MG در نظر گرفته می شود در حالی که افزایش قابلیت خوشه بندی MG به عنوان مسئله قابلیت اطمینان MG در نظر گرفته می شود. اینها به عنوان اهداف زمانی که یک خطا در آن اتفاق می افتد و سپس MG به تعدادی از Sub-MG ها خوشه بندی می شود، بهبود می یابد. برای حل مشکل بهینه سازی، یک الگوریتم ترکیبی به نام HS-GA براساس الگوریتم های جستجوی ژنتیکی و هماهنگ برای ارائه راه حل های تحت سلطه پیشنهاد می شود که با همگرایی سریع و بدون افت رسیدن به مقادیر بهینه محلی ارائه می شود.
برای پیدا کردن بهترین راه حل از جبهه پارتو یک تابع فازی ارائه شده است. به منظور اجرای HS-GA، یک الگوریتم پخش بار جدید برای مدل سازی انواع مختلف DG به عنوان باسهای PQ با قدرت ثابت و باسهای کنترل کننده droop طراحی شده است. مشکل بهینه سازی جایی است که که در آن متغیرها شامل DG ها و مکان های خازنی است، پارامترهای DG را که براساس کنترل کننده Droop عمل می کنند، و محل های کاتست را کاهش می دهند. در این مقاله خطوط دارای کات ست به آن خطوط در MG اشاره دارند که باید قطع شود. به طور خلاصه، سهم این مقاله عبارتند از:
1. مقاله یک راه حل اصلی برای مسئله طراحی بهینه ی میکرو شبکه های مستقل با استفاده از تفکر خوشه ای، به کمک دانش در طراحی قدرت میکرو شبکه ها پیشنهاد می کند.
2. مقاله یک روش بهینه برای تعیین مجموعه خطوط کاتست برای تبدیل یک MG به تعدادی از زیر MGS برای حفظ MG در برابر هر گونه خطا، کمک به استحکام MGS می دهد.
3. مقاله ایده استفاده از DG ها را بر مبنای کنترل droop در MGs و پارامترهای بهینه مطلوب DGs ارائه می دهد، که به کنترل بهینه فرکانس و ولتاژ MGs مربوط می شود.
4. مقاله یک الگوریتم ترکیبی جدید، HS-GA را بر اساس الگوریتم های جستجوی ژنتیکی و هماهنگ برای حل مشکل بهینه سازی فراهم می کند.
5. مقاله به صنعت برق به عنوان یک راه جدید برای فکر کردن درباره قابلیت اطمینان MG بر اساس تفکر خوشه ای باز می گردد. این مقاله به 6 بخش موضوعی تقسیم شده است. فرمول بندی مشکل در بخش 2 ارائه شده است. بخش 3 راه حل مشکل بهینه سازی را فراهم می کند و یک روش پخش بار برای عملکرد مستقل زیر MGs در بخش 4 توضیح داده شده است. نتایج عددی در بخش 5 ارائه شده و در نهایت نتیجه در بخش 6 آمده است.
2. تشریح مسئله
به منظور رفع مشکلات فنی و قابلیت اطمینان MG ها بر اساس تفکر خوشه ای، یک مشکل چند هدفه با سه تابع هدف طراحی شده است. دو هدف مرتبط با جنبه های فنی MG ها، از جمله کاهش قدرت - f1 - و بهبود پایداری ولتاژ - f2 - است. سومین هدف با بهبود قابلیت اطمینان - MG - f3 از طریق پیدا کردن خطوط کاتست در MG به منظور خوشه بندی آن به یک مجموعه ای از Sub-MG ها که با به حداقل رساندن عدم توازن توان اکتیو و راکتیو در هر زیر MG انجام می شود، همراه است.
