بخشی از مقاله
خلاصه
با کاهش تلفات در سیستم قدرت تجدید ساختار شده، پایداری به میزان قابل ملاحظه ای تحت کنترل بهره بردار مستقل شبکه خواهد بود . با بررسی و ارائه برنامه ریزی مناسب برای نگه داشتن سیستم در بهترین حالت ممکن، کم کردن تلفات باعث کاهش هزینه در تولید توان راکتیو و استفاده از ظرفیت آزاد خط می شود. در این صورت همواره اپراتور مستقل سیستم قدرت تجدید ساختار شده نگرانی از بابت جبران تلفات ندارد و توان اکتیو بیشتری می تواند از خط عبور دهد بدون اینکه توان راکتیو زیادی تولید کند.
در ابتدا روش های بررسی کاهش تلفات و رفتار شبکه در حالت بدون تلفات در سیستم قدرت تجدید ساختار شده تشریح می گردد، سپس با یادگیری چگونگی بدست آوردن نقطه بهینه و الگوریتم های بهینه سازی به این نتیجه می رسیم که چنانچه تلفات توسط الگوریتم آموزش و یادگیری و پخش بار با روش نیوتن رافسون محاسبه گردد ما نقطه بهینه را بدست آورده ایم. در این صورت اپراتور مستقل سیستم قدرت تجدید ساختار شده می تواند با استفاده از سیستم های انتقال انعطاف پذیر متناوب نقاط بهینه محاسبه شده را با مبدل های کنترلی در شبکه پیاده سازی کند.
1. مقدمه
تعیین کردن نقطه بهینه عبارت است از یافتن مناسب ترین جواب یک مساله با در نظر گرفتن شرایط معین. با این توضیح یک عبارت ریاضی زمانی بهینه می گردد که بتوان مقادیر متغییرهای آن را تا حد امکان - که وابسته به شرایط فیزیکی آن ها است - به نحوی مشخص کرد که مقدار آن بیشینه یا کمینه گردد. بهینه سازی را همچنین می توان به عنوان یک ابزار ریاضی برای پیدا کردن بهترین استراتژی جهت انجام یک کار مشخص از بین چندین روش بهینه سازی دانست که در تمام زمینه های کاربردی از مهندسی تا علم اقتصاد استفاده می شوند.
مسائل تصمیم گیری شامل انتخاب بین چندین حالت مختلف بوده و هدف ما از این انتخاب، بدست آوردن بهترین حالت تصمیم گیری ممکن می باشد. معیار اندازه گیری هر یک از این حالت های انتخابی یک تابع هدف است. در اینجا تابع هدف تلفات است که با بدست آوردن نقطه بهینه آن به بهره بردار مستقل شبکه کمک می کنیم که پایداری،کاهش هزینه های تولیدی توان راکتیو، آزاد سازی ظرفیت خط و انتقال توان بیشینه خط تا حد حرارتی آن در سیستم قدرت تجدید ساختار شده را تضمین نماید.
در نظریه بهینه سازی و روش های موجود آن سعی می شود بهترین حالت از بین مجموعه شرایط ممکن برای انتخاب، توسط تابع تلفات تعیین شده بدست آید. شرایط اقتصادی در دنیا، صنعت برق را به یک بازار رقابتی انرژی مبدل نموده است که تحت عنوان صنعت برق تجدیدساختارشده از آن یاد می شود. در صنعت برق تجدید ساختار شده، اپراتور مستقل سیستم موظف به فراهم نمودن پایداری سیستم است.
حوزه بهینه سازی در سال های اخیر بسیار مورد توجه محققین قرار گرفته است، یکی از دلایل این امر سرعت پیشرفت فناوری های کامپیوتری می باشد، که نتیجه آن پیشرفت و توسعه نرم افزار های کاربر پسند می باشد. از سوی دیگر تنوع و پراکندگی اسمی و نحوه عملکرد الگوریتم های بهینه سازی جدید کاربران را با مشکل انتخاب و درک صحیح از کاربرد آن ها رو به رو کرده است. طراحی، ساخت و نگهداری هر سیستم مهندسی نیازمند تصمیمات تکنولوژی و مدیریتی بسیاری است که در چندین مرحله گرفته می شوند، هدف نهایی اینگونه تصمیمات کمینه کردن تلاش لازم و یا بیشینه کردن سود مورد نظر است.
تلاش لازم یا س ود مطلوب در هر موقعیت را می توان به صورت تابعی از متغییرهای تصمیم گیری بیان کرد. در بررسی الگوریتم های بهینه سازی همگرایی و عملکرد دو معیار مهم به حساب می آیند. بعضی از این الگوریتم ها با وجود آنکه از همگرایی مناسبی برخوردار هستند ولی ممکن است عملکرد ضعیفی داشته باشند، یعنی فرآیند بهبود آن ها از کارایی و سرعت لازم برخوردار نباشند. لذا تاکنون مطالعات بسیاری در این زمینه انجام شده است،گروهی از این پژوهش ها با ارائه روش های جدید و یا اعمال الگوریتم های بهینه سازی تکاملی به مساله سعی در بهبود جواب ها داشته اند.
استفاده از الگوریتم ژنتیک، الگوریتم گروه ذرات یا پرندگان، از جمله مطالعات انجام شده در این زمینه است. در این مقاله از الگوریتم آموزش و یادگیری برای بهبود تلفات درسیستم قدرت تجدید ساختار شده استفاده می گردد، باید بدانیم برای بررسی صحیح تلفات درسیستم قدرت ابتدا پخش بار را از چه روشی محاسبه کنیم تا در پی آن با استفاده از انتخاب صحیح الگوریتم های فراابتکاری برای محاسبه پخش بار به نقطه مطلوب برسیم.
درگذشته برای بدست آوردن تلفات از روش های متداول پخش بار شامل گوس سایدل، نیوتن رافسون، Decoupled، Fast Decoupled و پخش بار DC در سیستم قدرت استفاده گردیده با تحقیق و محاسبات مختلف با نرم افزار متلب و الگوریتم های کاربردی در شبکه قدرت می خواهیم در این پژوهش به نتایجی برسیم تا متوجه شویم از بین روش های پخش بار کدام با بهترین الگوریتم بهینه سازی در زمینه قدرت سازگاری دارد، بنابراین در ابتدا با مقایسه روش های مختلف پخش بار متوجه می شویم کدام روش پخش بار دارای سرعت و همگرایی بهتری است سپس تعیین می کنیم کدام الگوریتم فراابتکاری جهت محاسبات روش پخش بار مورد نظر، ما را به نقطه بهینه می رساند.
الگوریتم گروه ذرات یا پرندگان ، الگوریتم آموزش و یادگیری و الگوریتم ژنتیک برای محاسبات پخش بار مناسبند. اما پس از محاسبات مختلف به این نتیجه می رسیم که کدام یک ما را به نقطه بهینه می رساند. در الگوریتم اجتماع ذرات یا پرندگان تمام اعضای جمعیت در ارتباط با یکدیگرند و از طریق تبادل اطلاعات به حل مساله می پردازند. این الگوریتم از رفتار گروهی جانوران مانند ماهی ها و یا پرندگان طراحی شده است. الگوریتم آموزش و یادگیری یکی از جدیدترین الگوریتم های بهینه سازی تکاملی است که بر اساس مدل سازی تدریس معلم در کلاس بنا نهاده شده است.
تا به حال از الگوریتم ژنتیک که بر پایه زاد و ولد و انتخاب پدر ، مادر و فرزندان است در زمینه پخش بار استفاده شده اما چون دو الگوریتم اجتماع ذرات و آموزش و یادگیری در زمینه سیستم قدرت ما را به نقاط بهتری هدایت می کنند و جدید تر هستند بعد از معرفی هر دو الگوریتم با هم مقایسه می شوند که هر کدام به چه دلیل در محاسبات سیستم قدرت تجدید ساختار شده اپراتور مستقل سیستم را بهتر یاری می سازند. در ابتدا به مطالعه پخش بار در سیستم قدرت می پردازیم تا با مشخص شدن بهترین راه حل بتوانیم در سیستم قدرت تجدیدساختار شده با الگوریتم های متفاوت بررسی بهینه در زمینه کاهش تلفات در شبکه داشته باشیم. در ادامه بخش دوم ، الگوریتم اجتماع ذرات و چگونگی کاربرد آن در بدست آوردن تلفات ، در بخش سوم الگوریتم آموزش و یادگیری در تعیین نقطه کمینه تلفات ، در بخش پنجم نتایج شبیه سازی توسط منحنی مشخصه همگرایی و جداول و در نهایت نتیجه گیری ارائه می گردد.
2. مطالعه پخش بار
روند جاری شدن توان از تولید کننده به مصرف کننده را پخش بار گویند.که تفاوت محاسبات مداری در سیستم قدرت وجود دارد زیرا در یک مدار الکتریکی با مشخص بودن گره ها و جریان های کل، مدار قابل درک و حل است اما در سیستم قدرت برای محاسبه اندازه ولتاژ و زاویه هرشین، توان اکتیو و راکتیو تولیدی و مصرفی عوامل مختلفی از جمله ضریب توان، تولید کننده و مصرف کننده بودن هر شین باید در نظر گرفت تا تمام المان های سیستم مشخص شوند. در شکل - 1 - ملاحظه می گردد P مقدار توان تولیدی که از سمت ژنراتور به سمت بارها در حال شارش است، N تعداد گره ها، Bus تعداد شین و Load بارهای سیستم قدرت مورد نظر هستند.
اولین هدف پخش بار در سیستم قدرت بدست آوردن نحوه شارش توان در شبکه قدرت و دومین هدف آن تعیین معادلات پخش بار و ورودی سیستم که مانند قوانین kvl,kcl در مدار نمی باشند. در معادلات پخش بار ورودی از جنس مختلف که شامل توان اکتیو - P - و توان راکتیو - Q - همچنین اندازه ولتاژ - - |V| و زاویه ولتاژ - - می باشند. در این صورت خروجی در سیستم قدرت همنام ورودی هاست که با معادلات پخش بار محاسبه می گردد بنابراین ورودی ها و خروجی ها در معادلات پخش بار با معادلات گره مداری متفاوت است. معرفی کردن بار در سیستم قدرت تا مداری فرق می کند و بر اساس وات،کیلووات و.... می باشد. المان قدرت بر مبنای توان بررسی می گردد که با توجه به تجهیز واحد آن مشخص می شود، به طور مثال ترانس براساس کیلوولت آمپر و بار بر اساس کیلووات یا لامپ بر اساس وات.
نکاتی که همواره در مطالعه پخش بار باید بدان توجه ویژه کرد: -1 بدست آوردن نحوه شارش توان نیروگاه ها در شبکه قدرت. -2 ورودی به معادلات شبکه از یک جنس نیستند.
در سیستم قدرت همواره می خواهیم رفتار شبکه، DC باشد زیرا در این حالت تلفات به حداقل خود می رسد و اندازه ولتاژ همواره یک پریونیت و مقاومت سیستم قدرت صفر است. در حقیقت طراحی و توسعه آینده شبکه قدرت با توجه به رشد بار و لزوم اضافه کردن ژنراتور ها، ترانسفورماتورها و خطوط جدید در سیستم بدون مطالعه پخش بار امکان پذیر نمی باشد. همچنین مطالعه پخش بار نقش اساسی را در بررسی وضعیت فعلی یک سیستم و تصمیم گیری در مورد بهترین شرایط بهره برداری از آن را بعهده دارند. به طورکلی محاسبه پخش بار حل یک سیستم قدرت در حالت ماندگار و متقارن است.
سیستم قدرت تجدید ساختار شده ابعاد بزرگی دارد و اپراتور مستقل شبکه باید همواره به صورت لحظه ای نقاط بهینه را بیابد لیکن ما از روش ریاضی معمول برای محاسبات المان های سیستم قدرت استفاده نمی کنیم. زیرا زمان طولانی می برد همچنین خطاهای کاربری می تواند به وجود آید. بنابراین از روش های عددی استفاده می کنیم چون مجموعه دسته جواب ها را به دست می آورند خطا بسیار کمتر از حالت قبل خواهد بود تا اینکه هر کدام به صورت ریاضی محاسبه گردند، دو روش عددی گوس- سایدل و نیوتن- رافسون که در سیستم قدرت تجدید ساختار دارای کاربرد عملی است می توانیم برای کاهش تلفات استفاده کنیم.
یعنی در ابتدا باید توسط یکی از روش های فوق المان های پخش بار را محاسبه کنیم سپس با ارتباط دادن به الگوریتم فرا ابتکاری انتخاب شده نقطه بهینه مشخص می گردد. با مقایسه روش عددی گوس- سایدل و نیوتن- رافسون متوجه می شویم که با سرعت بیشتری در روش نیوتن- رافسون به همگرایی می رسیم همچنین نوشتن آن راحت تر و برای سیستم قدرت با ابعاد بالا مناسب تر است
در این مقاله از سیستم قدرت IEEE 30 bus استفاده می کنیم تا همواره بتوانیم تغییرات تلفات را به حداقل برسانیم. همان طور که در شکل - 2 - دیده می شود با توجه به تعداد ژنراتورها و شین های مصرفی، توان راکتیو همواره کنترل می گردد تا تلفات همواره در مقدار حداقل باشد و سیستم دچار فروپاشی نگردد. چنانچه توان اکتیو و راکتیو مصرفی از توان اکتیو و راکتیو تولیدی بیشتر باشد حتما سیستم دچار فروپاشی می گردد که با تامین همیشگی بار و کاهش تلفات توسط کلیدزنی های مناسب با سیستم های انتقال انعطاف پذیر متناوب می توان شبکه را پایدار نگه داشت.
3. الگوریتم اجتماع ذرات - PSO -
این الگوریتم با ایده گرفتن از حرکت تجمعی پرندگان یا انواع ماهیان توسط جیمز کندی و راسل سی ابرهارت در سال 1995 میلادی معرفی گردید. م سائل در سیستم قدرت تجدید ساختار شده غیر خطی هستند و از روش های ریاضی قابل حل نمی باشند، الگوریتم اجتماع ذرات در واقع متشکل از ذراتی است که در فضای جستجو حرکت می کند و هر ذره بهترین تجربه شخصی خود را اعم از بردار موقعیت و نیز بردار سرعت خود را حفظ کرده و از طرفی همه اجتماع ذرات نیز به نوبه خود بهترین تجربه تجمعی را ساخته و حفظ می کند.
pbest بهترین تجربه شخصی و gbest بهترین تجربه سراسری یا leader گروه است، مانند مهاجرت پرندگان یا ماهیان که رهبر - - leader گروه تنظیم کننده سرعت و موقعیت گروه است و هر پرنده یا ماهی باید سرعت و موقعیت خود را تنظیم و با جمع مطابقت دهد.
