بخشی از مقاله
چکیده:
بدیهی است پرداختن به مسئله تلفات بسیار مهم و ضروری بوده و روش های گوناگونی در مورد آن مطرح شده است. این مقاله نیز استفاده از شبکه های عصبی مصنوعی را یکی از بهترین و مناسب ترین الگوریتم جهت بهبود توپولوژی شبکه می داند. هدف کنترل کلید های قدرت بوده و کاهش میزان افت و خیز ناگهانی شبکه و کاهش آسیب های ناشی از قطع برق می باشد.
نتایج نشان داده اند که با استفاده از الگوریتم شبکه عصبی پرسپترون برای کنترل توپولوژی شبکه های قدرت می توان تا 91 درصد افت های ناشی از کمبود توان را جبران کرد. لذا به نظر میرسد که الگوریتم جدید می تواند برخی از مشکلات موجود را بهبود بخشد. و همچنین به دلیل عدم تغییرات اساسی در ساختار های شبکه اجرای الگوریتم جدید از نظر اقتصادی برای ادارات برق مقرون به صرفه می باشد.
مقدمه:
شبکه قدرت شامل سه بخش تولید، انتقال و توزیع بوده که در نهایت انرژی تولید شده به مصرف کننده می رسد. این انرژی در مسیر عبور از شبکه انتقال و توزیع به مصرف کنندگان به دلایل مختلف دچار تلفات می شود. تحقیقات نشان می دهد که حدود 13 درصد از توان الکتریکی تولید شده در مسیر انتقال از نیروگاه به مصرف کننده تلف می شود.
قدمت بحث تلفات به اندازه قدمت صنعت برق می باشد و مسلماً تلفات و معضلات این پدیده بسیار قدیمی است ولی آنچه باعث شده تا این مشکل همچنان به عنوان بحثی به روز در جامعه مهندسی مطرح باشد تبعات اقتصادی و هزینه های گزافی است که از این بابت پرداخت می شود .نکته قابل توجه این است که تلفات ناشی از انتقال اجتناب ناپذیر بوده [2] اما تلاش برای رسیدن به شبکه ای مطمئن با حداقل قطع سرویس دهی به مصرف کنندگان و نیز توسعه تجهیزات شبکه انتقال و فوق توزیع به صورت یک فعالیت مستمر در صنعت برق می تواند به کاهش آن کمک کند.
بیان مسئله:
تلفات انتقال باعث اتلاف میلیون ها دلار از سرمایه کشورها می شود. در نتیجه مسئله این که "چه کسی باید هزینه تلفات را پرداخت کند؟" رایج شده و بنابراین به اشتراک گذاشتن و تقسیم عادلانه هزینه های بهره برداری در میان تمام شرکت کنندگان بازار به یک مسئله کلیدی تبدیل شده است. مقوله تلفات، مخصوصاً در بخش توزیع بسیار مهم می باشد.
معمولا در کل سیستم های قدرت بالا ترین سهم تلفات به سیستم توزیع اختصاص دارد که البته دلیل این امر را باید در گستردگی سطح و کثرت ادوات موجود در این سیستم، به همراه ویژگی های دیگری از جمله بار های تکفاز و سطح ولتاژ پایین آن جستجو نمود .[8] روش ها مختلفی برای کاهش تلفات در سیستم توزیع می باشد که از مهم ترین آن ها عبارتند از:
.1 جبران سازی به منظور کاهش تلفات ناشی از توان راکتیو
.2 اتوماسیون سیستم های توزیع
.3 بهینه سازی ولتاژ سیستم و بالانس جریان های هر فاز
.4 ترانسفورماتورهای کم تلفات
.5 ذخیره سازی انرژی های پراکنده
.6 استفاده از سیستم قرائت کنتور و صدور صورتحساب به صورت اتوماتیک
متاسفانه تلفات به عنوان یک تابع غیر خطی از جریان خط تعریف می شود و تعیین دقیق آن بخش از تلفات که توسط هر کدام از اجزا سیستم شامل ژنراتور، بار و خط انتقال ایجاد شده، غیر ممکن است. تعدادی از طرح های تخصیص تلفات در این میان بررسی شده است که در آن ها تلفات سیستم به ژنراتور ها و بارها در یک بازار برق اشتراکی یا معاملات فردی در بازار های دو جانبه تخصیص می یابد. اما هر کدام از آن ها یا صرفا تئوری و ناکارآمد بوده و یا نیاز به اعمال تغییرات اساسی در شبکه دارد [5] [4][3] .[7] [6]
روش کار:
ابتدا شبکه برق با استفاده از شبکه عصبی مصنوعی شبیه سازی شده و در ادامه با استفاده از نرم افزار MATLAB پیاده سازی شده و خروجی های مورد نظر استخراج شده است. از آن جایی که در این مقاله نیاز به ترکیب خطی به چشم می آید و همچنین انتخاب مناسب تعداد لایه ها و سلول های عصبی از ملزمات این کار بوده شبکه پرسپترون انتخاب و بررسی شده است.
شبکه عصبی مصنوعی از چهار بلوک تشکیل شده است. اولین بلوک برنامه برای محاسبه بار منطقه از طریق عملیات ریاضی ساده با داده های اندازه گیری شده است. و نتایج محاسبه به عنوان ورودی به شبکه های عصبی مصنوعی منتقل می شود. بلوک های دوم و سوم نشان دهنده عملیات شبکه های عصبی مصنوعی در اهداف مربوطه می باشند. در مرحله اول، شبکه های عصبی بالا برآورد سطح بار از هر منطقه با داده های فعال / توان راکتیو، و انتقال سطح بار تخمین زده شده برای شبکه های عصبی پایین تر است.
بر اساس سطح بار منطقه، شبکه های عصبی پایین تر الگوی جریان بار را تشخیص و توپولوژی سیستم رضایت بخش تابع هدف را تعیین می کنند. نتیجه این است که به عنوان ورودی از بلوک 4 برای تعیین استراتژی کنترل ارائه شده است. بلوک 4 استراتژی کنترل با توپولوژی سیستم برای الگوی بار قبلی و الگوی بار تشخیص داده شده جدید پیشنهاد شده توسط شبکه های عصبی مصنوعی تعیین می کند.
این استراتژی کنترل نشان دهنده توالی کنترل از سوئیچ ها به منظور جلوگیری از گسل غیر منتظره در طول فرآیند انتقال بار است. به طور کلی، شبکه های عصبی مصنوعی بسیار قدرتمند در تشخیص الگو هستند، در حالی که کامپیوتر معمولی در پردازش عددی کارآمد است. بنابراین، برای طراحی سخت افزار، مطلوب آن است که برای اتخاذ ساختار ترکیبی بلوک 1 و 4 به عنوان مفهوم محاسبات معمولی طراحی شده است، و بلوک 2 و 3 به عنوان شبکه های عصبی مصنوعی طراحی شده است.
معادلات ریاضی:
داده بار در یک فاصله از راه دور اندازه گیری شده جریان خط از هر خط می باشد. بنابراین، بار منطقه را می توان از معادله زیر از طریق عملیات ریاضی ساده در بر داشت. پروسه انجام شده در این مقاله بر اساس دو حالت مختلف انجام شده است. یکی در حالتی که سیستم توزیع بدون استفاده از شبکه عصبی مصنوعی سوئیچ زنی می کند. و دیگری در حالتی که برای سوئیچ زنی از آرایش شبکه های عصبی مصنوعی آورده شده استفاده می نماید.
خروجی سیستم بدون اعمال شبکه عصبی:
سیستم مورد بررسی دارای 33 باس مختلف به صورت نشان داده شده در شکل 1 و بدون حضور شبکه عصبی مصنوعی می باشد که در بازه ی زمانی 20 واحدی توانسته نواسات نشان داده شده در نمودار شکل 2 را کنترل نماید. کنترل سنتی و در حالت بدون حضور شبکه عصبی مصنوعی، برای پایدار شدن سیستم 33 باسی با اعمال اختلالات نیاز به 20 واحد زمانی داشته این در صورتی است.
