بخشی از مقاله
خلاصه
در این مقاله، هزینههای بهرهبرداری و تلفات در یک ریزشبکه، در حالت اتصال به شبکه در بازه زمانی 24 ساعت و برای یک روز خاص مورد بررسی قرار گرفته است. برای این منظور تعیین میزان مشارکت هر یک از منابع تولید پراکنده در تأمین بار محلی با هدف کاهش هزینههای بهرهبرداری و با در نظر گرفتن تلفات، بررسی شده است.
ریزشبکه مورد نظر شامل توربینهای بادی، سلولهای خورشیدی، توربینهای گاز، سیستمهای ذخیرهسازی و غیره است. ظرفیت واحدهای نصبشده در ریزشبکه مورد مطالعه بهگونهای است که همواره بخشی از انرژی مورد تقاضای بار توسط شبکه سراسری تأمین میگردد.
ازاینرو برنامهریزی شارژ و دشارژ سیستم ذخیرهساز انرژی با توجه به نحوه تعامل ریزشبکه با شبکهی بالادست و همچنین نوسانات بازار برق برای یک دوره زمانی مشخص انجام گرفته است. پروسه بهرهبرداری بهعنوان یک مسئله بهینهسازی در نظر گرفتهشده و با استفاده از الگوریتم برنامهریزی درجه دوم متوالی - SQP - حل شده است.
الگوریتم پیشنهادی روی ریزشبکه نمونه 17 شینه پیادهسازی شده است. نتایج نشان می دهند با بهرهبرداری بهینه ریزشبکه از طریق نحوه مشارکت واحدها و برنامهریزی شارژ و دشارژ باتریها، هزینه بهرهبرداری از ریزشبکه کاهش و تلفات بهبود یافته است.
.1 مقدمه
محدودیت منابع تولید انرژی و رشد فزاینده تقاضای انرژی الکتریکی به عنوان یک چالش اساسی برای کشورهای درحالتوسعه مطرح است. تحت چنین شرایطی و با توجه به رو به پایان بودن سوختهای فسیلی و تلاش برای کاهش استفاده از این منابع، توجه کشورها به سمت استفاده از منابع تجدیدپذیر معطوف شده است
یکی از مهمترین کاربردهای ریزشبکهها، استفاده از تولیدکنندگان کوچک توان در محل مصرف، برای تأمین بار مصارف تجاری، نظامی و مسکونی است. ژنراتورهای ریزشبکه میتوانند با برنامهریزی مناسب، بار متقاضیان را با کمترین هزینه تأمین کنند.
برنامهریزی واحدهای تولیدی ریزشبکه نیازمند استفاده از یک مدل اقتصادی، برای توصیف ارتباط میان هزینه تولید و توان تولیدی آنهاست. این مدل، طبیعت غیرخطی و گسسته دارد. از همین رو، برای کاهش هزینه در این مدل، نیازمند ابزارهای بهینهسازی مؤثر هستیم
کارهای تحقیقاتی فراوانی در زمینه برنامهریزی بهرهبرداری بهینه از سیستم قدرت انجام گرفته و روشهای بهینهسازی متفاوتی برای حل آن ارائه شده است.
در [8] یک مدیریت انرژی هوشمند بر اساس الگوریتم ژنتیک - GA7 - برای بهرهبرداری یک شبکه استفاده شده است. برنامهریزی خطی - LP - 8 در [9] برای کمینه کردن هزینه یک ریزشبکه با استفاده از شارژ و دشارژ بهینه ذخیرهسازها ارائه شده است.
در [10] نقش مرکز مدیریت با هدف بهرهبرداری بهینه و مدیریت تولیدات پراکنده بررسی شده است و تبادل انرژی با شبکه بالادست نیز در نظر گرفتهشده است. بهینهسازی هزینههای بهرهبرداری از ریزشبکه با در نظر گرفتن اثر سیستمهای ذخیرهساز انرژی هدفی است که در [11] با روشهای تجمع ذرات و برنامهریزی خطی دنبال شده است.
همچنین در مرجع [12] الگوریتم بهبودیافته تجمع ذرات - AMPSO - 9 برای حل مسئله مدیریت انرژی در یک ریزشبکه نمونه اعمال شده است. ریزشبکه نمونه شامل منابع تولیدی تجدیدپذیر، میکروتوربین، پیل سوختی و باتریها بوده که برای افق زمانی 24 ساعت بهصورت بهینه برنامهریزی شده است.
در یک مطالعه مشابه در مرجع [13] مسئله مدیریت انرژی در شبکههای توزیع در حضور توان بادی، پنلهای خورشیدی و پیل سوختی ارائه شده است که از الگوریتم بهینهسازی زنبورعسل - HBMO - 10 برای بهینهسازی استفاده شده است. مرجع [14] استراتژی مدیریت بهینه باتریهای توزیعشده در شبکههای توزیع را در حضور ضریب نفوذ بالای توان خورشیدی ارائه کرده است که مسئله با کاهش تلفات شبکه و با کنترل ولتاژ شینهای شبکه، حل شده است.
با توجه به مطالب فوق، حل مسئله بهینهسازی ریزشبکه ها هنوز نیازمند کارهای تحقیقاتی زیادی است. مقدار توان تخصیص دادهشده به منابع تولیدپراکنده و تغییر مقدار آن در هر ساعت تأثیر مستقیمی در تلفات ریزشبکه دارد بنابراین در نظر گرفتن تلفات در ریزشبکه ها در هنگام پخش توان بهصورت بهینه، یکی از مواردی است که در کارهای تحقیقاتی قبلی و با وجود اهمیت بسیار زیاد آن، زیاد مورد توجه قرار نگرفته است.
همچنین الگوریتمهای تکاملی مختلفی برای حل مسئله بهرهبرداری بهینه ریزشبکه ها نیز به کار گرفته شدهاند. الگوریتمهای مبتنی بر الگوریتم ژنتیک در 8]و[5، یک الگوریتم مبتنی برPSO1 در [15] و یک الگوریتم مبتنی برDE2 در [16] برای حل مسئله بهرهبرداری بهینه ریزشبکه ها به کار گرفته شدهاند.
در این مقاله، مسئله بهرهبرداری بهینه از یک ریزشبکه، برای تعیین میزان مشارکت هر یک از منابع تولید توان، نحوه تعامل ریزشبکه با شبکه بالادست و برنامهریزی شارژ و دشارژ سیستم ذخیرهساز انرژی به منظور تأمین بار محلی و با در نظر گرفتن تلفات، در حالت متصل به شبکه سراسری بررسی شده است
همچنین برای بهینهسازی تابع هدف از دو الگوریتم ژنتیک و برنامهریزی درجه دوم متوالی - SQP - 3 که یک روش تکرارپذیر مناسب و مفید برای حل عددی مسائل بهینهسازی غیرخطی است، استفاده شده است که نسبت به الگوریتمهای موجود سریعتر و بهتر به جواب همگرا میشود. در ادامه، در بخش دوم به مدلسازی ریاضی مسئله پرداخته شده است. در بخش سوم الگوریتم حل ارائه گردیده است. در بخش چهارم سیستم مورد مطالعه ارائه شده است. الگوریتم شبیهسازی در بخش پنجم آمدهاست و نتایج در بخش ششم ارائه گردیده است.
.2 مدلسازی ریاضی
مدلسازی ریاضی عملکرد یک ریزشبکه ی متصل به شبکه توزیع، نیاز به در نظر گرفتن قیود هر یک از تجهیزات داخل ریزشبکه دارد و این قیود بایستی تا حد ممکن بهگونهای تعریف شوند که مسئله بهینهسازی نهایی، ساده و کاربردی باشد.
در این مقاله هدف کمینه کردن هزینهی بهرهبرداری برای ریزشبکه مورد نظر با در نظر گرفتن تلفات در یک روز خاص میباشد. مدل ارائه شده در این مقاله قابل اعمال به تمامی روزهای سال نیز میباشد. همچنین مدل جامع است و در هر مطالعه موردی دیگر نیز میتواند مورد استفاده قرار گیرد.
.2,1 تابع هدف
تابع هزینه بهرهبرداری از ریزشبکه شامل هزینه تولید توان توسط منابع تولید پراکنده در ریزشبکه، هزینه استفاده از باتریها و انرژی دریافت شده از شبکه توزیع بالادست میباشد که با روابط - 1 - و - 2 - مدل شده است
