بهینه سازی حذف بار سیستم قدرت مبتنی بر هوش ازدحامی
بهینه سازی حذف بار سیستم قدرت مبتنی بر هوش ازدحامی – ایران ترجمه – Irantarjomeh
مقالات ترجمه شده آماده گروه برق – الکترونیک
مقالات ترجمه شده آماده کل گروه های دانشگاهی
مقالات
قیمت
قیمت این مقاله: 38000 تومان (ایران ترجمه - Irantarjomeh)
توضیح
بخش زیادی از این مقاله بصورت رایگان ذیلا قابل مطالعه می باشد.
شماره | ۱۹۳ |
کد مقاله | ELC193 |
مترجم | گروه مترجمین ایران ترجمه – irantarjomeh |
نام فارسی | بهینه سازی حذف بار در سیستم قدرت با استفاده از تکنیک های بهینه سازی مبتنی بر هوش ازدحامی |
نام انگلیسی | Load Shedding Optimization in Power System Using Swarm Intelligence-Based Optimization Techniques |
تعداد صفحه به فارسی | ۲۰ |
تعداد صفحه به انگلیسی | ۵ |
کلمات کلیدی به فارسی | بار زدایی / حذف بار, الگوریتم کرم شب تاب, بهینه سازی ازدحام ذرات, شاخص پایداری ولتاژ جدید, بهینه سازی چند هدفه |
کلمات کلیدی به انگلیسی | Load shedding, Firefly Algorithm, Particle Swarm Optimization, New Voltage Stability Index, Multi-objective Optimization |
مرجع به فارسی | ژورنال بین المللی تحقیقات پیشرفته در علوم مهندسیدپارتمان مهندسی برق، کالج مهندسی احمدآباد، هندوستان |
مرجع به انگلیسی | International Journal of Advance Research in Engineering, Science & Technology (IJAREST); Electrical Engineering Department, L.D. College of Engineering Ahmedabad, India |
کشور | هندوستان |
بهینه سازی حذف بار در سیستم قدرت با استفاده از تکنیک های بهینه سازی مبتنی بر هوش ازدحامی
چکیده
در این مقاله با استفاده از دو الگوریتم مبتنی بر هوش ازدحامی الهام گرفته شده از زیست یعنی الگوریتم کرم شب تاب (FA) و بهینه سازی ازدحام ذرات (PSO) یک مسئله بار زدایی یا حذف بار بهینه مربوط به افزایش بار سیستم حل شده است. توابع هدف استاندارد یعنی مقدار بار زدایی و شاخص پایداری ولتاژ جدید (NVSI)، نشان دهنده موقعیت بهینه بار مورد حذف، با استفاده از الگوریتم های پیشنهادی کمینه می شوند. NVSI به عنوان یک نشانگر پایداری ولتاژ در خط انتقال عمل می کند و کمینه سازی آن عملکرد خط انتقال را بهبود می بخشد و بنابراین سبب بهبود پایداری ولتاژ سیستم می شود. برای حل مشکل جریان بار یک سیستم تست استاندارد IEEE 30- شینه با استفاده از روش گاوس سیدل به کار گرفته می شود. این مقاله کارایی هر دو الگوریتم در حل مسئله چند هدفه ارائه شده را مقایسه می کند.
کلمات کلیدی: بار زدایی / حذف بار، الگوریتم کرم شب تاب، بهینه سازی ازدحام ذرات، شاخص پایداری ولتاژ جدید، بهینه سازی چند هدفه
بهینه سازی حذف بار سیستم قدرت مبتنی بر هوش ازدحامی
۱- مقدمه
ناپایداری ولتاژ رایج ترین عامل دخیل در قطع برق است که حاصل از افزایش بار سیستم انتقال است که می تواند منجر به رویداد آبشاری یا جزیره ای شدن منتج به خاموشی (قطع برق) شود. بار زدایی / حذف دقیق حین چنین شرایطی برای جلوگیری از فروپاشی کلی سیستم حیاتی است. موقعیت بهینه مکان های مد نظر برای بار زدایی به همراه کمیت بهینه مورد نیاز آنها نیز بعنوان یک ضرورت بشمار می آید. چون بار زدایی هزینه های اقتصادی بالایی را یه بار می آورد شرکت توزیع باید بیشترین تلاش خود به منظور حفاظت از بخش عمده بار را به کار گیرد.
شاخص های پایداری ولتاژ ابزار قدرتمندی برای شناسایی ضعیف ترین شینه ها و خط بحرانی هستند. در (۱) کمینه سازی بار زدایی کلی و مجموعه شاخص پایداری ولتاژ جدید (NVSI) در شینه های اتخاب شده به عنوان دو هدف برای بازیابی حل پذیری جریان برق در نظر گرفته شده اند. در (۲) برای طرح های بار زدایی مبتنی بر رویداد محور یک مسئله بهینه سازی غیر خطی برای تعیین بهترین مکان و مقدار باری که باید حذف شود با تبدیل آن به زنجیره ای از مسائل بهینه سازی خطی حل شده است. همچنین یک مدل جدید شبکه چند درگاهی نیز برای شناسایی سریع مکان های محتمل بار زدایی در روش چند مرحله ای پیشنهادی ارائه شده است.
در (۳) مروری بر تکنیک های هوش محاسباتی اعمال شده به بار زدایی در سیستم های برق همراه با مقایسه مزایای آنها نسبت به تکنیک های متداول بار زدایی به همراه محدودیت های تکنیک های هوش محاسباتی ارائه شده است که استفاده از آنها در بار زدایی زمان حقیقی را محدود می کنند.
در (۴) برای حل مسئله بار زدایی افت ولتاژ (UVLS) یک روش جدید مبتنی بر الگوریتم هیبرید ژنتیک و تکنیک بهینه سازی ازدحام ذرات ارائه شده است. هزینه وقفه مشتری برای پنج طبقه بندی اصلی بار به صورت تابعی درجه دوم مدل شده است.
در (۵) تأثیرات پارامترهای اصلی FA روی چندین تابع محک به صورت سیستماتیک (سامانمند) بررسی شده اند. مشخصه های پارامترهای FA و رهنمودهایی برای تعییر مقادیر پارامترها شرح داده شده اند.
در (۶) یک طرح بار زدایی چند مرحله ای برای ارزیابی امنیت ولتاژ تحت اختلالات ارائه شده است. با استفاده از شاخص پایداری ولتاژ مبتنی بر خط الگوریتم جدیدی به عنوان ابزاری برای اندازه گیری حساسیت یک خط انتقال در سیستم توسعه داده شده است. در (۷) بر اساس مفهوم حاشیه پایداری ولتاژ استاتیک و مقدار حساسیت آن در نقطه بارگذاری بیشنه/ نقطه شکست الگوریتم بار زدایی بهینه ای توسعه داده شده است.
بهینه سازی حذف بار سیستم قدرت مبتنی بر هوش ازدحامی
۲- فرمول بندی مسئله
هدف یک مسئله بار زدایی بهینه تعیین طراحی متغیرهایی است که تابع هدف را کمینه می کنند. از شاخص زیر که با محدودیت های مناسب اعمال می شود برای فرمول بندی موارد مشابه استفاده می شود.
الف) شاخص پایداری ولتاژ
با توجه به معادله یک شبکه دو شینه و با نادیده گرفتن مقاومت خط انتقال که منجر به تغییرات قابل توجهی در بارگذاری حقیقی و راکتیو می شود شاخص پایداری ولتاژ جدیدی (NVSI) ارائه شده است (۱). به طور کلی فرمول بندی NVSI متصل کننده شینه i به شینه j توسط رابطه زیر به دست می آید:
بهینه سازی حذف بار سیستم قدرت مبتنی بر هوش ازدحامی
۳- الگوریتم کرم شب تاب
الگوریتم کرم شب تاب یکی از چند الگوریتم بهینه سازی مبتنی بر ازدحام است که در سال ۲۰۰۷ توسط دکتر ژین شی یانگ (۱۱) در دانشگاه کمبریج معرفی شدند و از رفتار جفت گیری یا درخشش (ساتع کردن نور) کرم های شب تاب الهام گرفته شده است. آسان تر بودن مفهوم و همچنین پیاده سازی آن نسبت به دیگر الگوریتم های مبتنی بر ازدحام اثبات شده است. بیشتر کرم های شب تاب تنها توانایی برقراری ارتباط تا چند صد متر را دارند.
نور تابشی در پیاده سازی الگوریتم به گونه ای فرمول بندی می شود که مرتبط با تابع هدف مورد نظر برای بهینه سازی باشد. دقت، قدرتمندی و پیاده سازی آسان و موازی مزایای متمایز کننده آن هستند.
بهینه سازی حذف بار سیستم قدرت مبتنی بر هوش ازدحامی
۴- الگوریتم بهینه سازی ازدحام ذرات (PSO)
بهینه سازی ازدحام ذرات (PSO) یک تکنیک محاسباتی انقلابی است که اولین بار در سال ۱۹۹۵ توسط کندی و ابرهارت معرفی شد. این تکنیک بر اساس شبیه سازی رفتار اجتماعی حیواناتی مانند دسته ای از پرندگان، دسته ای (گروهی) از ماهی ها یا گروهی از مردم است که در زندگی خود یک هدف مشترک را دنبال می کنند.
یک PSO ساده رویه ای تکراری است که مکان هر ذره در آن کاندیدی برای بهترین راه حل است. ذرات در امتداد مسیرهایی حرکت می کنند که در اصل توسط ترکیبات معنیداری از بهترین اطلاعات محلی (موضعی) و کلی تعیین می شوند که در هر مرحله تکرار در دسترس عامل ها قرار دارند.
۵- رویه
اجرای با حد پایین ولتاژ برابر با ۸۵/۰ با ضریب توان ثابت تا زمان رسیدن به مرحله ای که راه حلی وجود ندارد که در معرض محدودیت های مشخص شده است، بار را در تمام شینه ها افزایش دهید.
OPF را دقیقاً پیش از حل ناپذیری برای شرایط افزایش بار یا در شرایط قطع خط اجرا کنید و NVSI را در تمام شینه ها اجرا کنید. شینه بار را به ترتیب نزولی رده بندی کنید و شینه های دارای مقدار بالای NVSI را همانند شینه های ضعیف برای اجرای بار زدایی انتخاب کنید.
مقادیر حقیقی تصادفی ایجاد کنید که بین مرزهای بالایی و پایینی قرار دارند. انتخاب صحیح این مرزها بسته به دانش اپراتور و موارد در نظر گرفته شده مانند افزایش بار می تواند در رسیدن به راه حل بهینه کلی کمک کند. اندازه جمعیت مناسب و تعداد بیشینه تکرارها را فرض کنید.
۶- نتایج و مباحث
با پیروی از مراحل رویه ای مشخص شده با افزایش تدریجی ضریب بارگذاری (λ) تا λ=۱٫۶۸ که سیستم غیر قابل حل می شود، محدوده های حل پذیری تعیین شدند. بنابراین نتایج OPF دقیقاً پایین تر از λ=۱٫۶۸، یعنی ۶۷ در جدول ۱ ثبت شده اند.
همان گونه که در جدول ۲ نشان داده شده است در محاسبه مقادیر NVSI برای تمام ۴۱ خط برای سیستم شینه IEEE 30 این موارد به منظور تعیین ۷ خط اول با بالاترین مقادیر NVSI همراه با شینه های ضعیف مربوطه به ترتیب کاهش مرتب شده اند. مقادیر NVSI برای تمام خطوط هماند شکل ۳ رسم شده اند.
بهینه سازی حذف بار سیستم قدرت مبتنی بر هوش ازدحامی