شبیه سازی آموزشی مقاله بازیابی سیستم توزیع با منابع تجدیدپذیر برای بهبود قابلیت اطمینان در شرایط عدم قطعیت سیستم با متلب

 

چکیده مقاله (ترجمه ماشینی)

ادغام واحدهای تولید پراکنده تجدیدپذیر (DG) در شبکه های توزیع محبوبیت گسترده ای پیدا می کند. با این حال، عدم قطعیت در دسترس بودن تولید در ارتباط با واحدهای DG تجدیدپذیر یک چالش بزرگ است. برای اطمینان از عملکرد قابل قبول سیستم و بهبود قابلیت اطمینان سمت مشتری، این عدم قطعیت ها باید به درستی برطرف شوند. در این مقاله، ارزیابی قابلیت اطمینان سیستم‌های توزیع تعبیه‌شده با منابع DG تجدیدپذیر با تأکید بر عدم قطعیت‌های سیستم و استراتژی‌های بازسازی بهینه انجام شده است. عدم قطعیت های مرتبط با توان خروجی از منابع تجدیدپذیر، تقاضای بار متغیر با زمان، خطاهای پیش بینی تصادفی، و رویدادهای خطای تصادفی در فرمول بهینه سازی بازیابی برای ارزیابی قابلیت اطمینان در نظر گرفته شده است. یک تکنیک بهینه‌سازی ازدحام ذرات بدون پارامتر (PSO)در این مقاله برای پرداختن به پیچیدگی موجود در فرمول‌بندی اعمال می‌شود. علاوه بر این، یک طرح رمزگذاری خاص مشکل نیز در ارتباط با PSO برای اطمینان از بهینه بودن پیشنهاد شده است. شرایط شاخص: قابلیت اطمینان سیستم توزیع، تولید پراکنده، تولید برق بادی، تولید برق خورشیدی، بازیابی بار، و بهینه‌سازی.

بخشی از فایل آموزشی:

• توضیحات کلی

شبیه‌سازی ارسالی حاوی دو پوشه می‌باشد که پوشه Restoration مربوط به فرآیند بازآرایی شبکه بعد از وقوع خطا در یک خط بوده و پوشه Reliability نیز برای محاسبه شاخص‌های قابلیت اطمینان می‌باشد. توجه شود که هر دو شبیه‌سازی برای سیستم IEEE 33 شین پیاده‌سازی شده است زیر داده‌های سیستم دومی که در مقاله مطالعه شده در دسترس نبود.

در ادامه ابتدا هر یک از کدهای مذکور توضیح داده شده و سپس نتایج شبیه‌سازی بررسی شده‌است.

 

• توضیحات پوشه Restoration

در این پوشه، کد bus33Data حاوی داده‌های ورودی سیستم IEEE 33 شین می‌باشد. در این کد داده‌های خطوط شامل شین ابتدا و انتهای هر خط، مقاومت و راکتانس خط، حداکثر توان قابل عبور از هر خط و همچنین حداکثر تقاضای اکتیو و راکتیو هر شین در ماتریس Data_33 تعریف شده‌است. بر اساس این داده‌ها، اطلاعات خطوط در BranchData و اطلاعات شین‌ها در BusData ریخته شده‌است. در ادامه مکان نصب و توان تولیدی DGها در ماتریس D_DG تعریف شده و در نهایت نیز توان مصرفی نهایی هر شین با کم کردن توان تولیدی DGها بدست می‌آید.

کد OPF برای حل مسئله پخش بار به روش جاروب پیش‌رو پسرو نوشته شده‌است. در این کد بر اساس پیکربندی سیستم، مسئله پخش بار حل شده و دامنه ولتاژ شین‌ها به همراه توان عبوری از خطوط و همچنین تلفات توان کل سیستم بدست می‌آید.

نکته عجیبی که در مقاله دیده شد این است که در مسئله بازآرایی شبکه توزیع، همیشه باید قید شعاعی بودن شبکه در نظر گرفته شود ولی در مقاله در نظر گرفته نشده و حتی بعضی از پاسخ‌هایی که در جدول 2 مقاله ارائه شده، منجر به تشکیل حلقه در شبکه توزیع می‌شود که این موضوع برای شبکه‌های توزیع قابل قبول نیست. با توجه به این موضوع، بنده قید شعاعی بودن شبکه توزیع را نیز به مسئله اضافه کردم. کد ChekRedial شین‌هایی که در اثر خرابی یک خط از شبکه جدا می‌شوند را مشخص کرده و شعاعی بودن شبکه را نیز برای پیکربندی مورد نظر بررسی می‌‌کند. این کد به صورت تابع و با فرمت زیر تعریف شده‌ست:

[Redial, discPower, discLoad] =ChekRedial(x)

در این فرمت، x ورودی تابع بوده و وضعیت خطوط را نشان می‌دهد. x یک بردار می باشد که المان‌های آن باینری هستند به صورت که برای خطوط نلاین مقدار x برابر 1 و برای خطوط خارج از سرویس مقدار x برابر صفر است. خروجی اول این تابع، Redial می‌باشد که اگر 1 باشد نشان دهنده‌ی غیرشعاعی بودن شبکه برای پیکربندی x بوده و اگر صفر باشد نشان دهنده‌ی شعاعی بودن شبکه می‌باشد. Discpower مقدار بار از دست رفته و discLoad نیز شماره شین‌هایی است که از سرویس خارج شده‌اند.

کد fitness برای محاسبه تابع هزینه نوشته شده‌ست.  این کد به فرمت زیر تعریف شده که در آن sol یک پاسخ تصادفی تولید شده توسط الگوریتم Tribes PSO بوده و Z نیز مقدار تابع هدف به ازای sol می‌باشد.

function Z=fitness(sol)

 

به صورت زیر پاسخ دریافتی از الگوریتم به فرمت باینری تبدیل می‌شود به صورتی که اگر المان n بردار sol از 0.3 بزرگ‌تر باشد نشان دهنده‌ی در مدار بودن خط n می‌باشد.

x=double(sol>0.3);

نتایج شبیه سازی در گالری محصول بارگزاری شده است.

شبیه سازی آموزشی مقاله بازیابی سیستم توزیع با منابع تجدیدپذیر برای بهبود قابلیت اطمینان در شرایط عدم قطعیت سیستم با متلب توسط کارشناسان گروه ۱.۲.۳ پروژه پیاده سازی گردیده .