خازن گذاری احتمالی در سیستم‌های توزیع نامتعادل در حضور تولیدات پراکنده (DG) با استفاده از الگوریتم بهینه سازی دسته‌ای ذرات (PSO) :پایان نامه ارشد مهندسی برق
پایان نامه ای که به شما همراهان صمیمی فروشگاه دیجی لود معرفی میگردد از سری پایان نامه های جدید رشته مهندسی برق و با عنوان خازن گذاری احتمالی در سیستم‌های توزیع نامتعادل در حضور تولیدات پراکنده (DG) با استفاده از الگوریتم بهینه سازی دسته‌ای ذرات (PSO) در 114 صفحه با فرمت Word (قابل ویرایش) در مقطع کارشناسی ارشد تهیه و نگارش شده است. امیدواریم مورد توجه کاربران سایت و دانشجویان عزیز مقاطع تحصیلات تکمیلی رشته های جذاب مهندسی برق قرار گیرد.
چکیده خازن گذاری احتمالی در سیستم‌های توزیع نامتعادل در حضور تولیدات پراکنده (DG) با استفاده از الگوریتم بهینه سازی دسته‌ای ذرات (PSO) :
خازن‌های موازی به صورت بسیار گسترده‌ای در سیستم‌های توزیع بکار برده می‌شوند. از دلایل کاربردهای غیر قابل انکار خازن‌های موازی می‌توان به مواردیهمچون بهبود پروفیل ولتاژ، تصحیح ضریب توان، آزاد سازی ظرفیت خطوط، کاهش تلفات و … نام برد. دراین مسئله، مکان و اندازه‌ی خازن‌های موازی به منظور رسیدن به اهداف ذکر شده بسیار مهم است. مسئله‌ی خازن گذاری در سیستم‌های توزیعیک مسئله‌ی غیرخطی با متغیرهای گسسته با نقاط اکسترمم نسبی بسیار زیاد می‌باشد که پیچیدگی مسئله با افزایش ابعاد سیستم شدیداً بیشتر میشود.
همچنین سیستم‌های توزیع به دلایلمتعددی همچون بارهای قریب به اکثریتتک فاز متصل شده به سیستم‌های توزیع، عدم بارگذاری یکسان فازهای مختلف و عدم ترانسپوزه شدن خطوط سیستم‌های توزیع بر خلاف خطوط انتقال و …نامتعادل هستند.
از طرف دیگر به خاطر طبیعت غیر قابل پیش بینی سیستم‌های توزیع مدرن، خازن گذاری نباید براییک شرایط خاص و از قبل تعیین شده انجام گیرد. از دلایل غیر قابل پیش بینی بودن حالت سیستم‌های توزیع می‌توان به حضور روز افزون تولیدات پراکنده با منابع اولیه‌ی غیر قابل پیش بینی همانند باد، خورشید و … اشاره کرد. همچنین طبیعت غیرقابل پیش بینی بارهای شبکه در ساعات مختلف و روزهای مختلف بر طبیعت غیر قابل پیش بینی سیستم‌های توزیع می‌افزاید.
اگر خازن گذاری در یک شرایط خاص شبکه‌ی توزیع انجام گیرد، پاسخ‌های قابل اعتمادی در سایر شرایط محتمل سیستم‌های توزیع به دست نخواهد آمد. در نظر گرفتن خاصیتاحتمالی سیستم‌های توزیع در مسئله‌ی خازن گذاری پاسخ‌های قابل قبولی را برای تمام شرایط محتمل در سیستم بدست خواهد داد.
در این پایان نامه، به جایابی و مقدار یابی بهینه خازن در شبکه توزیع 37 شینه استاندارد IEEEبا در نظر گرفتن طبیعت نامتعادل و احتمالی سیستم توزیع، پرداخته خواهد شد و نشان داده خواهد شد که جواب‌های به دست آمده برای تمامی شرایط محتمل در سیستم توزیع مناسب می‌باشد
مقدمه
در این فصل ابتدا به اهمیت خازن‌گذاری در سیستم‌های توزیع پرداخته خواهد شد. سپس به معرفیانواع روش‌های کلاسیک ریاضی و هوشمند که برای حل این مساله به کار گرفته شده‌اند و همچنین در مورد مزایا و معایب آنها بحث خواهد شد. سپس به طبیعت احتمالی سیستم‌های توزیع و لزوم در نظر گرفتن عدم قطعیت‌ها در مسئله‌ی خازن‌گذاری پرداخته خواهد شد. نهایتاً توابع هدف انتخاب شده در این پایان‌نامه با توجه به اهمیت موارد مطرح شده و همچنین روش انتخابی برای حل مسئله معرفی خواهند شد.
اهمیت خازن گذاری در سیستم‌های توزیع
جبران سازی توان راکتیو[1] نقش مهمی در طراحی یک سیستم توزیع الکتریکی ایفا می‌کند. هدف جبران سازی توان راکتیو به طور عمده به دست آوردن مکان و تنظیم بهینه وسایل جبران‌کننده برای حصول به یک تابع هدف[2] مشخص است به شرط اینکه هزینه جبران آن نیز در نظر گرفته شده باشد. در حالت کلی در مسئله جبران سازی بهینه توان راکتیو، علاوه بر جایابی و اندازه‌گذاری وسایل جبران‌کننده توان راکتیو، باید ولتاژ ژنراتورها، نسبت تبدیل ترانسفورماتورهای زیر بار و تغییر توپولوژی شبکه در صورت امکان نیز مد نظر قرار بگیرد[1]. توابع هدف اشاره شده در این مسئله بهینه‌سازی می‌تواند شامل مواردی همچون:
- اصلاح ضریب قدرت[3]،
- کاهش تلفات[4]،
- بهتر کردن پروفیل ولتاژ[5]،
- افزایش ظرفیت مدار[6]،
- بهبود کیفیت توان[7]،
- و …
باشد.
بانک‌های خازنی در سیستم‌های توزیع شعاعی به عنوان یکی از مهمترین وسایل جبران‌کننده توان راکتیو به کار برده می‌شوند. دو استراتژی متداول برای کاهش تلفات در شبکه‌های توزیع توان وجود دارد که عبارتند از:
- نصب بانک‌های خازنی برای جبران تلفات تولید شده به وسیله جریان‌های راکتیو،
- دوباره تعریف کردن توپولوژی شبکه‌های توزیع الکتریکی به وسیله عوض کردن حالت بعضی از کلیدها برای متعادل کردن بار و تغییر مسیر تغذیه بارها.
مسئله بهینه‌سازی برای اولین و دومین استراتژی معمولاً به ترتیب به عنوان مسئله جایابی خازن[8] و مسئله پیکربندی دوباره[9] شبکه شناخته می‌شوند[2]. مسئله عمومی جبران سازی با استفاده از خازن‌های موازی به صورت تعیین نوع، اندازه، مکان و طرح کنترلی خازن‌ها طوری که توابع هدف تعیین شده به همراه در نظر گرفتن هزینه خازن‌ها حداقل شود و محدودیت‌های عملی بهره‌برداری ارضا شود، می‌باشد[3].
روش‌های حل بکار رفته براي حلمساله خازن‌گذاری
همانند بسیاری از مسائل ترکیبی دیگر که در طراحی و بهره‌برداری از سیستم‌های قدرت مطرح میشود، مسئله جایگذاری بهینه خازن‌ها یک مسئله چند بعدی را پیش رو قرار می‌دهد. خازن گذاری بهینه یک مسئله ترکیبی سخت و با ابعاد بسیار بزرگ است که تعداد جواب‌های محلی و حالت‌های مختلف که باید تحلیل شوند به صورت نمایی با اندازه سیستم توزیع افزایش پیدا می‌کند. از آنجایی که بانک‌های خازنی به صورت گسسته اضافه شده و مورد بهره‌برداری قرار می‌گیرند، تابع هدف غیر قابل مشتق‌گیری است. از نظر ریاضی، این امر باعث میشود مسئله جایگذاری خازن به یک مسئله غیر خطی آمیخته با اعداد صحیح[10] تبدیل شود. بیشتر الگوریتم‌های بهینه‌سازی کلاسیک ریاضی متداول که در عمل استفاده می‌شوند، قادر نیستند راه حل بهینه برای این نوع مسایل در اختیار قرار دهند[4]. این روش‌ها از یک نقطه از فضای جستجوی چند بعدی به نقطه دیگری با استفاده از بعضی قواعد معین حرکت می‌کنند که احتمالاً در یک نقطه بهینه محلی باقی می‌مانند. این روش‌ها سریع هستند اما از ناتوانایی در فرار از راه‌حل‌های بهینه محلی رنج می‌برند. در ادامه بعضی از مهمترین انواع روش‌های بهینه‌سازی کلاسیک مطرح می‌شوند.
روش‌هاي کلاسيک
از زمان معرفی مسئلهخازن گذاری تکنيک‌هاي بهينه‌سازي متنوعي براي حل این مسئله بکار گرفته شده است. هر کدام از اين روش‌ها داراي مزايا و معايبي هستند. اين روش‌ها مي‌توانند به شرح زير طبقه‌بندي شوند:
دسته اول: برنامه‌ريزي غير خطي
برنامه‌ريزي غيرخطي (NLP) با مسايلي سروکار دارد که شامل تابع هدف و محدوديت‌هاي غيرخطي است. محدوديت‌ها ممکن است از معادلات تساوي يا نامساوي تشکيل شده باشند و نامساوي‌ها مي‌توانند با حدود پايين و بالاي متغيرها مشخص شوند. روش‌هاي مختلفي همچون [1](SUMT)، روش‌های بر پايه ضرايب لاگرانژ[2] و روش MINOSبراي حل مسئله خازن گذاری بکار گرفته شده است.
دسته دوم: برنامه‌ريزي درجه دوم
روش برنامه‌ريزي درجه دوم[3] در حقيقت فرم خاصي از برنامه‌ريزي غيرخطي است که تابع هدف به صورت درجه دوم و محدوديت‌ها خطي هستند.
دسته سوم: روش نيوتن
در اين روش شرايط لازم براي بهينه‌سازي به عنوان شرايط Kuhn-Tucker بيان مي‌گردد و در حقيقت معادلات، غيرخطي هستند. اين معادلات براي حل به روش‌هاي تکرار نياز دارند. اين روش به خاطر سرعت همگرايي بالاي آن مورد توجه است.
دسته چهارم: برنامه‌ريزي خطي
برنامه‌ريزي خطي[4](LP) با مسايلي که تابع هدف و محدوديت‌ها به شکل خطي بيان شده‌اند، سروکار دارد. روش سيمپلکس[5] با متغيرهاي غير منفي کاملاً براي حل مسايل LP مناسب است.
دسته پنجم: ترکيب برنامه‌ريزي خطي و اعداد صحيح
برنامه‌ريزي اعداد صحيح (MIP)[6] نوع خاصي از برنامه‌ريزي خطي است که معادلات و محدوديت‌هاي آنها شامل متغير‌هايي است که صرفاً محدود به صحيح بودن مي‌باشند. برنامه‌ريزي اعداد صحيح (MIP) همانند برنامه‌ريزي خطي به محاسبات بسيار زياد کامپيوتري نياز دارند و تعداد متغيرهاي گسسته موجود در مسئلهتأثیر زيادي در قدرت حل مسئله دارند.
دسته ششم: نقطه داخلي
روش نقطه داخلي[7] اخيراً توسط Karmarkar ارايه شده و از آنجايي که اين روش برنامه‌ريزي خطي را سریع‌تر مي‌کند و حتي بهتر از روش معمول سيمپلکس حل مي‌کند، به موضوع مهمي در تحقيقات مرتبط با بهینه سازی در سيستم های قدرت تبديل شده است. تعميم روش نقطه داخلي براي اعمال کردن به مسايل برنامه‌ريزي غير خطي NLP)) و برنامه‌ريزي خطي ((LP قابليت‌هاي برتر و نتايج مطمئن‌تر را ارايه کرده است.
روش‌هاي هوشمند
همانطور که گفته شد بعضی از مسایل بهینه‌سازی در نتيجه پيچيدگي و طبيعت عملي تابع هدف مسئله يا محدوديت‌هاي موجود، بسيار پيچيده مي‌شوند. روش‌هاي بهينه‌سازي كلاسيك که از تكنيك‌هاي مبتني بر مشتق‌گيري استفاده مي‌كنند در حل بسياري از انواع مسايل بهينه‌سازي، قدرت بسيار زياد و تأثیرات اثبات شده‌اي دارند. اين تكنيك‌ها با معايبي از قبيل گير افتادن در نقاط بهينه محلي[8]، افزايش پيچيدگي محاسبات و عدم قابليت اعمال اين روش‌ها به دسته خاصي از توابع هدف، روبرو مي‌شوند. اين مشكلات منجر به توسعه دسته جديدي از روش‌هاي حل شده است. تكنيك‌هاي بهينه‌سازي ابتكاري[9] به سرعت در حال گسترش مي‌باشند كه بر بسياري از مشكلات موجود در روش‌هاي مبتني بر مشتق‌گيري فائق مي‌آيند[5].
الگوریتم‌های هوشمند با یک مجموعه مختلف (جمعیت) راه‌حل‌های بالقوه (بردارهای چند بعدی) شروع میشود. این رویه اجازه اکتشاف بیشتر مسائل بهینه‌سازی به صورت موازی و کم شدن احتمال گیر کردن در یک بهینه محلی را می‌دهد. اگر چه اغلبالگوریتم‌های هوشمند احتمالی هستند، ولی اکیداً جستجوی تصادفی نیستند. عملگرهای اتفاقی جمعیت را به ناحیه‌ای از فضای چند بعدی که احتمالاً مقادیر سازگاری بیشتری دارند هدایت می‌کنند[6].
اخیراً استفاده از روش‌های ابتکاری برای حل مسایل طراحی جبران کننده‌های راکتیو مطرح شده است. این روش‌های جدید شامل الگوریتم ژنتیک[10]، آبکاری فولاد[11]، جستجوی ممنوعه[12]، اجتماع ذرات[13]، کلونی مورچگان[14]، رقابت استعماری[15] و … می‌باشند.
تكنيك‌هاي ابتكاري به خاطر قدرت آنها و سادگي و توانايي آنها براي مواجهه با مدل‌های دقيق به جاي تقريب‌هاي غير قابل قبول، عموميت بسياري پيدا كرده است. نقص اساسي این روش‌ها عدم وجود زمينه رياضي[16] و عدم اطمينان از حصول جواب بهينه مطلق مي‌باشد. هرچند عملكرد موفق این روش‌ها در بسياري از مسايل بهينه‌سازي استاندارد كه در تحقيقات براي تعيين اعتبار تكنيك بهينه‌سازي جديد بكار گرفته مي‌شود، اثبات شده است[5].
راهنمای خرید و دانلود فایل
برای پرداخت، از کلیه کارتهای عضو شتاب میتوانید استفاده نمائید.
بعد از پرداخت آنلاین لینک دانلود فعال و نمایش داده میشود ، همچنین یک نسخه از فایل همان لحظه به ایمیل شما ارسال میگردد.
در صورت بروز هر مشکلی،میتوانید از طریق تماس با ما پیغام بگذارید و یا در تلگرام با ما در تماس باشید، تا شکایت شما مورد بررسی قرار گیرد.
برای دانلود فایل روی دکمه خرید و دانلود کلیک نمایید.
ديدگاه ها