ایجاد حساب کاربری

جزئیات حسابتان را فراموش کرده اید؟

بهینه سازی مصرف بازار برق با استفاده از نرم افزار gams – رشته برق قدرت -۹۸۴

Description:

مدیریت احتمالی پرشدگی خطوط در بازار برق

چکیده

مدیریت پرشدگی خطوط[1] در بازار برق، بطور سنتی و با استفاده از مقادیر معلوم پارامترهای سیستم انجام می‌شد که در آن ساختارشبکه ثابت فرض می‌شد. در این پروژه این کار با استفاده از برنامه‌ریزی احتمالاتی انجام می‌شود. و عدم‌ قطعیت‌های خروج ژنراتو‌ها و خطوط انتقال را شامل می‌شود. نرخ خروج اجباری تجهیزات در این برنامه‌ریزی احتمالی به‌کار گرفته می‌شود. با استفاده از شبیه‌سازی منت‌کارلو سناریوهای ممکن بهره‌برداری، تولید و احتمالی به هر یک از سناریوها داده‌ می‌شود. سپس براساس انحراف معیار[2] یک کاهش سناریو از سناریوهای ساخته شده انجام می‌شود. و سپس برای هریک از سناریوهای مورد قبول مدل AC مدیریت پرشدگی خطوط انجام می‌شود. سپس پاسخ نهایی بهینه با جمع کردن پاسخ تکی هریک از سناریوهای مورد قبول به‌دست می‌آید.

[1] Congestion management

[2] Standard deviation

 

روش‌های مدیریت پرشدگی خطوط

در [1] برای کم کردن پرشدگی سیستم به چند ناحیه تقسیم می‌شود. نواحی با استفاده از حساسیت توان اکتیو و راکتیو خطوط انتخاب می‌شوند. ژنراتورها با شاخص های محکم و غیر یکنواخت در نواحی با بیشترین حساسیت برای برنامه‌ریزی مجدد توان اکتیو آن‌ها انتخاب می‌شوند. همچنین اثر برنامه‌ریزی بهینه مجدد توان راکتیو ژنراتورها و خازن‌ها در نواحی با بیشترین حساسیت مطالعه می‌شود. [2] با استفاده از الگوریتم بهینه‌سازی اجتماع ذرات برنامه‌ریزی مجدد بهینه را انجام می‌دهند.

اول با استفاده از حساسیت توان انتقالی از خطوط پرشده نسبت به توان خوروجی ژنراتورها، ژنراتورهای بهینه انتخاب می‌شوند. و بعد پرشدگی با استفاده از کمینه کردن اختلاف بین برنامه‌ریزی مجدد توان ژنراتورها و مقدار برنامه‌ریزی شده‌ی آن‌ها انجام می‌شود. در [3] با استفاده از الگوریتم اجتماع ذرات دو هدفه پرشدگی خطوط را با استفاده از برنامه‌ریزی مجدد ژنراتورها و بارها کاهش می‌دهد. دو هدف متضاد کمینه شدن پرشدگی خطوط و کاهش هزینه با استفاده از حل بهینه pareto، به مقدار مطلوب می‌رسند.

بعضی مراجع برای رسیدن به سطح قابل قبولی از امنیت بعد از کاهش پرشدگی خطوط، روش‌هایی ارائه داده اند. در [4]  قیود محدودیت امنیتی سیستم در مدیریت پرشدگی خطوط معمول وارد شده است به‌طوریکه سیستم بعد از مدیریت پرشدگی خطوط، سیستم می‌تواند درصدی از افزایش بار را بدون تجاوز کردن از محدودیت‌های امنیتی ولتاژ تحمل کند. در [5] اثر تکی هریک از ژنراتورها و بارها را بر روی امنیت ولتاژ، در مدیریت پرشدگی با استفاده از  شاخص حساسیت امنیت ولتاژ نسبت به توان بارها و ژنراتورها درنظرگرفته است.

بنابراین پیشنهادهای موثری که براساس شاخص‌های امنیت تنظیم می‌شوند بجای پیشنهادهای خام مورد استفاده قرار می‌گیرند. با این روش پیشنهاد شرکت‌کنندگانی که اثر بدتری را رو امنیت ولتاژ می‌گذارند بیشتر از دیگر شرکنندگان می‌شود. بنابراین با کاهش شرکت کنددگان پرخطرتر سیستم بعداز مدیریت پرشدگی امن‌تر می‌شود. در [6] یک برنامه‌ریزی چند هدفه براساس روش  برای مدیریت پرشدگی خطوط ارائه می‌دهد. هدف اصلی کمینه کردن هزینه مدیریت پرشدگی است. دو هدف دیگر مقدار عددی شاخص های امنیت ولتاژ و پایداری دینامیکی می‌باشد. با استفاده از این روش سیستم در یک سطح کافی امنیت با یک هزینه منطقی بعد از مدیریت پرشدگی خطوط قرارمی‌گیرد.

عدم قطعیت‌های خروج غیر برنامه‌ریزی شده‌ی نیروگاه‌ها، خطوط و بارها

عدم قطعیت‌های ژنراتورها شامل خروجی‌های برنامه‌ریزی نشده، از کار افتادگی تجهیزات، رله‌های حفاظتی، پارامترهای اقتصادی مانند هزینه سوخت و قیمت بازار، مفدار رزرو موجود، نیازمندی‌های توان راکتیو، متغیرهای آب‌وهوایی مانند رطوبت و ذخیره آبی و قوانین زیست‌ محیطی و محدودیت‌های آلودگی می‌باشد. به‌علاوه منابع تجدیدپذیر مانند توربین‌های بادی، سلول‌های خورشیدی، پیل‌ سوختی و میکرو توربین‌های گازی نسبت به منابع تولید قدیمی دارای عدم قطعیت بیشتری نیز هستند.

عدم قطعیت‌های مربوط به خطوط انتقال شامل حد حرارتی خطوط، پارامترهای محیطی مانند دمای محیط و رعدوبرق، خروج‌های برنامه‌ریزی نشده و از کار افتادگی تجهیزات می‌باشد. برای بارها، عدم‌ قطعیت‌ها با فاکتورهای آب‌وهوایی مانند دوما و رطوبت، رشد اقتصادی، انواع جدید کنترل‌کننده‌های الکترونیکی و تغییرات ضریب قدرت بار ایجاد می‌شوند

مزیت‌های روش‌های احتمالی مدیریت پرشدگی خطوط

برخلاف روش‌های معین، روش‌های احتمالی بطور طبیعی می‌توانند وضعیت‌های برنامه‌ریزی نشده‌ی ذاتی سیستم را درنظر بگیرند. به‌علاوه اثر ونتیجه این شرایط به‌وسیله‌ی یک نسبت مانند احتمال وقوع درنظر گرفته می‌شود. درنتیجه می‌توان ریسک‌های مدیریت را مشخص و از آن‌ها به‌عنوان  معیار بهره جست.

دو روش اصلی برای ارزیابی قابلیت اطمینان احتمالی اکثر سیستم‌های قدرت استفاده می‌شوند. اولین روش برشماری وقایع احتمالی[1] برای خروج  یک، دو یا تعدادی از خطوط انتقال و یا ژنراتورها می‌باشد. دومین روش شبیه‌سازی منت‌کارلو[2] می‌باشد. اولین روش برای خروج‌های تکی مانند معیار  است. این معیار آسان‌ترین و سریع‌ترین فرآیند بررسی می‌باشد و اطلاعات خیلی بیشتری را نسبت به معیارهای غیر احتمالی گرد می‌آورد. با این وجود با توجه به شبکه، ممکن است به شبیه‌سازی خروج‌های دوتایی یا بیشتر اجزا نیاز باشد. که می‌تواند به‌دلیل احتمال وقوع بالای آن‌ها یا اثر زیادشان در قابلیت اطمینان سیستم باشد.

معمولا شبیه‌سازی خروج‌ها با استفاده از فرایند‌های ترکیبیاتی ایجاد می‌شوند که روند محاسباتی سنگینی دارند. در این شرایط، روش‌های شبیه‌سازی منت‌کارلو کارایی بهتری دارند. این روش‌‌ها سریعتر هستند و هیچ محدودیتی بر روی تعداد خروج اجزا در شبیه‌سازی ندارند. در این روش تعداد نمونه‌هایی که برای تعیین سطح دقت شبیه‌سازی مورد نیاز است به اندازه‌ی سیستم وابسته نمی‌باشد. این برتری روش را برای شبیه‌سازی منابع عدم قطعیت سیستم‌های قدرت مقیاس بزرگ توانمند می‌کند. وقتی عدم قطعیت‌های زیادی از سیستم درنظر گرفته شود، مدیریت پرشدگی می‌تواند پیچیده شود. پرشدگی اثر مستقیمی بر امنیت[3] و قابلیت اطمینان[4] سیستم دارند و بنابراین اجرای نامناسب مدیریت اتفاقات اثر جدیی بر خارج شدن سیستم از حالت نرمال خود دارد. برای انجام یک مدیریت اتفاق واقعی‌تر  باید هر اتفاق را با احتمال وقوع آن بجای یک احتمال ثابت درنظر بگیرد.

شبیه سازی

چهارچوب کلی شبیه‌سازی براساس سه روش مونت‌کارلو معمولی،  و  می‌باشد. مقادیر نرخ خروج اجباری( [5]) تجهیزات برای مدل کردن عدم قطعیت‌های مربوط به آن‌ها به کار گرفته شده‌ است. و فقط عدم قطعیت‌های مربوط به خروج خطوط انتقال و ژنراتورها در نظر گرفته شده‌اند. باید توجه شود که مدیریت پرشدگی خطوط در زمان بازار لحظه‌ای انجام می‌شود که بار پیش‌بینی شده بسیار دقیق است. بنابراین عدم قطعیت‌های مربوط به پیش‌بینی بار در این شبیه‌سازی درنظر گرفته نمی‌شوند.

براساس عدم قطعیت‌های تجهیزات با استفاده از روش منت‌کارلو یک مجوعه از سناریوهای محتمل تولید می‌شوند. و همچنین برای هر سناریو یک احتمال وقوع تخصیص داده می‌شود. سپس براساس انحراف معیار سناریوها، سناریوهای با احتمال کم حذف می‌شوند و یک کاهش سناریو انجام می‌شود. بعد از حل یک مساله بهینه سازی غیرخطی برای سناریوهای محتمل‌تر نتایج برای رسیدن به مقدار مورد انتظار[6] پارامترهای سیستم جمع می‌شوند.

[1] Contingency enumeration

[2] Monte carlo simulation

[3] Security

[4] Reliabllity

[5] Forced outage rate

[6] Expected value

 

 

دانلود فایل کامل گزارش

بالا

اشتراک گذاری در گوگل پلاس برای حمایت از ما