بررسی تاثیر حضور DG در شبکه های توزیع شعاعی و تنظیم بهینه دستگاه¬های حفاظتی توسط الگوریتم بهینه سازی PSO
محورهای موضوعی : مهندسی نرم افزار (طراحی معماری، ارزیابی، آزمون و مدل سازی)
نرجس محسنی فر
1
(
هیات علمی دانشگاه آزاد واحد شهرکرد
)
نجمه محسنی فر
2
(
o Chaharmahal and Bakhtiari Provincial Electricity Distribution Company, Shahrekord
)
کلید واژه: منابع انرژی تولید پراکنده, شبکه توزیع شعاعی, هماهنگی سیستم¬های حفاظتی, نرم افزار دیگسایلنت, الگوریتم بهینه سازی PSO , نرم¬افزار Matlab,
چکیده مقاله :
با ادغام منابع انرژی تولید پراکنده، در شبکه های برق موجود، ممکن است در سیستم، برخی مشکلات عمده ایجاد شود. این مشکلات بیشتر در هماهنگی بین ادوات حفاظتی موجود در شبکه نمایان خواهند شد. این مقاله، تاثیر اتصال تولید پراکنده (DG) به شبکه توزیع شعاعی را بررسی و یک روش جدید برای تنظیم بهینه دستگاه¬های حفاظتی جهت هماهنگی در عملکرد آن¬ها، پیشنهاد داده است. در این طرح، تنظیمات متفاوت رله¬های حفاظتی در نرم افزار دیگسایلنت در حضور خطاهای مختلف، مورد بررسی قرار گرفته و بهترین تنظیمات برای سیستم در حضور DG، توسط الگوریتم بهینه سازی PSO در نرم¬افزار Matlab، ارائه شده است. این طرح بر روی یک شبکه توزیع شعاعی انجام و نتایج در شرایط خطاهای مختلف در سیستم بررسی شده است.
Integrating distributed energy resources into existing power networks can lead to significant challenges. These challenges often arise from the coordination of protective devices within the network. In this paper, we investigate the impact of connecting Distributed Generation (DG) to radial distribution networks and propose a novel approach for optimizing protective device settings to enhance their coordination. By analyzing different relay settings in the DigSilent software under various fault conditions, we determine the optimal configurations for the system in the presence of DG. The Particle Swarm Optimization (PSO) algorithm is employed using MATLAB. The proposed approach is applied to a radial distribution network, and the results are evaluated under different fault scenarios
[1] Zhan. H, Wang. C, Wang. Y, Yang. X, Zhang. X, Wu. C, and Chen. Y, “Relay protection coordination integrated optimal placement and sizing of distributed generation sources in distribution networks,” IEEE Transactions on Smart Grid, vol. 7, no. 1, pp. 55–65, 2016. (Zhan et al, 2016)
[2] Coster. E, Myrzik. J, and Kling. W, “Effect of DG on distribution grid protection,” Distributed Generation, InTech, feb 2010. (Coster et al, 2010)
[3] Kojovic. L. A and Witte. J. F, “Improved relay coordination and relay response time by integrating the relay functions,” IEEE, Power Engineering Society Summer Meeting, 2000. vol. 2, pp. 1202–1207, IEEE, 2000. (Kojovic and Witte, 2000)
[4] Abbay. C, “Protection coordination planning with distributed generation,” CETC Varennes-Energy technology and program sector, Canada, 2007. (Abbay, 2007)
[5] Katyara. S, Staszewski. L, and Leonowicz. Z, “Protection coordination of properly sized and placed distributed generations–methods, applications and future scope,” Energies, vol. 11, p. 2672, oct 2018. (Katyara et al, 2018)
[6] Nocedal. J and Wright. S, "Numerical Optimization" (Springer-Verlag), 1999. (Nocedal and Wright, 1999)
[7] Arya. L, Titare. L and Kothari. D, "improved particle swarm optimization applied to reactive power reserve maximization," International Journal of Electrical Power and Energy Systems, vol. 5, Pp. 68-74, 2010. (Arya et al, 2010)
[8] Hasan. R, Cohanim. B, De. Weck. O and Venter. G, "Acomparison of Particle Swarm Optimization and the Genetic Algorithm," Proc. Conf. of the 1st AIAA Multidisciplinary Design Optimization Specialist, 2005. (Hasan et al, 2005)
[9] Del. Valle. Y, Venayagamoorthy. G. K, Hernandez. J. C. and Harley. R. G. "particle swarm optimization: basic concepts, variants and applications in power systems," IEEE Trans. On Evolutionary and computations, vol. 12, pp. 171-195, 2008. (Del. Valle. et al, 2008)