کاهش تلفات توان و بهبود پروفیل ولتاژ در فیدرهای شبکه توزیع: مطالعه موردی در ایران
محورهای موضوعی : مهندسی برق قدرت
محمد نجفی
1
,
محمدرضا میوه
2
*
1 - دانشکده مهندسي برق، دانشگاه تفرش، تفرش، ايران
2 - دانشکده مهندسي برق، دانشگاه تفرش، تفرش، ايران
کلید واژه: تلفات توان, پروفیل ولتاژ, ارزیابی اقتصادی, منابع تولید پراکنده,
چکیده مقاله :
با توجه به نقش مهم انرژي الكتريكي در رشد و توسعه اقتصادي و اجتماعي و صرف هزينه‌هاي سنگين براي سرمايه‌گذاري در صنعت برق به ویژه شبکه‌های توزيع، وجود راهكارهاي عملي كاهش تلفات در جهت افزايش بهره‌وري امكانات موجود كاملا ضروري مي‌باشد. این مقاله، تاثیر تمامی روش‌های موجود بر کاهش تلفات و بهبود پروفیل ولتاژ از نقطه نظر فنی و اقتصادی به طور همزمان در یک شبکه واقعی را مورد بررسی و مقایسه قرار داده است. همچنین به منظور دست یابی به جواب‌های دقیق‌تر، اثر عدم قطعیت‌های موجود در منابع تولید پراکنده و بارهای شبکه با استفاده از روش تولید سناریو نیز در نظر گرفته شده است. بررسی تمام روش‌های ممکن به منظور یافتن ظرفیت و مکان بهینه تجهیزات به عنوان الگورتیم حل مسئله در نظر گرفته شده است. پیش بینی بار برای بررسی کارآیی روش‌های ارائه شده برای سال‌های آتی در نظر گرفته شده است. همچنین ایده‌ای مبنی بر تزریق توان راکتیو توسط نیروگاه خورشیدی در نظر گرفته شده است و با حالت نیروگاه خورشیدی بدون تزریق توان راکتیو مقایسه شده است. روش‌های پیشنهادی بر روی پنج فیدر واقعی شبکه توزیع ایران با تلفات توان بالا با استفاده از نرم افزار دیگسایلنت و زبان برنامه نویسی پایتون شبیه سازی شده است. نتایج شبیه سازی نشان می‌دهند که جایابی بهینه نیروگاه خورشیدی با تزریق توان راکتیو از لحاظ فنی، بهترین کارایی و خازن گذاری از لحاظ اقتصادی بیشترین بازدهی را دارا می‌باشد.
Considering the significant role of electrical energy in economic and social development, as well as the substantial investments in the power industry, particularly in distribution networks, practical strategies to reduce losses and enhance the efficiency of existing facilities are essential. This paper investigates and compares the impact of all available methods on loss reduction and voltage profile improvement from both technical and economic perspectives on a real network. Additionally, to achieve more accurate results, the uncertainties in distributed generation resources and network loads are accounted for using scenario generation methods. The study evaluates all possible methods to determine the optimal location and capacity of equipment as the problem-solving algorithm. Load forecasting is incorporated to assess the effectiveness of the proposed methods for future years. Furthermore, a novel idea of reactive power injection by a solar power plant is considered and compared with the case of a solar power plant without reactive power injection. The proposed methods are simulated on five real high-loss distribution feeders in Iran using DIgSILENT software and Python programming. The simulation results indicate that the optimal placement of a solar power plant with reactive power injection provides the best technical performance, while capacitor placement offers the highest economic efficiency.
[1] S. Nikkhah and A. Rabiee, "Multi-objective stochastic model for joint optimal allocation of DG units and network reconfiguration from DG owner’s and DisCo’s perspectives," Renewable energy, vol. 132, pp. 471-485, 2019, doi: 10.1016/j.renene.2018.08.032.
[2] H. Zhai, M. Yang, B. Chen, and N. Kang, "Dynamic reconfiguration of three-phase unbalanced distribution networks," International Journal of Electrical Power & Energy Systems, vol. 99, pp. 1-10, 2018, doi: 10.1016/j.ijepes.2017.12.027.
[3] J. Shukla, B. Das, and V. Pant, "Stability constrained optimal distribution system reconfiguration considering uncertainties in correlated loads and distributed generations," International Journal of Electrical Power & Energy Systems, vol. 99, pp. 121-133, 2018, doi: 10.1016/j.ijepes.2018.01.010.
[4] I. B. Hamida, S. B. Salah, F. Msahli, and M. F. Mimouni, "Optimal network reconfiguration and renewable DG integration considering time sequence variation in load and DGs," Renewable energy, vol. 121, pp. 66-80, 2018, doi: 10.1016/j.renene.2017.12.106.
[5] J. Wen, Y. Tan, L. Jiang, and K. Lei, "Dynamic reconfiguration of distribution networks considering the real‐time topology variation," IET Generation, Transmission & Distribution, vol. 12, no. 7, pp. 1509-1517, 2018, doi: 10.1049/iet-gtd.2017.1304.
[6] Y. Lin and Z. Bie, "Tri-level optimal hardening plan for a resilient distribution system considering reconfiguration and DG islanding," Applied Energy, vol. 210, pp. 1266-1279, 2018, doi: 10.1016/j.apenergy.2017.06.059.
[7] S. Lei, Y. Hou, F. Qiu, and J. Yan, "Identification of critical switches for integrating renewable distributed generation by dynamic network reconfiguration," IEEE Transactions on Sustainable Energy, vol. 9, no. 1, pp. 420-432, 2017, doi: 10.1109/TSTE.2017.2738014.
[8] L. Bai, T. Jiang, F. Li, H. Chen, and X. Li, "Distributed energy storage planning in soft open point based active distribution networks incorporating network reconfiguration and DG reactive power capability," Applied Energy, vol. 210, pp. 1082-1091, 2018, doi: 10.1016/j.apenergy.2017.07.004.
[9] A. Azizivahed, H. Narimani, M. Fathi, E. Naderi, H. R. Safarpour, and M. R. Narimani, "Multi-objective dynamic distribution feeder reconfiguration in automated distribution systems," Energy, vol. 147, pp. 896-914, 2018, doi: 10.1016/j.energy.2018.01.111.
[10] M. J. Afzal, S. Ahmad, M. A. Arshad, and S. A. A. Kazmi, "Voltage improvement of loop configured distribution networks with DGs & FACTS devices," in 2018 1st International Conference on Power, Energy and Smart Grid (ICPESG), 2018: IEEE, pp. 1-5, doi: 10.1109/ICPESG.2018.8384503.
[11] N. V. Kovački, P. M. Vidović, and A. T. Sarić, "Scalable algorithm for the dynamic reconfiguration of the distribution network using the Lagrange relaxation approach," International Journal of Electrical Power & Energy Systems, vol. 94, pp. 188-202, 2018, doi: 10.1016/j.ijepes.2017.07.005.
[12] M. R. Kaveh, R.-A. Hooshmand, and S. M. Madani, "Simultaneous optimization of re-phasing, reconfiguration and DG placement in distribution networks using BF-SD algorithm," Applied Soft Computing, vol. 62, pp. 1044-1055, 2018, doi: 10.1016/j.asoc.2017.09.041.
[13] J. P. Mahato, Y. K. Poudel, R. K. Mandal, and M. R. Chapagain, "Power loss minimization and voltage profile improvement of radial distribution network through the installation of capacitor and distributed generation (DG)," Archives of Advanced Engineering Science, pp. 1-9, 2024, doi: 10.47852/bonviewAAES42022031.
[14] S. Kumar, C. Kumar, M. S. Shaikh, A. A. Sahito, and Z. A. Arain, "Power Loss Reduction and Voltage Improvement Through Capacitors and Their Optimization for the Distribution System," in The Internet of Energy: Apple Academic Press, 2024, pp. 267-294.
[15] H. T. Trinh and T. T. Nguyen, "Optimal placement of distributed generations on distribution network for reducing power loss and improving feeder balance," TELKOMNIKA (Telecommunication Computing Electronics and Control), vol. 22, no. 2, pp. 471-479, 2024, doi: 10.12928/telkomnika.v22i2.25683.
[16] S. A. Adegoke, Y. Sun, A. S. Adegoke, and D. Ojeniyi, "OPTIMAL PLACEMENT OF DG TO MINIMIZE POWER LOSS AND VOLTAGE STABILITY IMPROVEMENT," Heliyon, 2024, doi: 10.1016/j.heliyon.2024.e39298.
[17] A. Shaheen, R. El-Seheimy, S. Kamel, and A. Selim, "Reliability enhancement and power loss reduction in medium voltage distribution feeders using modified jellyfish optimization," Alexandria Engineering Journal, vol. 75, pp. 363-381, 2023, doi: 10.1016/j.aej.2023.05.084.
[18] S. L. Chavan, "Distribution Feeder Loss Optimization: A Case Study," International Journal of Automation and Smart Technology, vol. 13, no. 1, pp. 2451-2451, 2023, doi: 10.5875/ausmt.v13i1.2451.
[19] A. O. Salau, Y. W. Gebru, and D. Bitew, "Optimal network reconfiguration for power loss minimization and voltage profile enhancement in distribution systems," Heliyon, vol. 6, no. 6, 2020, doi: 10.1016/j.heliyon.2020.e04233.
[20] P. S. Method, "Problem Solving Method," User Manual،Technical References, 2015.
[21] S. M. Mohseni-Bonab, A. Rabiee, and B. Mohammadi-Ivatloo, "Voltage stability constrained multi-objective optimal reactive power dispatch under load and wind power uncertainties: A stochastic approach," Renewable Energy, vol. 85, pp. 598-609, 2016, doi: 10.1016/j.renene.2015.07.021.
[22] M. Aien, A. Biglari, and M. Rashidinejad, "Probabilistic reliability evaluation of hybrid wind-photovoltaic power systems," in 2013 21st Iranian Conference on Electrical Engineering (ICEE), 2013: IEEE, pp. 1-6, doi: 10.1109/IranianCEE.2013.6599825.
[23] B. Idlbi, J. von Appen, T. Kneiske, and M. Braun, "Cost-benefit analysis of battery storage system for voltage compliance in distribution grids with high distributed generation," Energy Procedia, vol. 99, pp. 215-228, 2016, doi: 10.1016/j.egypro.2016.10.112.
Technovations of Electrical Engineering in Green Energy System |
|
Research Article (2026) 5(1):36-59
Power Loss Reduction and Enhancing Voltage Profile of Distribution Network Feeders: A Case Study in Iran
Mohammad Najafi1, M.Sc Student, Mohammad Reza Miveh1, Assistant Professor
1 Department of Electrical Engineering, Tafresh University, Tafresh, Iran
Abstract:
Considering the significant role of electrical energy in economic and social development, as well as the substantial investments in the power industry, particularly in distribution networks, practical strategies to reduce losses and enhance the efficiency of existing facilities are essential. This paper investigates and compares the impact of all available methods on loss reduction and voltage profile improvement from both technical and economic perspectives on a real network. Additionally, to achieve more accurate results, the uncertainties in distributed generation resources and network loads are accounted for using scenario generation methods. The study evaluates all possible methods to determine the optimal location and capacity of equipment as the problem-solving algorithm. Load forecasting is incorporated to assess the effectiveness of the proposed methods for future years. Furthermore, a novel idea of reactive power injection by a solar power plant is considered and compared with the case of a solar power plant without reactive power injection. The proposed methods are simulated on five real high-loss distribution feeders in Iran using DIgSILENT software and Python programming. The simulation results indicate that the optimal placement of a solar power plant with reactive power injection provides the best technical performance, while capacitor placement offers the highest economic efficiency.
Keywords: Power loss, Voltage profile, Economic evaluation, Distributed generation
Received: 25 July 2024
Revised: 14 December 2024
Accepted: 17 January 2025
Corresponding Author: Dr. Mohammadreza Miveh, miveh@tafreshu.ac.ir
DOI: https://doi.org/10.71691/teeges.2026.1127202
| فناوریهای نوین مهندسی برق در سیستم انرژی سبز |
..مقاله پژوهشی...
کاهش تلفات توان و بهبود پروفیل ولتاژ در فیدرهای شبکه توزیع: مطالعه موردی در ایران
محمد نجفی1، دانشجوی کارشناسی ارشد، محمدرضا میوه2، استادیار
1- دانشکده مهندسي برق، دانشگاه تفرش، تفرش، ايران
چكيده: با توجه به نقش مهم انرژي الكتريكي در رشد و توسعه اقتصادي و اجتماعي و صرف هزينه‌هاي سنگين براي سرمايه‌گذاري در صنعت برق به ویژه شبکه‌های توزيع، وجود راهكارهاي عملي كاهش تلفات در جهت افزايش بهره‌وري امكانات موجود كاملا ضروري مي‌باشد. این مقاله، تاثیر تمامی روش‌های موجود بر کاهش تلفات و بهبود پروفیل ولتاژ از نقطه نظر فنی و اقتصادی به طور همزمان در یک شبکه واقعی را مورد بررسی و مقایسه قرار داده است. همچنین به منظور دست یابی به جواب‌های دقیق‌تر، اثر عدم قطعیت‌های موجود در منابع تولید پراکنده و بارهای شبکه با استفاده از روش تولید سناریو نیز در نظر گرفته شده است. بررسی تمام روش‌های ممکن به منظور یافتن ظرفیت و مکان بهینه تجهیزات به عنوان الگورتیم حل مسئله در نظر گرفته شده است. پیش بینی بار برای بررسی کارآیی روش‌های ارائه شده برای سال‌های آتی در نظر گرفته شده است. همچنین ایده‌ای مبنی بر تزریق توان راکتیو توسط نیروگاه خورشیدی در نظر گرفته شده است و با حالت نیروگاه خورشیدی بدون تزریق توان راکتیو مقایسه شده است. روش‌های پیشنهادی بر روی پنج فیدر واقعی شبکه توزیع ایران با تلفات توان بالا با استفاده از نرم افزار دیگسایلنت و زبان برنامه نویسی پایتون شبیه سازی شده است. نتایج شبیه سازی نشان می‌دهند که جایابی بهینه نیروگاه خورشیدی با تزریق توان راکتیو از لحاظ فنی، بهترین کارایی و خازن گذاری از لحاظ اقتصادی بیشترین بازدهی را دارا می‌باشد.
واژه هاي كليدي: تلفات توان، پروفیل ولتاژ، ارزیابی اقتصادی، منابع تولید پراکنده
تاریخ ارسال مقاله: 0۴/0۵/140۳
تاریخ بازنگری مقاله: ۲4/0۸/140۳
تاریخ پذیرش مقاله: ۲۸/۱۰/140۳
نویسندهی مسئول: دکتر محمدرضا میوه، miveh@tafreshu.ac.ir
DOI: https://doi.org/10.71691/teeges.2026.1127202
1- مقدمه
با رشد و گسترش تکنولوژی در حوزه صنعت برق، نیاز به بررسی و شناخت و تحلیل تاثیر تکنولوژی بر روی شبکه قدرت بیشتر از گذشته حس می شود. با توجه به مشکلات زیاد ناشی از تلفات توان و افت ولتاژ در شبکه توزیع نیاز به بررسی روش‌های متنوع که کمک به بهبود وضعیت موجود کند، ضروری می‌باشد. علاوه بر بررسی روش‌های موجود برای بهبود شرایط فنی، در کنار آن باید به بررسی شرایط اقتصادی موجود نیز پرداخته شود. توجه به بحث اقتصادی یکی از مهمترین مقوله های انجام پروژه می‌باشد که امروزه بسیار مورد توجه واقع شده است. به علت وجود تلفات انرژی سالانه زیاد در شبکه توزیع و کیفیت پایین ولتاژ، نیاز به بررسی و مطالعه روش‌های مختلف کاهش تلفات و بهبود پروفیل ولتاژ در شبکه‌های توزیع می‌باشد. همچنین ارزیابی اقتصادی روش‌های به کار گرفته شده، در نظر گرفتن عدم قطعیت بار و منابع تولید پراکنده موجب افزایش کارایی روش‌های پیشنهادی و دقیق تر شدن حل مسئله می‌گردد.
تاکنون روش‌های بسیاری در مراجع به منظور کاهش تلفات توان و بهبود پروفیل ولتاژ پیشنهاد شده است. مرجع [1] به بازآرایی و اختصاص ظرفیت بهینه منابع تولید پراکنده به منظور کاهش هزینه‌های ناشی از تلفات شبکه پرداخته است. قیود مسئله شامل مشخص بودن حد ولتاژ و کاهش نا متعادلی در شبکه و به صفر رسیدن جریان نول جاری شده می‌باشد. در این مقاله بار به صورت ثابت مدل شده و برای سه منبع تولید پراکنده عدم قطعیت در نظر گرفته شده است و نتایج تحت سناریوهای انجام باز آرایی به منظور استفاده بهینه از ظرفیت منابع تولید پراکنده، بدست آمده است. شبکه مورد مطالعه، شبکه 33 باس بار استاندارد IEEE می‌باشد. مرجع [2] به جایابی بهینه منابع تولید پراکنده به منظور کاهش انرژی و بهبود نامتعادلی ولتاژ پرداخته است. قیود مسئله در این مطالعه شامل حفظ ولتاژ به طوری که ولتاژ از حد مشخصی بیشتر یا کمتر نشود، حفظ حالت شعاعی شبکه، حفظ نا متعادلی ولتاژ و همچنین کمترین تعداد سوئیچ زنی برای تغییر آرایش شبکه می‌باشد. مرجع [3] به کاهش تلفات پرداخته است در حالی که قیود مسئله در این مطالعه، حفظ محدوده ولتاژ، حفظ شعاعی بودن شبکه، حفظ پایداری ولتاژ و به حداقل رسیدن تعداد باز و بست سوئیچ ها می‌باشد. در حل این مسئله منابع تولید پراکنده در چند باس خاص قرار و مدل بار به صورت استاتیکی در نظر گرفته شده است. همچنین بحث احتمال و عدم قطعیت برای بار و منابع تولید پراکنده در نظر گرفته شده است. مرجع [4] به جایابی و تخصیص ظرفیت منابع تولید پراکنده به منظور کاهش تلفات شبکه پرداخته است. قیود مسئله حفظ محدوده مشخصی از ولتاژ ، حفظ حالت شعاعی شبکه و همچنین هزینه‌های بهره‌برداری و غیر بهره‌برداری و آلودگی ناشی از عدم حضور منابع تجدیدپذیر درنظر گرفته شده است. در حل این مسئله مدل بار را به صورت بار فصلی در نظر گرفته‌اند و برای منابع تولید پراکنده هم منحنی تولید در نظر گرفته شده است. شبکه مورد مطالعه، شبکه 33 باس بار استاندارد IEEE می‌باشد و نتایج الگوریتم دیگر مقایسه شده که جواب بهتر گرفته شده است. مرجع [5] به کاهش تلفات شبکه پرداخته است که قید مسئله حفظ محدوده مشخصی از ولتاژ می‌باشد. روش حل مسئله استفاده از الگوریتم فرا ابتکاری ازدحام ذرات کوانتمی تطبیقی می‌باشد. در حل این مسئله مدل بار را دینامیکی و 24 ساعته در نظر گرفته‌اند و همچنین سعی بر این شده که در صورت پیشامد برای باس و خطوط در شبکه برق رسانی همچنان ادامه داشته باشد. شبکه مورد مطالعه، شبکه 33 و 118 باس بار استاندارد IEEE می‌باشد. مرجع [6] به کاهش قطعی برق با کمک منابع تولید پراکنده پرداخته است. قید این مسئله بیشتر نبودن دیماند درخواستی از ظرفیت منابع تولید پراکنده می‌باشد. در حل این مسئله مدل بار به صورت ثابت بوده و پنج منبع تولید پراکنده در شبکه قرار داده شده و هدف جزیره‌ای کار کردن این منابع می‌باشد. مرجع [7] به کاهش محدودیت‌های منابع تولید پراکنده پرداخته است. قیود مسئله در این مطالعه، محدودیت استفاده از تعداد کلیدها در شبکه و محدودیت نوع کارکرد کلیدها می‌باشد. همچنین شبکه دارای نیروگاه خورشیدی و نیروگاه بادی با منحنی 24 ساعته توان تولیدی می‌باشد و عدم قطعیت برای بار و منابع تولید پراکنده در نظر گرفته شده است. مرجع [8] به بازآرایی و جایابی بهینه منابع تولید پراکنده و ادوات قدرت به منظور ذخیره‌سازی بهینه انرژی پرداخته است. قیود مسئله شامل مشخص بودن حد ولتاژ، کاهش تلفات، نزدیک شدن ضریب بار به عدد یک و همچنین کاهش هزینه‌های بهره‌برداری می‌باشد. روش حل مسئله استفاده از الگوریتم بهینه‌سازی MOSEK می‌باشد. در این مطالعه مدل بار دینامیکی و 24 ساعته در نظر گرفته شده و از نیروگاه فتوولتائیک و بادی و مبدل‌های ذخیره‌ساز انرژی استفاده شده است که در زمان های مشخص انرژی ذخیره شده به شبکه تحویل داده شود تا بهترین عملکرد را شبکه داشته باشد. این مطالعه در 4 سناریو مختلف بررسی شده است. شبکه مورد مطالعه، شبکه 33 باس بار استاندارد IEEE می‌باشد. مرجع [9] به بازآرایی شبکه به منظور کاهش انرژی تلفاتی سالیانه پرداخته است. قیود مسئله مشخص بودن حد ولتاژ، کاهش هزینه بهره‌برداری منابع تولید پراکنده و افزایش قابلیت اطمینان می‌باشد. روش حل مسئله استفاده از الگوریتم فرا ابتکاری و ترکیبی ازدحام ذرات و گرگ خاکستری بهبود یافته می‌باشد. در این مطالعه، منابع تولید پراکنده به صورت توان ثابت مدل شده اند و بارها هم به صورت دینامیکی تغییر کرده و مقادیر آن ها در 8 بازه زمانی داده شده است. مرجع [10] به بازآرایی شبکه به منظور بهبود پروفیل ولتاژ پرداخته است. قیود مسئله شامل مشخص بودن حد ولتاژ، کاهش تلفات و افزایش قابلیت اطمینان می‌باشد. روش حل این مسئله استفاده از پخش بار معمولی می‌باشد. در این مطالعه مدل بار به صورت ثابت در نظر گرفته شده است و از ادوات فکتس و منابع تولید پراکنده استفاده شده است. شبکه مورد مطالعه، شبکه 33 باس بار استاندارد IEEE می‌باشد. مرجع [11] به بازآرایی دینامیکی به منظور کاهش انرژی تلفاتی سالیانه پرداخته است. قیود مسئله شامل مشخص بودن حد ولتاژ، حد مجاز توان عبوری از شاخه‌ها، حفظ حالت شعاعی شبکه، به حداقل رساندن تعداد کلیدزنی برای تغییر آرایش شبکه و بهبود قابلیت اطمینان می‌باشد. روش حل مسئله استفاده از تقریب لاگرانژ می‌باشد. شبکه مورد مطالعه، شبکه 15 باس بار استاندارد IEEE می‌باشد. همچنین مرجع [12] به بازآرایی و جایابی بهینه منابع تولید پراکنده و جابه‌جایی فازهای مصرف‌کننده به منظور کاهش تلفات شبکه پرداخته است. قیود مسئله شامل مشخص بودن حد ولتاژ، کاهش نا متعادلی در شبکه و به صفر رسیدن جریان نول جاری شده می‌باشد. در این مطالعه بار به صورت ثابت مدل شده و پس از شبیه سازی‌های مختلف محقق به این نتیجه رسیده که بازآرایی و جا به جایی فازها هزینه خیلی کمتری نسبت به اختصاص منابع تولید پراکنده دارد. شبکه مورد مطالعه، شبکه 123 باس بار استاندارد IEEE می‌باشد. در مرجع [13]، برای کاهش تلفات توان و بهبود پروفایل ولتاژ، از بهینه‌سازی مکان خازن‌ها و تولید پراکنده در سیستم توزیع استفاده شده است. با به‌کارگیری الگوریتم‌های تحلیل جریان بار و الگوریتم ژنتیک، مکان و اندازه بهینه تجهیزات در یک سیستم تست IEEE 33-Bus و یک شبکه واقعی در نپال تعیین شده و نتایج نشان‌دهنده کاهش تلفات توان و بهبود پروفایل ولتاژ است. مرجع [14]، برای اطمینان از تأمین ولتاژ پایدار به مصرف‌کنندگان از خازن‌ها به‌منظور جبران توان و بهبود ضریب توان در سیستم‌های توزیع استفاده کرده است. در این مطالعه نشان داده است که نصب بهینه خازن‌ها و استفاده از تکنیک‌های مدرن بهینه‌سازی به کاهش نوسانات ولتاژ و تلفات توان کمک می‌کند و موجب بهبود پروفایل ولتاژ، افزایش پایداری و قابلیت اطمینان سیستم توزیع می‌شود. در مرجع [15]، الگوریتم بهینه‌سازی COOT برای یافتن مکان بهینه و توان تولیدی تولیدپراکنده با هدف کاهش تلفات توان و بهبود شاخص تعادل بار فیدر در شبکه توزیع بررسی شده است. مقایسه با الگوریتم بهینه‌سازی ازدحام ذرات نیز نشان می‌دهد که COOT عملکرد بهتری در کاهش تلفات و بهبود تعادل بار دارد. در مرجع [16]، برای بهبود پایداری ولتاژ و کاهش تلفات توان، تخصیص بهینه تولیدپراکنده مانند سیستم‌های خورشیدی و بادی پیشنهاد شده است. این مطالعه به مزایای اقتصادی و فنی تولید پراکنده و روش‌های بهینه‌سازی برای اندازه و مکان‌یابی منابع تولیدپراکنده جهت بهبود پروفایل ولتاژ پرداخته و نشان داده است که با استفاده از الگوریتم‌های متاهیوریستیک، می‌توان تلفات را به حداقل و ثبات ولتاژ را به حداکثر رساند. در مرجع [17]، یک الگوریتم جستجوی اصلاح‌شده چتر دریایی برای بهینه‌سازی تنظیم مجدد شبکه در فیدرهای توزیع ولتاژ متوسط ارائه شده است. این الگوریتم برای تقویت قابلیت اطمینان سیستم و کاهش تلفات توان با استفاده از مدل چندهدفه طراحی شده است که شامل معیارهایی همچون انرژی تأمین‌نشده، میانگین عدم دسترسی سیستم و فرکانس قطعی‌ها می‌باشد. نتایج شبیه‌سازی بر روی یک شبکه 137 باس نشان می‌دهد که الگوریتم پیشنهادی در مقایسه با الگوریتم‌های دیگر، بهبود قابل توجهی در کاهش تلفات توان و افزایش قابلیت اطمینان سیستم به دست می‌آورد. در مرجع [18]، یک روش مؤثر برای تنظیم مجدد فیدر و تخصیص خازن جهت بهینه‌سازی کاهش تلفات توان و بهبود پروفایل ولتاژ در سیستم توزیع برق شهری در هند ارائه شده است. این روش با استفاده از جستجوی پی‌درپی، مکان و اندازه بهینه خازن‌ها را مشخص کرده و تلفات ناشی از جریان را کاهش می‌دهد. نتایج نشان می‌دهد که این رویکرد، کاهش چشمگیری در تلفات توان سیستم ایجاد می‌کند و با افزودن سوئیچ‌های بیشتر، عملکرد بهینه‌سازی می‌تواند بهبود یابد. در مرجع [19]، یک روش بهینه برای پیکربندی شبکه در سیستم توزیع برق جهت کاهش تلفات توان و بهبود پروفایل ولتاژ ارائه شده است. با استفاده از یک الگوریتم اصلاح‌شده بهینه‌سازی ذرات انتخابی ، این مطالعه تلفات توان واقعی را به حداقل و پروفیل ولتاژ را تقویت می‌کند. آزمایش‌ها روی سیستم IEEE 33-Bus نشان می‌دهند که این روش به بهبود قابل‌توجه سطح ولتاژ و کاهش انحراف ولتاژ و تلفات توان نسبت به روش‌های دیگر منجر می‌شود. جدول (1) خلاصه‌ای از مطالعات انجام شده در این زمینه را نشان می‌دهد.
جدول (1): خلاصه‌ای از مطالعات پیشین
مراجع | تابع هدف | تولید پراکنده | عدم قطعیت | هدف مقاله | ||||||||||||
تک هدفه | چند هدفه | حضور | اندازه بهینه | جایابی بهینه | بار | تولید پراکنده | کاهش تلفات | پروفیل ولتاژ | ||||||||
[1] |
| P | P | P | P |
|
| P | P | |||||||
[2] | P |
| P |
| P |
|
| P | P | |||||||
[3] | P |
| P |
|
| P | P | P |
| |||||||
[4] | P |
| P | P | P |
|
| P | P | |||||||
[5] | P |
|
|
|
|
|
| P | P | |||||||
[5] | P |
| P |
|
|
|
|
| P | |||||||
[7] | P |
| P |
|
|
|
| P | P | |||||||
[8] | P |
| P | P | P |
|
|
|
| |||||||
[9] |
| P | P |
|
|
|
| P |
| |||||||
[10] | P |
|
|
|
|
|
|
| P | |||||||
[11] | P |
|
|
|
|
|
| P |
| |||||||
[12] | P |
| P | P | P |
|
| P |
| |||||||
[13] | P |
| P | P | P |
|
| P | P | |||||||
[14] | P |
|
|
|
|
|
| P | P | |||||||
[15] | P |
| P |
| P |
| P | P |
| |||||||
[16] | P |
| P | P |
|
|
| P | P | |||||||
[17] |
| P |
|
|
|
|
| P |
| |||||||
[18] | P |
|
|
|
|
|
| P | P | |||||||
[19] | P |
|
|
|
|
|
| P | P | |||||||
روش پیشنهادی | - | P | P | P | P | P | P | P | P | |||||||
با توجه به جدول (1) می‌توان دریافت که چالش بسیار مهمی که در مقالات گذشته نادیده گرفته شده است، ارزیابی هزینه اقتصادی طرح‌های اجرایی برای کاهش تلفات و بهبود پروفیل ولتاژ است که هیچ یک از مقالات این امر مهم را در نظر نگرفته اند. در واقع مهمترین نتیجه کاهش تلفات، ارزش افزوده اقتصادی آن است و اگر هزینه های اجرای طرح بالاتر از سود حاصل از کاهش تلفات باشد، آن طرح نباید اجرا شود که این امر در تحقیقات گذشته مغفول مانده است. نکته دیگری که می‌توان در مقالات گذشته مورد نقد قرار داد، استفاده از الگوریتم‌های فرا ابتکاری در اکثر مقالات است. با توجه به این که به طور قطعی مشخص نیست که این الگوریتم‌ها جواب بهینه مطلق را می‌دهند استفاده از آنها ممکن است به جواب بهینه منجر نشود. همچنین طرح های ارائه شده فقط برای بازه زمانی خاص طراحی شده است و پیش بینی برای آینده در آن انجام نشده است. همچنین شبکه های مورد مطالعه در اکثر مقالات شبکه‌های تست IEEE بوده و مطالعه بر روی یک فیدر واقعی انجام نشده است.
به منظور حل مشکلات مطرح شده در بالا، در این مقاله علاوه بر به کارگیری روش‌های کاهش تلفات انرژی و بهبود پروفیل ولتاژ، ارزیابی اقتصادی با به کارگیری روش‌های مختلف انجام شده است. این روش‌ها شامل تغییر سطح مقطع کابل، خازن‌گذاری، استفاده از ادوات FACTS و جایابی نیروگاههای خورشیدی با و بدون تزریق توان راکتیو است. همچنین مطالعات انجام شده در مقالات پیشین بر روی شبکه‌های تست بوده ولی در این مقاله مطالعات روی شبکه واقعی انجام شده است. در مقالات مورد بررسی اکثرا تلفات توان را مورد بررسی قرار داده شده است. اما در این مطالعه با توجه به منحنی بار روزانه، تلفات انرژی سالانه بیان شده است. همچنین پیش بینی بار در این مقاله به طور دقیق و واقعی انجام شده تا مشخص شود که آیا طرح های پیشنهادی در سال های آتی هم پاسخ گوی شبکه خواهد بود. در این مقاله، تاثیر تمامی روش‌های موجود بر کاهش تلفات و بهبود پروفیل ولتاژ از نقطه نظر فنی و اقتصادی به طور همزمان در یک شبکه واقعی مورد بررسی و مقایسه قرار گرفته است. همچنین اثر عدم قطعیت‌های موجود در منابع تولید پراکنده و بارهای شبکه با استفاده از روش تولید سناریو لحاظ شده است. علاوه بر این، تزریق توان راکتیو توسط نیروگاه خورشیدی پیاده سازی شده و با حالت نیروگاه خورشیدی بدون تزریق توان راکتیو مقایسه شده است. روش‌های پیشنهادی بر روی پنج فیدر واقعی شبکه توزیع ایران با تلفات توان بالا شبیه سازی شده است. به طور کلی نوآوری‌های این مقاله شامل موارد زیر می باشد:
- بر خلاف مقالات گذشته که از روش های فراابتکاری برای حل مسئله استفاده کرده اند، در این مقاله بررسی تمام روش‌های ممکن به منظور یافتن ظرفیت و مکان بهینه تجهیزات به عنوان الگورتیم حل مسئله در نظر گرفته شده است.
- ارزیابی اقتصادی واقعی از به‌کارگیری روش‌های مختلف کاهش تلفات انرژی برای تعیین بازدهی اقتصادی آنها و مقایسه با حالت بدون اعمال روش‌های کاهش تلفات در این مقاله در نظر گرفته شده است.
- به منظور دست یابی به پاسخ های دقیق ترعدم قطعیت‌های موجود در بار و تولیدپراکنده در این مقاله در نظر گرفته شده است.
- در این مقاله به منظور پیاده سازی روش پیشنهادی از شبکه توزیع واقعی برق در ایران استفاده شده است.
- در این مقاله بررسی تلفات انرژی سالانه با توجه به منحنی بار روزانه، برخلاف مقالات پیشین که عموماً بر تلفات توان متمرکز بوده‌اند صورت گرفته است.
- در این مقاله پیش‌بینی بار برای ارزیابی عملکرد طرح‌های پیشنهادی در سال‌های آتی و بررسی پایداری کارآیی آنها در شبکه توزیع واقعی صورت گرفته است.
در ادامه به بخش‌های دیگر این مقاله پرداخته شده است. بخش دوم مقاله به روش و مدلسازی مسئله پرداخته شده است. این بخش شامل الگوریتم پیشنهادی، روش‌های حل مسئله و ارزیابی اقتصادی می‌باشد. در بخش سوم به معرفی شبکه مورد مطالعه پرداخته شده است. بخش چهارم از این مقاله شامل شبیه‌سازی و ارزیابی نتایج و همچنین بخش پنجم نتیجه‌گیری کلی می‌باشد.
2- روش و مدلسازی مسئله
2-1- الگوریتم ارائه شده برای جایابی بهینه
الگوریتمی که برای جایابی بهینه و سایز بهینه منابع تولید پراکنده و ادوات فکتس در نظر گرفته شده است، بررسی تمام حالت‌های ممکن می‌باشد. برای این که تعداد حالت‌های موجود کاهش یابد، تعداد گزینه‌های موجود برای نصب این منابع را با در نظر گرفتن مواردی همچون "محل نصب منابع جایی باید باشد که امنیت تجهیزات و وسایل تضمین شده باشد" و همچنین "محل قرار گیری منابع نزدیک به مرکز ثقل بارهای موجود در فیدر باشد" نیز کاهش داده شده است. در این مقاله این موارد در فیدر مورد مطالعه مورد توجه قرار گرفته شده است. با توجه به نکات گفته شده، برنامه نوشته شده به زبان Python از بین گزینه‌های پیشنهادی تمام حالت‌های ممکن را بررسی کرده (برای نیروگاه خورشیدی و ادوات فکتس) و در هر مرحله مقدار معادله (1) و (4) را در پیک بار به دست آورده و مرتب سازی می‌کند و بهترین گزینه برای نصب منابع معرفی می‌شود.
(1) |
| |||||||||||||||||||||||
جدول (2): واژه نامه
معادله (2) و (3) قیود مربوط به حد ولتاژ و حداکثر توان عبوری را نشان می‌دهد. | ||||||||||||||||||||||||
(2) |
| |||||||||||||||||||||||
|
| |||||||||||||||||||||||
(3) |
| |||||||||||||||||||||||
(4) |
| |||||
براساس رابطه (5)، ارزش پول در آینده به ارزش پول در حال حاضر تبدیل می‌شود. | ||||||
(5) |
| |||||
(6) |
|
(7) |
|
(8) |
|
(9) |
|
(10) |
|
(11) |
|
(12) |
|
(13) |
|
(14) |
|
(15) |
|
(16) |
|
(17) |
|
پست فوق توزیع | نام فیدر | توان ورودی فیدر (Kw) | طول فیدر (Km) | تلفات فیدر (Kw) | درصد تلفات فیدر |
پست واقعی 8 | 853 | 6.778 | 49 | 918 | 13.6 |
پست واقعی 7 | 641 | 3.551 | 23 | 278 | 7.8 |
639 | 3.254 | 19 | 194 | 6.0 | |
پست واقعی 9 | 913 | 5.418 | 28 | 363 | 6.7 |
923 | 3.721 | 34 | 240 | 6.5 |
3-2- عدم قطعیت مبتنی بر سناریو
در این مقاله عدم قطعیت بار مطابق [21] و عدم قطعیت منابع تولید پراکنده را همانند [22] در نظر گرفته شده است و 15 سناریو مانند جدول () به وجود آمده است. از بین 5 سناریو برتر در جایابی منابع تولید پراکنده، سناریویی که در حالت عدم قطعیت کمترین تلفات را دارا می‌باشد به عنوان سناریو برتر انتخاب می‌شود.
جدول (4): اعداد و احتمالات موجود برای در نظر گیری عدم قطعیت در منابع تولید پراکنده و بار
سناریو | درصد بار(نسبت به پیک بار) | احتمال بار(درصد) | مقدار تولید(مگاوات) | احتمال تولید(درصد) | احتمال کل (درصد) |
1 | 95 | 16 | 0 | 50.37 | 8.06 |
2 | 95 | 16 | 0.25 | 11.57 | 1.85 |
3 | 95 | 16 | 0.5 | 8.47 | 1.36 |
4 | 95 | 16 | 0.75 | 13.52 | 2.16 |
5 | 95 | 16 | 1 | 15.83 | 2.53 |
6 | 100 | 68 | 0 | 50.37 | 34.25 |
7 | 100 | 68 | 0.25 | 11.57 | 7.87 |
8 | 100 | 68 | 0.5 | 8.47 | 5.76 |
9 | 100 | 68 | 0.75 | 13.52 | 9.19 |
10 | 100 | 68 | 1 | 15.83 | 10.76 |
11 | 105 | 16 | 0 | 50.37 | 8.06 |
12 | 105 | 16 | 0.25 | 11.57 | 1.85 |
13 | 105 | 16 | 0.5 | 8.47 | 1.36 |
14 | 105 | 16 | 0.75 | 13.52 | 2.16 |
15 | 105 | 16 | 1 | 15.83 | 2.53 |
3-3- منحنی تولید روزانه نیروگاه خورشیدی
منحنی بار روزانه در نظر گرفته شده برای منبع تولید پراکنده این مقاله از روی تولید روزانه ثبت شده نیروگاه یک مگاواتي واقعی گرفته شده است. به منظور ساده سازی، به طور کاملا اتفاقی یک روز نماینده برای فصل بهار و پاییز انتخاب شده و یک نماینده برای تابستان و یک نماینده هم برای زمستان انتخاب شده و فرض شده این الگو برای روزهای دیگر هر فصل به همین شکل می‌باشد. شکل (1) منحنی تولید روزانه نیروگاه خورشیدی در چهار فصل را نشان می‌دهد.
شکل (1): منحنی تولید روزانه نیروگاه خورشیدی در چهار فصل
3-4- پیش بینی رشد بار
یکی دیگر از موارد مهم در انجام یک پروژه و ارزیابی آن پیش بینی رفتار آینده طرحی که مورد مطالعه قرار گرفته است، می‌باشد. توجه به این نکته از اهمیت به سزایی برخوردار است زیرا در صورت رعایت نکردن آن ممکن است طرح مورد نظر در سال‌های آینده با شکست مواجه شود و سرمایه انجام شده در آن از بین برود. برای در نظر گرفتن این نکته نیاز به پیش بینی رشد بار6 می‌باشد. در این مقاله از روش برازش منحنی برای پیش بینی بار استفاده شده است. با استفاده از نمونه‌هاي آماري منحني‌هايي بدست مي‌آید كه اين منحني بهترین منحني برازش داده شده به نمونه آماري مي‌باشد. از دو پارامتر خطای استاندارد تخمین (S) و ضریب همبستگي(r) جهت یافتن بهترین منحني استفاده مي‌شود كه در روابط (18) تا (22) آمده است[23]:
(18) |
|
كه درآن yi مقدار i ام نمونه آماري، nparam شماره پارامتر در مدل، npoints شماره نمونه آماري و f(xi) تابع مدل xi ورودی آماري مي‌باشند.
(19) |
|
(20) |
|
كه درآن
ميانگين ورودی آماري مي باشد.
|
(21) |
| (22) |
در بهترين حالت برارزش S=1 و r =1 مي باشد.
تابع f(xi) از چند گروه مدل منحني هاي مشابه مانند Linear Regression وExponential Family و Sigmoidal مي‌باشند. جدول () شماره 10 معادله منحنيهاي S شكل (Sigmoidal models) كه در پيش بيني بار استفاده گرديده است آورده شده است:
جدول (5): مدل های مورد استفاده برای پیش بینی بار
معادله | نام مدل |
| Gompertz Relation |
| Logistic |
| Weibull |
| MMF |
| Richard |
با توجه به داده‌های موجود از سال‌های گذشته و انجام محاسبات، پیش بینی بار برای کل شبکه واقعی در جدول () آورده شده است.
جدول (6): پیش بینی بار مورد نیاز شبکه برای سال های آینده
توان مصرفی (وات) سال 1396 | توان مصرفی (وات) سال 1398 | توان مصرفی (وات) سال 1400 | توان مصرفی (وات) سال 1402 | توان مصرفی (وات) سال 1404 | توان مصرفی (وات) سال 1406 | |
خانگی | 81.220.170 | 88.459.661 | 91.818.079 | 94.050.080 | 95.587.377 | 96.584.850 |
عمومی | 29.772.456 | 31.268.026 | 33.133895 | 34.344.024 | 35.114.997 | 35.600.789 |
39.026.639 | 40.347.660 | 42.591.200 | 44.437.040 | 45.939.953 | 47.153.701 | |
صنعتی | 40.723.111 | 41.823.839 | 43.617.048 | 45.196.689 | 46.579.995 | 47.785.314 |
تجاری | 25.350.036 | 26.483.957 | 28.399.607 | 29.950.837 | 31.188.725 | 32.165.611 |
روشنایی | 7.327.275 | 7.463.239 | 7.879.048 | 8.202.694 | 8.451.565 | 8.641.218 |
جمع توان مصرفی | 223.419.686
| 235.846.382
| 247.438.878
| 256.211.333
| 262.862.611
| 267.931.484
|
با توجه به انجام محاسبات مختلف در طرح شبکه واقعی، ضریب رشد برای هر سال را می توان بین 1.5 تا 2 درصد در نظر گرفت. از آن جایی که فیدر های مورد مطالعه بیشتر در حاشیه شهرستان می‌باشند، در این مقاله نرخ رشد بار را برای فیدر های مورد مطالعه 1.5 درصد در نظر گرفته شده است.
3-5- انجام مطالعات اولیه بر روی شبکه
در این بخش به انجام مطالعات اولیه روی فیدرهای مورد مطالعه شامل انرژی مصرفی فیدر، تلفات انرژی فیدر در طول دوره 20 ساله پرداخته شده است. در این قسمت فرض بر این است که فیدرهای موجود در طول دوره 20 ساله، هیچ گونه اصلاحاتی روی آنها انجام نخواهد شد و همچنین هیچ گونه تجهیزی برای کاهش تلفات توان و بهبود پروفیل ولتاژ در فیدر قرار نخواهد گرفت. همچنین نمودار پروفیل ولتاژ در زمان پیک بار درنظر گرفته شده است.
این فیدر دارای بیشترین تلفات و افت ولتاژ می‌باشد. اصلاح و تجهیز این فیدر بسیار واجب می‌باشد. به دلیل اینکه در انتهای فیدر مشکلات افت ولتاژ بسیاری وجود دارد و ممکن است وسایل برقی مصرف کنندگان در انتهای فیدر بابت این مشکل دچار آسیب شوند. تلفات این فیدر حدود 13 درصد می‌باشد شکل (2) پروفیل ولتاژ در پیک بار را نشان می‌دهد. قسمتی که با دایره خط کشیده شده، قسمت بالای نقطه ولتاژ سمت 20 کیلو ولت می‌باشد و قسمت پایین نقطه، ولتاژ سمت 380 ولت می‌باشد. همان طور که مشاهده می‌شود افت ولتاژ زیادی در این فیدر وجود دارد که باید جبران شود.
|
شکل (2): پروفیل ولتاژ فیدر 853 در بار پیک
ب- فیدر 913
نمایی از پروفیل ولتاژ فیدر913 در شکل (3) نشان داده شده است. پروفیل ولتاژ فیدر 913 در لحظه پیک بار که از حد مجاز خود پایین آمده است.
مقالات مرتبط
-
مدلسازی و شبیه سازی دینامیکی ژنراتورآهنربای دائم شار متقاطع و کاربرد آن در توربین های بادی
تاریخ چاپ : 1401/12/01 -
کنترل مستقیم توان مبتنی بر مد لغزشی انتگرالی ژنراتور القایی دو سو تغذیه بدون جاروبک
تاریخ چاپ : 1401/06/01 -
حقوق این وب‌سایت متعلق به سامانه مدیریت نشریات دانشگاه آزاد اسلامی است.
حق نشر © 1404-1400