تحلیل کارایی روش Tau-Value در تخصیص تلفات شبکه‌های توزیع با ساختارهای شعاعی و مش ضعیف

الموضوعات : Power Engineering

محمد بیات ¹ , مهیار عباسی ² , مسعود آقابیگلو ³ , علی اصغر قدیمی ⁴

1 - گروه مهندسی برق، دانشکده فنی و مهندسی ، دانشگاه اراک، اراک، ایران
2 - گروه مهندسی برق، دانشکده فنی و مهندسی ، دانشگاه اراک، اراک، ایران
3 - گروه مهندسی برق، دانشکده فنی و مهندسی ، دانشگاه اراک، اراک، ایران
4 - گروه مهندسی برق، دانشکده فنی و مهندسی ، دانشگاه اراک، اراک، ایران

تاريخ الإرسال : 26 الأربعاء , رمضان, 1446 تاريخ التأكيد : 25 السبت , ذو الحجة, 1446 تاريخ الإصدار : 11 الثلاثاء , ربيع الثاني, 1448

الکلمات المفتاحية: تخصیص عادلانه تلفات, تولید پراکنده, شبکه مش ضعیف, شبکه توزیع شعاعی, روش τ-value,

ملخص المقالة :

در شبکه‌های توزیع برق مدرن، با افزایش تولیدات پراکنده و نیاز به تخصیص عادلانه تلفات بین مشارکت‌کنندگان، روش‌های سنتی دیگر پاسخگو نیستند. در این مقاله، روش τ-value برای تخصیص تلفات ناشی از اتصال مصرف‌کننده و تولیدکننده جدید در شبکه‌های شعاعی و مش ضعیف بررسی شد. نتایج نشان داد که این روش، با توجه به حجم محاسباتی کم و کارایی بالا، ابزاری مناسب برای تخصیص تلفات در شبکه‌های تجدیدساختار یافته است. همچنین، مشخص شد که قرارگیری مصرف‌کننده در شبکه مش ضعیف و تولیدکننده در شبکه شعاعی، از نظر اقتصادی و فنی، بهینه‌تر است. با این حال، روش τ-value در تخصیص تلفات به مصرف‌کنندگان، سختگیری بیشتری اعمال می‌کند که ناشی از تخصیص اولیه تلفات بین مصرف‌کنندگان است. با وجود این محدودیت، این روش می‌تواند در بازارهای رقابتی برق، به عنوان ابزاری کارآمد مورد استفاده قرار گیرد. این مطالعه نشان داد که ساختار شبکه تاثیر قابل توجهی بر نحوه تخصیص تلفات دارد و انتخاب مناسب مکان برای تولیدکنندگان و مصرف‌کنندگان می‌تواند به کاهش تلفات و بهبود کارایی شبکه منجر شود. همچنین، استفاده از روش‌های مبتنی بر نظریه بازی‌ها مانندτ-value، می‌تواند به تخصیص عادلانه‌تر تلفات و ایجاد رقابت سالم در بازار برق کمک کند.

المصادر:

[1] M. Atanasovski and R. Taleski, “Power summation method for loss allocation in radial distribution networks with DG,” IEEE Transactions on Power Systems, vol. 26, no. 4, 2011, doi: 10.1109/TPWRS.2011.2153216.
[2] A. J. Conejo, J. M. Arroyo, N. Alguacil, and A. L. Guijarro, “Transmission Loss Allocation: A Comparison of Different Practical Algorithms,” 2002. doi: 10.1109/MPER.2002.4312201.
[3] E. Carpaneto, G. Chicco, and J. S. Akilimali, “Branch current decomposition method for loss allocation in radial distribution systems with distributed generation,” IEEE Transactions on Power Systems, vol. 21, no. 3, 2006, doi: 10.1109/TPWRS.2006.876684.
[4] Y. P. Molina, R. B. Prada, and O. R. Saavedra, “Complex losses allocation to generators and loads based on circuit theory and aumann-shapley method,” IEEE Transactions on Power Systems, vol. 25, no. 4, 2010, doi: 10.1109/TPWRS.2010.2044425.
[5] S. Sharma and A. R. Abhyankar, “Loss Allocation for Weakly Meshed Distribution System Using Analytical Formulation of Shapley Value,” IEEE Transactions on Power Systems, vol. 32, no. 2, 2017, doi: 10.1109/TPWRS.2016.2571980.
[6] A. P. Hota, S. Mishra, and D. P. Mishra, “Active power loss allocation in radial distribution networks with different load models and DGs,” Electric Power Systems Research, vol. 205, 2022, doi: 10.1016/j.epsr.2021.107764.
[7] J. Mutale, G. Strbac, S. Curcic, and N. Jenkins, “Allocation of losses in distribution systems with embedded generation,” IEE Proceedings: Generation, Transmission and Distribution, vol. 147, no. 1, 2000, doi: 10.1049/ip-gtd:20000003.
[8] A. J. Conejo, F. D. Galiana, and I. Kockar, “Z-bus loss allocation,” IEEE Transactions on Power Systems, vol. 16, no. 1, 2001, doi: 10.1109/59.910787.
[9] A. Parastar, B. Mozafari, A. Pirayesh, and H. Omidi, “Transmission loss allocation through modified Z-bus,” in Energy Conversion and Management, 2011. doi: 10.1016/j.enconman.2010.07.055.
[10] J. Zhao, S. Du, Y. Dong, J. Su, and Y. Xia, “A bidirectional loss allocation method for active distributed network based on Virtual Contribution Theory,” International Journal of Electrical Power and Energy Systems, vol. 153, 2023, doi: 10.1016/j.ijepes.2023.109349.
[11] I. Bhand, S. Debbarma, and S. D. Roy, “Loss Allocation in Distribution Network involving Peer-To-Peer Energy Transactions,” in 4th International Conference on Energy, Power, and Environment, ICEPE 2022, 2022. doi: 10.1109/ICEPE55035.2022.9798075.
[12] W. Tao, H. Chen, L. Chen, and S. Chen, “An arbitrary segmentation method for loss allocation in power grids with distributed generation,” International Journal of Electrical Power & Energy Systems, vol. 164, p. 110436, Mar. 2025, doi: 10.1016/j.ijepes.2024.110436.
[13] A. S. Abdelkader, I. I. Mansy, and A. A. Eladl, “Distribution System Losses Allocation Based on Circuit Theory with Distributed Generation,” Mansoura Engineering Journal, vol. 49, no. 5, Jan. 2024, doi: 10.58491/2735-4202.3224.
[14] M. Emadi, H. R. Massrur, E. Rokrok, and A. Samanfar, “A Comprehensive Framework for Optimal Stochastic Operating of Energy Hubs Integrated with Responsive Cooling, Thermal and Electrical Loads, and Ice Storage System by an Improved Self-Adaptive Slime Mold Optimization Algorithm,” Technovations of Electrical Engineering in Green Energy System, vol. 2, no. 1, pp. 77–95, 2023, doi: 10.30486/teeges.2022.1969195.1043.
[15] D. Bharti, “Loss allocation method for microgrids having variable generation,” in Lecture Notes in Electrical Engineering, 2021. doi: 10.1007/978-981-16-0749-3_8.
[16] P. Khademi Astaneh and H. Sheikh Shahrokh Dehkordi, “Integrated Optimal Active and Reactive Power Planning in Smart Microgrids with Possibility of One-Hour Islanding,” Technovations of Electrical Engineering in Green Energy System, vol. 2, no. 2, pp. 36–50, 2023, doi: 10.30486/teeges.2023.1979749.1063.
[17] H. Kumar and D. K. Khatod, “τ-Value Based Approach for Loss Allocation in Radial and Weakly Meshed Distribution Networks With Distributed Generation,” IEEE Transactions on Power Delivery, vol. 37, no. 3, 2022, doi: 10.1109/TPWRD.2021.3099207.