ارائه یک مدار معادل دینامیکی جدید برای ریزشبکه‌ها شامل منابع تولید پراکنده و جبران‌سازهای ایستای توان راکتیو

محورهای موضوعی : مهندسی برق قدرت

بهروز ذاکر ¹ (دانشکده مهندسی برق و کامپیوتر، دانشگاه شیراز، شیراز، فارس، ایران)

تاریخ دریافت : 1402/05/08 تاریخ پذیرش : 1402/07/30 تاریخ انتشار : 1403/03/01

کلید واژه: جبران‌ساز ایستای توان راکتیو, تولید پراکنده, ریزشبکه, معادل‌سازی دینامیکی,

چکیده مقاله :

با توجه به گسترش و افزایش ضریب نفوذ روزافزون منابع تولید پراکنده که اغلب بدون اینرسی یا با اینرسی پایین هستند، چالش های جدیدی در مطالعات سیستم قدرت به وجود آمده است. از این رو، در مطالعات سیستم های قدرت باید ریزشبکه های متعددی که تعداد بالایی منابع تولید پراکنده در دل خود دارند مدل سازی و شبیه‌سازی شوند که بار محاسباتی بسیار زیادی را به نرم افزارها تحمیل می‌کند. لذا، بحث معادل سازی دینامیکی ریزشبکه ها به‌منظور کاهش بار محاسباتی از اهمیت بسیار بالایی برخوردار است. در این مقاله، روش جدیدی به‌منظور معادل‌سازی دینامیکی ریزشبکه های مبتنی بر منابع اینورتری و جبران‌سازهای ایستا ارائه خواهد شد. مدار معادل پیشنهادی برخلاف مطالعات پیشین، یک مدل صرفاً ریاضی نبوده و شامل عناصر فیزیکی از جمله، مبدل معادل، کنترل کننده های معادل، مقاومت، راکتانس و بار معادل است. با استفاده از داده های اندازه گیری در محل اتصال ریزشبکه به شبکه بالادست و استفاده از یک فرایند بهینه‌سازی، پارامترهای مدار معادل شناسایی خواهند شد. روش موردنظر به شبکه تست 33 شینه IEEE اعمال شده و با استفاده از شبیه سازی های مختلف، صحت و دقت روش پیشنهادی ارزیابی خواهد شد.

چکیده انگلیسی:

Due to the expansion and increasing penetration level of distributed generation units which are usually inertialess or low inertia, new challenges have arisen in power system studies. Thus, in power system studies, microgrids which may have numerous distributed generation units should be modelled and simulated that is very time consuming and complex. Therefore, dynamic equivalencing of microgrids in order to reduce computation burden and complexity is inevitable. In this paper, a new method for dynamic equivalencing of microgrids that includes inverter-based generation units and DSTATCOMs is proposed. The proposed equivalent model is a physical one which includes components such as equivalent converter, controller, resistance, reactance and equivalent load. Using the measurement data at the point of common coupling and utilizing optimization procedure, the parameters of the equivalent model will be identified. The proposed method is applied to IEEE 33-bus test system to show its accuracy and effectiveness.

منابع و مأخذ:

1. S. Chowdhury, S. P. Chowdhury, and P. Crossley, Microgrids and Active Distribution Networks. Stevenage, U.K.: Inst. Eng. Technol, 2009.


2. M. H. Moradi, A. Zeinalzadeh, Y. Mohammadi, and M. Abedini, “An efficient hybrid method for solving the optimal sitting and sizing problem of DG and shunt capacitor banks simultaneously based on imperialist competitive algorithm and genetic algorithm,” International Journal of Electrical Power & Energy Systems, vol. 54, pp. 101–111, Jan. 2014, doi: 10.1016/J.IJEPES.2013.06.023.


3. B. Zaker, G. B. Gharehpetian, and M. Karrari, “A Novel Measurement-Based Dynamic Equivalent Model of Grid-Connected Microgrids,” IEEE Trans Industr Inform, vol. 15, no. 4, pp. 2032–2043, Apr. 2019, doi: 10.1109/TII.2018.2856852.


4. T. J. Donnelly, S. D. Pekarek, D. R. Fudge, and N. Zarate, “Thévenin equivalent circuits for modeling common-mode behavior in power electronic systems,” IEEE Open Access Journal of Power and Energy, vol. 7, no. 1, pp. 163–172, 2020, doi: 10.1109/OAJPE.2020.2996029.


5. R. Podmore, “Identification of coherent generators for dynamic equivalents,” IEEE Transactions on Power Apparatus and Systems, vol. PAS-97, no. 4, pp. 1344–1354, 1978, doi: 10.1109/TPAS.1978.354620.


6. A. Ishchenko, J. M. A. Myrzik, and W. L. Kling, “Dynamic equivalencing of distribution networks with dispersed generation using Hankel norm approximation,” IET Generation, Transmission and Distribution, vol. 1, no. 5, pp. 818–825, 2007, doi: 10.1049/IET-GTD:20070028.


7. B. Zaker, G. B. Gharehpetian, M. Karrari, and N. Moaddabi, “Simultaneous Parameter Identification of Synchronous Generator and Excitation System Using Online Measurements,” IEEE Trans Smart Grid, vol. 7, no. 3, pp. 1230–1238, May 2016, doi: 10.1109/TSG.2015.2478971.


8. P. N. Papadopoulos, T. A. Papadopoulos, and G. K. Papagiannis, “Dynamic modeling of a microgrid using smart grid technologies,” Proceedings of the Universities Power Engineering Conference, 2012, doi: 10.1109/UPEC.2012.6398460.


9. P. N. Papadopoulos, T. A. Papadopoulos, P. Crolla, A. J. Roscoe, G. K. Papagiannis, and G. M. Burt, “Black-box dynamic equivalent model for microgrids using measurement data,” IET Generation, Transmission & Distribution, vol. 8, no. 5, pp. 851–861, May 2014, doi: 10.1049/IET-GTD.2013.0524.


10. M. Luzi, F. M. Frattale Mascioli, M. Paschero, and A. Rizzi, “A White-Box Equivalent Neural Network Circuit Model for SoC Estimation of Electrochemical Cells,” IEEE Trans Neural Netw Learn Syst, vol. 31, no. 2, pp. 371–382, Feb. 2020, doi: 10.1109/TNNLS.2019.2901062.


11. C. Cai, H. Liu, Y. Tao, Z. Deng, W. Dai, and J. Chen, “Microgrid Equivalent Modeling Based on Long Short-Term Memory Neural Network,” IEEE Access, vol. 8, pp. 23120–23133, 2020, doi: 10.1109/ACCESS.2020.2966238.


12. Y. Li, J. M. Guerrero, J. Yang, Y. Guan, G. Ma and J. Feng, “Dynamic equivalent modeling for black-box microgrid under multi-operating-point by using LSTM,” CSEE Journal of Power and Energy Systems, 2022, doi: 10.17775/CSEEJPES.2021.01660.


13. J. V. Milanovic and S. Mat Zali, “Validation of equivalent dynamic model of active distribution network cell,” IEEE Transactions on Power Systems, vol. 28, no. 3, pp. 2101–2110, 2013, doi: 10.1109/TPWRS.2012.2227844.


14. S. Mat Zali and J. V. Milanovic, “Generic model of active distribution network for large power system stability studies,” IEEE Transactions on Power Systems, vol. 28, no. 3, pp. 3126–3133, 2013, doi: 10.1109/TPWRS.2012.2233223.


15. B. Zaker, G. B. Gharehpetian, and M. Karrari, “Small signal equivalent model of synchronous generator-based grid-connected microgrid using improved Heffron-Phillips model,” International Journal of Electrical Power & Energy Systems, vol. 108, pp. 263–270, Jun. 2019, doi: 10.1016/J.IJEPES.2019.01.016.


16. B. Zaker, G. B. Gharehpetian, and M. Karrari, “Equivalent model parameter estimation of grid-connected fuel cell-based microgrid,” International Transactions on Electrical Energy Systems, vol. 28, no. 6, p. e2540, Jun. 2018, doi: 10.1002/ETEP.2540.


17. W. Hu, Z. Wu, and V. Dinavahi, “Dynamic Analysis and Model Order Reduction of Virtual Synchronous Machine Based Microgrid,” IEEE Access, vol. 8, pp. 106585–106600, 2020, doi: 10.1109/ACCESS.2020.3001076.


18. P. S. Sensarma, K. R. Padiyar, and V. Ramanarayanan, “Analysis and performance evaluation of a distribution STATCOM for compensating voltage fluctuations,” IEEE Transactions on Power Delivery, vol. 16, no. 2, pp. 259–264, Apr. 2001, doi: 10.1109/61.915492.


19. B. Blažič and I. Papič, “A new mathematical model and control of D-StatCom for operation under unbalanced conditions,” Electric Power Systems Research, vol. 72, no. 3, pp. 279–287, Dec. 2004, doi: 10.1016/J.EPSR.2004.04.012.


20. M. Ojaghi, Z. Sudi, and M. Azari, “Local online adaptive technique for optimal coordination of overcurrent relays within high voltage substations,” International Transactions on Electrical Energy Systems, vol. 26, no. 8, pp. 1810–1828, Aug. 2016, doi: 10.1002/ETEP.2183.