ارائه استراتژی پویا برای تجدید ارایش شبکه توزیع با توجه به اهمیت قابلیت اطمینان و امنیت سیستم

محورهای موضوعی : انرژی های تجدیدپذیر

حسین لطفی ¹ , رضا قاضی ² , محمدباقر نقیبی سیستانی ³

1 - گروه مهندسی برق- واحد نیشابور- دانشگاه آزاد اسلامی- نیشابور- ایران
2 - گروه مهندسی برق- دانشگاه فردوسی مشهد-مشهد- ایران
3 - گروه مهندسی برق- دانشگاه فردوسی مشهد-مشهد- ایران

تاریخ دریافت : 1398/07/12 تاریخ پذیرش : 1398/09/10 تاریخ انتشار : 1398/11/01

کلید واژه: تجدید ارایش, منابع تولید پراکنده‌, سیستم های ذخیره انرژی, انرژی توزیع نشده,

چکیده مقاله :

تجدید ارایش فیدرهای شبکه توزیع یک مساله بهینه سازی در سیستم قدرت است که با تغییر وضعیت سوئیچینگ در شبکه توزیع برای براورده کردن توابع هدف خاصی انجام می‌شود. در این مطالعه، مساله تجدید ارایش پویا فیدرهای توزیع در حضور منابع تولید پراکنده و سیستم‌های ذخیره انرژی بهینه سازی شده است. با توجه به اینکه در مطالعات تجدید ارایش به قابلیت اطمینان و امنیت شبکه توجه کمتری شده است، به همین منظور سعی شده از تابع هدف انرژی توزیع نشده در کنار شاخص پایداری ولتاژ و تلفات انرژی در این مطالعه استفاده شود. به منظور بهینه سازی همزمان شاخص‌ قابلیت اطمینان و توابع هدف دیگر، طرح بهینه‌ای برای توپولوژی بهینه فیدرهای شبکه توزیع و همچنین شارژ و دشارژ سیستم‌های ذخیره انرژی ارائه شده است. با توجه به مساله پیچیده بهینه سازی در این مطالعه، الگوریتم بهبود یافته جهش قورباغه مبتنی بر یک استراتژی جدید جهش ارائه شده است. به منظور نشان دادن توانایی روش مورد نظر در ارائه طرح بهینه برای مساله بهینه سازی چند هدفه در این مطالعه، از یک شبکه 33 باسه استفاده شده است.

چکیده انگلیسی:

This paper presents, a novel evolutionary method for dynamic feeder reconfiguration at the presence of distributed generators (DGs), energy storage (ES) units and solar photovoltaic (PV) panels. Modern distribution networks, in addition to the importance of economic issues, must operate at an acceptable level of system reliability, Failure to pay attention to the reliability importance can lead to irreparable damages in the distribution network. Regarding the importance of the objective functions including voltage stability index (VSI), energy loss and energy not supplied (ENS) has led to the presentation of a stochastic multi-objective framework for dynamic feeder reconfiguration in the presence of distributed generators (DGs), energy storage (ES) units and solar photovoltaic (PV) panels considering uncertainty of PV units. A modified shuffled frog leaping algorithm is provided in this study to solve the proposed optimization problem. In order to show the efficiency and supremacy of the proposed method is applied on 33-node test system.

منابع و مأخذ:

[1] A. Azizivahed, H. Narimani, E. Naderi, M. Fathi, M. R. Narimani, "A hybrid evolutionary algorithm for secure multi-objective distribution feeder reconfig­ur­at­ion", Energy, Vol. 138, pp. 355-373, Nov. 2017 (doi: 10.1016/j.energy.2017.07.102).

[2] D.S. Rani, N. Subrahmanyam, M. Sydulu, “Multi-objective invasive weed optimization–an application to optimal network reconfiguration in radial distrib­ution systems”, International Journal of Electrical Power and Energy Systems, Vol. 37, pp. 932-942, Dec. 2015 (doi:10.1016/j.ijepes.2015.06.020).

[3] T. Niknam, "An efficient hybrid evolutionary algorithm based on PSO and ACO for distribution feeder reconfiguration", European Transactions on Electrical Power, Vol. 20, No. 5, pp. 575-590, July 2010 (doi:10.1002/etep.339).

[4] F. Alonso, D. Q. Oliveira, A. Z. Souza, "Artificial immune systems optimization approach for multio­bjective distribution system reconfiguration", IEEE Trans. on Power Systems, Vol. 30, No. 2, pp. 840-847, March 2015 (doi: 10.1109/TPWRS.2014.2330628).

[5] V. Roberge, M. Tarbouchi, F. Okou, "New encoding based on the minimum spanning tree for distribution feeder reconfiguration using a genetic algorithm", Proceeding of the IEEE/ICEIT,  Tangiers, Morocco May 2016 (doi: 10.1109/EITech.2016.7519574).

[6] A. Roosta, H.-R. Eskandari, M.-H. Khooban, "Optimization of radial unbalanced distribution networks in the presence of distribution generation units by network reconfiguration using harmony search algorithm", Neural Computing and Applications, Vol. 31, No. 11, pp. 7095-7109, 2019 (doi: 10.1007/s00521-018-3507-0).

[7] A. Parizad, H. R. Baghaee, A. Yazdani, G. B. Ghare­h­pe­tian, "Optimal distribution systems reconf­ig­­ura­ti­on for short circuit level reduction using PSO al­go­ri­t­h­m", Proceeding of the IEEE/PECI,  Feb. 2018, Ch­a­mpaign, IL, USA (doi:10.1109/PECI.2018.8334976).

[8] A. S. Reddy, M. D. Reddy, Y. K. Reddy, "Feeder reconfiguration of distribution systems for loss reduction and emissions reduction using MVO algo­rit­hm", Majlesi Journal of Electrical Engineering, Vol. 12, No. 2, pp. 1-8, 2018.

[9] A. Landeros, S. Koziel, M. F. Abdel-Fattah, "Distribution network reconfiguration using feasibili­ty-pr­eserving evolutionary optimization", Journal of Modern Power Systems and Clean Energy, Vol. 7, No. 3, pp. 589-598, 2019 (doi:10.1007/s40565-018-0480-7).

[10]           R. Pegado, Z. Ñaupari, Y. Molina, C. Castillo, "Radial distribution network reconfiguration for power losses reduction based on improved selective BPSO", Electric Power Systems Research,Vol. 169, pp. 206-213, April 2019 (doi:10.1016/j.epsr.2018.12.030).

[11]           A. Azizivahed, E. Naderi, H. Narimani, M. Fathi, M. R. Narimani, "A new bi-objective approach to energy ma­na­gement in distribution networks with energy storage systems”. IEEE Transactions on Sustainable Energy, Vol. 9, No. 1, pp. 65-64, Jan. 2018  (doi:10.1109/TSTE.2017.2714644).

[12]           A. Azizivahed, H. Narimani, M. Fathi, E. Naderi, H. R. Safarpour M. R. Narimani, "Multi-objective dynamic distribution feeder reconfiguration in autom­ated distribution systems", Energy, Vol. 147, pp. 896-914, March 2018 (doi:10.1016/j.energy.2018.01.111).

[13]           E. Mahboubi-Moghaddam, M. R. Narimani, M. H. Khooban, A. Azizivahed, M. J. sharifi, "Multi-obje­ct­ive distribution feeder reconfiguration to impro­ve tran­sient stability, and minimize power loss and op­er­ation cost using an enhanced evolutionary algorithm at the presence of distributed generations", Internat­io­n­­al Journal of Electrical Power and Energy Syste­ms, Vol. pp. 35-43, March 2016 (doi: /10.1016/j.ijepes. 2015.09.007).

[14]           H. Lotfi, R. Ghazi, M. B. Naghibi-Sistani, "Multi-objective dynamic distribution feeder reconfiguration along with capacitor allocation using a new hybrid evolutionary algorithm", Energy Systems, pp. 1-31, 2019 (doi: 10.1007/s12667-019-00333-3).

[15]           A. Ameli, A. Ahmadifar, M. H. Shariatkhah, M. Vakilian, M. R. Haghifam, "A dynamic method for feeder reconfiguration and capacitor switching in smart distribution systems”, International Journal of Electrical Power & Energy Systems, Vol. 85, pp. 200-211, Feb. 2017 (doi: 10.1016/j.ijepes.2016.09.008).

[16]           A. Azizivahed, A., et al. "Dynamic feeder reconfi­gura­tion in automated distribution network integrated with renewable energy sources with respect to the economic aspect", Proceeding of the IEEE/ISGT, Chengdu, China, China , May 2019 (doi: 10.1109/ ISGT-Asia.2019.8881503)

[17]           M. Eusuff, K. Lansey, F. Pasha, "Shuffled frog-leaping algorithm: A memetic meta-heuristic for discrete optimizatio", Engineering Optimization, Vol. 38, No. 2, pp. 129-154, Jan. 2007 (doi:10.1080/03052150500384759).

[18]           M. Chakravorty, D. Das, "Voltage stability analysis of radial distribution networks", International Journal of Electrical Power and Energy Systems, Vol. 23, No. 2, pp. 29-135, Feb. 2001 (doi:10.1016/S0142-0615(00)00040-5).

[19]           T. Niknam, A. Kavousifard, J. Aghaei, "Scenario-based multiobjective distribution feeder reconfi­gur­ati­o­n considering wind power using adaptive modified particle swarm optimisation", IET Renewable Power Generation, Vol. 6, No. 4, pp. 236-247, July 2012 (doi:10.1049/iet-rpg.2011.0256).

[20]           M. E. Baran, F. F. Wu, "Network reconfiguration in distribution systems for loss reduction and load balancing", IEEE Trans. on Power delivery, Vol. 4, No. 2, pp. 1401-1407, April 1989 (doi:10.1109/61. 25627).

[21] J. Kennedy, R. Eberhart, "Particle swarm optimiza­t­i­o­n­", Proceeding of the IEEE/ICNN, Perth, WA, Aust­r­a­lia, Australia, Dec. 1995 (doi:10.1109/ICNN.1995. 488968).