بهبود شاخص SAIDI سیستم با استفاده از مکان یابی بهینه منابع انرژی تجدید پذیر به کمک الگوریتم ژنتیک

چکیده

از آنجا که خطای یک جزء می تواند منجر به خطای کل سیستم گردد می توان این نتیجه اساسی را گرفت که قابلیت اطمینان یک سیستم از قابلیت اطمینان اجزا تشکیل شده است. امروزه به علت افزایش پیچیدگی سیستم ها، قابلیت اطمینان بالایی مورد نیاز می‌باشد لذا تئوری قابلیت اطمینان به منظور متناسب بودن با این کاربردهای ویژه، توسعه یافته است. بنابراین افزایش قابلیت اطمینان سیستم  برق رسانی تجهیزات الکترونیکی اهمیت ویژه ای دارد. در داخل شناورها نیز محاسبات دقیق قابلیت اطمینان شبکه توزیع برق از اهمیت حیاتی برخوردار است چرا که کوچکترین نقص فنی در آنها خسارت جبران ناپذیری را بوجود می آورد. در این مقاله یک روش جدید جهت بالا بردن قابلیت اطمینان شبکه با حضور واحدهای تولید پراکنده ارائه گردیده است. این بهبود ها با مکان یابی بهینه واحدهای تولید پراکنده با استفاده از الگوریتم ژنتیک امکان‌پذیر است. مکان یابی بهینه واحد های تولید پراکنده با هدف کمینه کردن شاخص متوسط مدت زمان قطع سیستم پیشنهاد شده است. ارزیابی پروفیل ولتاژ با استفاده از روش پخش بار و ارزیابی شاخص قابلیت اطمینان به وسیله روش مبتنی بر تقسیم شبکه به بخش های مختلف توسط کلید های قدرت و مدار شکن ها انجام شده است. ایده پیشنهاد شده با استفاده از نرم‌افزارMATLAB  بر روی باس 2 شبکه استانداردRBTS شبیه سازی شده است . خروجی‌های حاصل از این برنامه بهبود شاخص قابلیت اطمینان، کاهش تلفات، پروفیل ولتاژ شین‌ها،  با استفاده از این روش را تایید می‌کند.

کلیدواژه‌ها


عنوان مقاله [English]

Improving SAIDI System Using Optimal Resources Renewable Energy with Genetic Algorithm

چکیده [English]

As a component of error can lead to total system error, therefore we can concluded that the reliability of the system depended the reliability of total system. Today, due the increased complexity of systems required high reliability theory, reliability is therefore to be commensurate with the special applications developed. Therefore, increased reliability of electronic equipment electrification has a special significance. Precise calculations of electricity distribution network reliability in the smallest vessels that encountered in the irreparable damage they can impose is critical. In this paper a new method of optimal allocation DG in distribution system is presented. Optimal DG allocation for reliability and voltage profile improvement and less reduction in distribution network was used Genetic Algorithm. The proposed method is simulated with MATLAB on bus 2 RBTS. The simulation results confirm improvement reliability and voltage profile and less reduction network after applying proposed method on electrical systems.

کلیدواژه‌ها [English]

  • genetic algorithm
  • Network Losses
  • Distributed Generation
  • Voltage Profile
  • Reliability
[1]         Carmen L.T. Borges, Djalma M. Falcao,     “Optimal distributed generation allocation for reliability, losses, and voltage improvemen”t, Electrical Power and Energy Systems, Vol. 28, No. 6, 2006, pp. 413-420.

[2]         G. Celli, F. Pilo, “Optimal distribution generation allocation in MV distribution network”s, Proc. of the 22nd IEEE International Conference on Power Industry Computer Applications, Power Engineering Society, 2001, pp. 81-86.

[3]         N. Mithulananthan, T. Oo, L.V. Phu,” Distributed generation placement in power distribution system using genetic algorithm to reduce loss”, Thammasa International Journal of Science and Technology, Vol. 9, No. 3, 2004, pp. 55-62.

[4]         Naresh Acharya, Pukar Mahat,N. Mithulanathan, “An analytical approach for DG allocation in primary distribution network” International Journal of Electrical Power & Energy System, to be published.

[5]         T. Griffin, K. Tomsovic, D. Secrest, and A. Law, “Placement of dispersed generation systems for reduced losses,” in Proc. 33rd Annu. HawaiiInt. Conf. Systems Sciences,Maui,HI, 2000.

[6]         C. Wang, and M. H. Nehrir, “Analytical approaches for optimal placement of distributed generation sources in power systems,” IEEE  Transactions on Power Systems, vol. 19, no. 4, pp. 2068–2076, Nov. 2004.

[7]         A. Keane and M. O’Malley, “Optimal Allocation of Embedded Generation on Distribution Networks,” IEEE Transactions on Power Systems, vol. 20, no. 3, pp. 1640–1646, 2005.

[8]         D. H. Popovic, J. A. Greatbanks, M. Begovic, and A. Pregelj, “Placement of distributed generators and reclosers for distribution network security and reliability,” International Journal of Power and Energy Systems, vol. 27, no. 5-6, pp. 398–408, June-July 2005.

[9]         G. Harrison and A. Wallace, “Optimal power flow evaluation of distribution network capacity for the connection of distributed generation,” Proc. Inst. Elect. Eng. Generation, Transmission and Distribution, vol. 152, no. 1, p.115–122, Jan. 2005.

[10]     Naser Zamanan, Jan K. Sykulski and Al-Othman "Real coded genetic algorithm compared to the classical method of fast fourier transform in harmonics analysis", 41st International Universities Power Engineering Conference (UPEC'06), 6 - 8 September 2006,Newcastle upon Tyne,UK

[11]     D. Zhu,"Power System Reliability Analysis with Distributed Generators", Dept. of Electrical & ComputerEng.May 2003.Virginia Polytechnic Inst.Stat Univ.

[12]     R.N.Allan,  R.Billinton,   I.Sjarief, L.Goel, K.S.so,”A reliability test system for education purposes, basic distribution system data and result,” IEEE Trans. On Power Syst, vol, No, pp, May 1991.