پایان نامه برنامه ریزی توان راکتیو شبکه با در نظر گرفتن عدم قطعیت باربا استفاده از یک روش تکاملی

  • Code: # 31367

  • تعداد صفحات: 102
  • فرمت فایل: word
  • سال: 1393
  • مقطع: کارشناسی ارشد
  • دسته بندی: مهندسی الکترونیک
قیمت: ۳۶,۰۰۰ تومان
۶۶,۰۰۰ تومان
دانلود فایل
  • خلاصه
  • فهرست و منابع
  • خلاصه پایان نامه برنامه ریزی توان راکتیو شبکه با در نظر گرفتن عدم قطعیت باربا استفاده از یک روش تکاملی

    پایان نامه کارشناسی ارشد ناپیوسته رشته برق قدرت

    چکیده:

    در شبکه­های الکتریکی، هزینه­های ناشی از تلفات سیستم و عیوب ناشی از انحراف ولتاژ از حدود مجاز از بزرگترین معضلاتی هستند که گریبان­گیر تولید، انتقال و توزیع نیرو می­باشد. از این رو کاهش هزینه­های برنامه­ریزی و بهره­برداری سیستم­های قدرت، و در عین حال، رعایت حدود و قیود آن از اهداف اصلی طراحان سیستم­های قدرت بوده است. استفاده از خازن های موازی و تغییر نسبت Tap Changerها از اقتصادی ترین روش­ها جهت تامین بار راکتیو و تنظیم حدود ولتاژ محسوب می شوند. خازن ها با کاستن تقاضای بار راکتیو ژنراتورها می­توانند سایز و اندازه آنها را کوچک کنند. همچنین خازن ها می توانند جریان خطوط از محل خازن تا نیروگاه را کمتر کرده و در نتیجه تلفات و بارگذاری روی خطوط، ترانسفورماتورها و خطوط انتقال را کاهش دهند. بکارگیری خازن به صورت همزمان با تغییر نسبت Tap Changer علاوه بر موارد مذکور باعث به تاخیر انداختن یا حذف سرمایه جهت توسعه شبکه قدرت می شوند. در این پایان‌نامه به بررسی چگونگی برنامه­ریزی خازن­گذاری با در نظر گرفتن عدم قطعیت­های تاثیرگذار در سطح شبکه انتقال پرداخته می­شود. در این راستا، مالک شبکه انتقال به عنوان بازیگر مالک­­­-بهره­بردار در نظر گرفته شده است که به دنبال کمینه­سازی هزینه‌های خود می­باشد. در راستای کمینه­سازی هزینه­ها، مالک‌بهره­بردار با دو دسته متغیر تصمیم­گیری روبروست. دسته اول متغیرهای تصمیم­گیری مربوط به خازن‌گذاری در سطح شبکه انتقال می­باشد که در ابتدای دوره برنامه­ریزی اثرگذار می­باشند. دسته دیگر متغیرهای کنترلی در اختیار بهره­بردار شامل تنظیم تپ ترانس، دیسپچ نمودن توان اکتیو و راکتیو ژنراتورها که در طول دوره بهره­برداری مورد نظر قرار خواهند گرفت. این دو دسته متغیر به عنوان متغیرهای در اختیار مالک-بهره­بردار لحاظ شده‌اند. به عبارت دیگر مالک-بهره­بردار شبکه با تصمیم­سازی در ارتباط با این متغیرها به دنبال کمینه­سازی هزینه­های سرمایه­گذاری و بهره­برداری خود می­باشد. از سوی دیگر پارامترهایی در شکل‌دهی تعریف مسئله برنامه­ریزی مالک­-بهره­بردار نقش اساسی ایفا می­کنند. این پارامترها شامل قیمت، میزان بار مصرفی، قیمت توان اکتیو و راکتیو و هزینه خازن­گذاری می­باشد که با عدم قطعیت همراه بوده و تاثیر آن­ها به کمک مدلسازی ریسک در برنامه­ریزی تصادفی و درخت سناریو بر روی تصمیمات مالک‌بهره‌بردار قابل ارزیابی خواهند بود. در این پایان­نامه با شبیه­سازی برنامه­ریزی تصادفی طراحی شده بر روی شبکه­های 30، 57 و 118 باسه IEEE به ارزیابی صحت مدل برنامه­ریز شده پرداخته شده است.

    واژه­های کلیدی: برنامه­ریزی خازن­گذاری، عدم قطعیت، برنامه­ریزی تصادفی

    مقدمه

    اهمیت انرژی الکتریکی امروزه بر کسی پوشیده نیست. به دلیل سادگی تبدیل به سایر انواع انرژی، سهولت انتقال، کنترل آسان و ملاحظات زیست محیطی انرژی الکتریکی بیش از سایر انواع انرژی کاربرد پیدا کرده است. تامین انرژی الکتریکی مورد نیاز مشتریان با کمترین قیمت و بهترین کیفیت ممکن هدف اصلی یک سیستم قدرت می باشد. در شبکه­های الکتریکی، تلفات یکی از بزرگترین معضلات است که گریبان­گیر تولید،انتقال و توزیع نیرو می­باشد. از این رو کاهش تلفات و بهبود پروفیل ولتاژ از اهداف اصلی طراحان سیستم­های قدرت بوده است و یکی از راهکارهای پیشنهادی جهت نیل به این اهداف،استفاده از خازنهای موازی و تغییر نسبت Tap Changerها در شبکه  است ]1[.

    توان حقیقی در نیروگاه­ها تولید می­شود در حالی که توان راکتیو در نیروگاه (کندانسورهای سنکرون) و یا توسط نصب خازن ها و  تغییر نسبت Tap Changerها تامین می شود. استفاده از خازن های موازی و تغییر نسبت Tap Changerها از اقتصادی ترین روش­ها جهت تامین بار راکتیو محسوب می شوند. خازن ها با کاستن تقاضای بار راکتیو ژنراتورها می توانند سایز و اندازه آنها را کوچک کنند. همچنین خازن ها می توانند جریان خطوط از محل خازن تا نیروگاه را کمتر کرده و در نتیجه تلفات و بارگذاری روی خطوط، ترانسفورماتورها و خطوط انتقال را کاهش دهند. بکارگیری خازن به صورت همزمان با تغییر نسبت Tap Changer علاوه بر موارد مذکور باعث به تاخیر انداختن یا حذف سرمایه جهت توسعه شبکه قدرت می شوند. در این پایان نامه با استفاده از خازن­گذاری در نقش ادمیتانس های موازی و تغییر نسبت TapChanger اهداف فوق میسر می گردد]2-4[ .

     

     

     

    1-2- طرح موضوع

    در صنعت برق طراحی و بهره برداری بهینه و مؤثر اقتصادی همواره مورد توجه بوده است از این رو کاهش هزینه های سالانه در شبکه امری ضروری می باشد. لذا جهت کنترل ولتاژ باس­ها در محدوده حداقل و حداکثر مقدار مجاز، در شرایط تغذیه بارهای مختلف از خازن های موازی و با تغییر نسبت Tap استفاده می­شود ]5[.

    به رغم مطالعات گسترده جایابای خازن در شبکه­های قدرت، فقدان بررسی عمیق در ارتباط با دو مسئله اساسی به چشم می­خورد. اول آنکه بررسی همزمان سایر متغیرهای در اختیار بهره­بردار همچون تنظیم تپ ترانس و خازن­گذاری در سیستم­های قدرت و ارتباط این فعالیت­ها با سایر پارامترهای در اختیار بهره‌بردار سیستم در خور توجه بیشتری می­باشد. دوم آنکه بررسی اقتصادی و تحلیل­های مبتنی بر آن به عنوان حلقه پیوند دهنده تصمیمات فنی با اقتصادی توجه بیشتری را می­طلبد. علاوه بر این لحاظ نمودن عدم قطعیت در پارامترها تاثیر گذار بر خارن­گذاری نیز عاملی است که لحاظ نمون آن طیف گسترده­تر و کاملتری از انتخاب­ها را پیش روی تصمیم­سازان شبکه می­نهد. بدین منظور سوال اساسی این تحقیق چگونگی برنامه­ریزی توان راکتیو با در نظر گرفتن سایر متغیرها و پارامترهای در اختیار تصمیم­ساز شبکه می­باشد. در این راستا لحاظ نمودن اثر عدم قطعیت بار با رعایت قیود محدوده توان راکتیو ژنراتورها، محدوده ولتاژ باس ها، محدوده تغییرات Tap و محدوده تغییرات اندازه ادمیتانس شنت مورد تحلیل و بررسی قرار گرفته است.

    با لحاظ نمودن عدم قطعیت در پارامترهای تاثیرگذار بر فعالیت­های تصمیم­سازی شبکه، ساختار برنامه­ریزی توان راکتیو شمایلی تصادفی به خودگرفته و بررسی­های مبتنی بر فاکتورهای اقتصادی ریسک و سناریو سازی را می­طلبد. در اینجا لازم به ذکر است که برای در اختیار داشتن تحلیلی مناسب، ساختار برنامه­ریزی نیازمند راهکار حل مسئله مناسب می­باشد. بنابراین کاهش ابعاد مسئله و در عین حال داشتن پاسخ­های دقیق با استفاده از تکنیک­های رایج در ادبیات موضوع کاهش ابعاد مسئله همچون تکنیک­های کاهش سناریو در طرح موضوع این تحقیق لحاظ شده­اند. در ادبیات موضوع، استفاده از روش­های      بهینه­سازی هوشمند برای حل مسائلی با چنین ابعادی پیشنهاد شده است. بدین منظور در این تحقیق از الگوریتم ازدحام ذرات به منظور حل مسئله و در اختیار داشتن پاسخ بهینه فعالیت­های تصمیم­سازی شبکه استفاده شده است.

    1-3 ساختار گزارش

    در فصل دوم کلیاتی در رابطه با تجهیزات قدرت راکتیو و پیشینه تحقیق پیش رو پرداخته شده است. فصل سوم الگوریتم تجمع ذرات باینری به عنوان یک روش هوشمند ابتکاری در حل مسائل بهینه سازی معرفی شده است. در فصل چهارم به موضوع کاهش سناریو و مدلسازی برنامه­ریزی توان راکتیو پرداخته شده است. در ادامه این فصل نتایج شبیه سازی به همراه تحلیل­های اقتصادی و فنی تصمیم­ساز شبکه ارائه شده است. در فصل پنجم نتیجه گیری و پیشنهاد ادامه کار ارائه شده است.

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

    فصل دوم توان راکتیو، ادوات تامین­کننده و برنامه­ریزی آن

     

    2-1  کلیاتی در تعریف توان راکتیو

    بار مصرفی با قدرت حقیقی (اکتیو) که به صورت کیلو وات یا مگاوات بیان می شود از نیروگاه ها تأمین می گردد . تمام اقداماتی که در یک سیستم قدرت انجام می گیرد به خاطر تأمین بار مصرفی می باشد. همچنین در یک سیستم جریان متناوب  (AC) قدرت مجازی (راکتیو) که به صورت کیلوار یا مگاوار بیان می شود قسمت مهمی را تشکیل  می دهد. اصطلاحاً جمع برداری قدرت حقیقی و قدرت مجازی را قدرت ظاهری می نامند. تقاضا برای قدرت راکتیو را مدارهای الکترومغناطیسی موتورها و ترانسفورماتورها و خطوط و کوره های الکتریکی و مصارف صنعتی دیگر افزایش می دهند. در حالتی که نسبت قدرت حقیقی که از طریق خطوط انتقال پیدا می کند . به قدرت ظاهری کوچک باشد اصطلاحاً گفته می شود که ضریب قدرت سیستم پائین است. ضریب قدرت یعنی نسبت قدرت حقیقی به قدرت ظاهری برای یک مقدار مشخص قدرت حقیقی در صورتی که ضریب قدرت پایین باشد در خطوط انتقال و ترانسفورماتور و ژنراتور به علت بالا بودن قدرت ظاهری جریان افزایش می یابد که نتیجه آن افزایش تلفات در سیستم بوده که متناسب با مجذور جریان می باشد. این مسئله همچنین باعث افت ولتاژ در شبکه و درنتیجه برای مصرف کننده می گردد ]6-9[.

     

    2-2  وسایل تولید قدرت راکتیو ]10-19[

    اغلب تجهیزات و وسایلی که به شبکه انرژی الکتریکی وصل می باشند نه تنها به قدرت اکتیو بلکه به میزان معینی ازقدرت راکتیو نیازمندند. میدان مغناطیسی در موتورها و ترانسفورماتورها بوسیله جریان راکتیو ایجاد می شود .اندوکتانس سری خطوط انتقال به قدرت راکتیو نیاز دارد. راکتورها، لامپهای فلورسنت و همه مدارهای سلفی برای کار کردن نیاز به قدرت راکتیو دارند.

     

     

     

     

     

     

    2-2-1  ژنراتورهای سنکرون

    ژنراتورهای سنکرون قدرت راکتیو با هزینه کم تولید می نمایند. اما باید توجه داشت که در این حالت بخشی ازتوانایی ژنراتور برای تولید قدرت اکتیو صرف تولید قدرت راکتیو می شود.با توجه به مسایل شبکه انتقال معمولاً بهتر است که در این حالت از ژنراتورهای سنکرون در نقاط معینی از شبکه صرفاً جهت تولید قدرت اکتیو استفاده شود.

    2-2-2  کندانسورهای سنکرون

    کندانسورهای سنکرون در مجاورت بعضی از منابع تولید power supply در شبکه قرار داده می شود این ماشین ها توانایی کار در محدوده وسیعی از تولید تا مصرف قدرت راکتیو را داراست به دلیل سرمایه گذاری اولیه زیاد و تلفات قابل ملاحظه از کندانسورهای سنکرون فقط در مواردی که نیاز به تنظیم و تثبیت ولتاژ باشد استفاده می شود.

    2-2-3  موتورهای سنکرون

    موتورهای سنکرون اگر به وضعیت فوق تحریک over excited برود قدرت راکتیو تولید می کند اما به دلیل گرانی موتورهای سنکرون در مقایسه با موتورهای معمولی آسنکرون این گونه موتورها به عنوان مولد قدرت ر اکتیو به ندرت مورد استفاده قرار می گیرد.

    2-2-4  خازن

    خازنها به دو دسته تقسیم می شوند:

    الف) خازنهای موازی:

    خازنهای موازی به طور معمول در تمام ولتاژها و تمام اندازه ها استفاده می شود. به طور اصولی اثر خازنهای موازی را می توان به صورت زیر جمع بندی کرد.

    1-  کاهش جریان خط

    2-  افزایش ولتاژ مصرف کننده

    3-  کاهش تلفات سیستم

    4-  افزایش ضریب قدرت

    5-  کاهش جریان در ژنراتورها یا ترانسفورماتورها

    6-  کاهش در مقدار سرمایه گذاری برای مصرف یک کیلووات قدرت حقیقی

    تمام موارد سود دهی به این علت اساسی است که خازن ،جریان راکتیو را که در تمام سیستم، از منبع تولید(ژنراتور) تا نقطه مصرف (محل نصب خازن) جاری است کاهش می دهد.

    خازن موازی یک مقدار ثابت جریان (خازنی) تصحیح کننده که در محل مصرف تولید می کند که قسمتی و یا تمام مؤلفه راکتیو جریان بار مصرف کننده را جبران می کند.این مقدار ممکن است براساس افزایش ضریب قدرت انتخاب گردد. کاهش جریان و افزایش ضریب قدرت افت ولتاژ را در قسمت های مختلف سیستم کاهش می دهد.

     

    ب) خازنهای سری:

    خازن های سری از طرف دیگر تولید کننده ثابت مقدار جریان نمی باشند بلکه این مقدار جریان سیستم است که همیشه از آنها عبور می کند. مقدار راکتانس خازن قسمتی از اندوکتانس خط را جبران کرده و درنتیجه مقدار مؤثر اندوکتانس کاهش می یابد و تنظیم ولتاژ به طور اتوماتیک با کاهش و یا افزایش بار صورت می گیرد افزایش قدرت انتقالی فقط نتیجه این موضوع می باشند.

    در حالتی که در سیستم، اتصال کوتاهی پیش آید دو سر خازن سری ممکن است به مقدار 15 برابر و یا بیشتر ولتاژ نامی آن افزایش یابد به این دلیل خازن های سری باید در مقابل اتصال کوتاه سیستم محافظت شوند و احتیاج به تجهیزات کامل حفاظتی دارند. موارد استفاده خازنهای سری در ولتاژهای زیاد و در اندازه های بزرگ می باشد که در ادامه توضیح داده  خواهد شد.

     

    ج) بانکهای خازنی:

  • فهرست و منابع پایان نامه برنامه ریزی توان راکتیو شبکه با در نظر گرفتن عدم قطعیت باربا استفاده از یک روش تکاملی

    فهرست:

    فهرست مطالب

    چکیده:........................................................................................................................................................................................... 1

    فصل اول................................................................................................................................................................................... 2

    1-1  مقدمه.................................................................................................................................................................................. 2

    1-2  طرح موضوع....................................................................................................................................................................... 3

    1-3  ساختار گزارش.................................................................................................................................................................... 3

    فصل دوم توان راکتیو، ادوات تامین کننده و برنامه ریزی آن............................................................................. 5

    2-1  کلیاتی در تعریف توان راکتیو................................................................................................................................................ 5

    2-2  وسایل تولید قدرت راکتیو.................................................................................................................................................... 5

    2-2-1  ژنراتورهای سنکرون....................................................................................................................................................... 6

    2-2-2  کندانسورهای سنکرون.................................................................................................................................................... 6

    2-2-3  موتورهای سنکرون......................................................................................................................................................... 6

    2-2-4  خازن.............................................................................................................................................................................. 6

    2-2-5  محل نصب خازن......................................................................................................................................................... 10

    2-2-6 خازن گذاری در جهت کاهش تلفات............................................................................................................................ 11

    2-3  علل تشدید نیاز به خازن گذاری در شبکه های ایران......................................................................................................... 12

    2-4 پیشینه موضوع برنامه ریزی توان راکتیو............................................................................................................................... 13

    2-5 روش‌های مورد استفاده برای حل مساله برنامه‌ریزی توان راکتیو........................................................................................... 19

    2-5-1 روش‌های تحلیلی (AM).............................................................................................................................................. 20

    2-5-2  روش‌های برنامه‌ریزی عددی (NP)............................................................................................................................. 20

    2-5-3 روش های اکتشافی (HM)........................................................................................................................................... 20

    2-5-4  روش‌های هوش مصنوعی (AI)................................................................................................................................... 21

    2-5-5 روش‌های ترکیبی (AI).................................................................................................................................................. 22

    2-6  شرح مختصری بر برخی از الگوریتم‌های مبتنی بر هوش مصنوعی (AI).............................................................................. 24

    2-6-1  الگوریتم (PSO).......................................................................................................................................................... 24

    2-6-2 الگوریتم (GA)............................................................................................................................................................. 26

    2-6-2-1 کدگذاری................................................................................................................................................................. 26

    2-6-2-2 ارزیابی..................................................................................................................................................................... 26

    2-6-2-3 ترکیب...................................................................................................................................................................... 27

    2-6-2-4 جهش....................................................................................................................................................................... 28

    2-6-2-5 رمزگشایی................................................................................................................................................................ 28

    2-7  الگوریتم بهینه‌سازی مبتنی بر آموزش-یادگیری (TLBO).................................................................................................... 29

    2-7-1 مرحله مدرس................................................................................................................................................................ 29

    2-7-2  فاز یادگیرنده................................................................................................................................................................ 30

    2-8  طبقه بندى کارهای ارائه شده............................................................................................................................................. 30

    فصل سوم الگوریتم PSO............................................................................................................................................... 33

    3-1  مروری بر الگوریتم  PSO................................................................................................................................................. 33

    3-2  انواع توپولوژی ذرات....................................................................................................................................................... 34

    3-2-1  توپولوژی ستاره .......................................................................................................................................................... 34

    3-2-2  توپولوژی حلقه........................................................................................................................................................... 34

    3-2-3  توپولوژی چرخی......................................................................................................................................................... 35

    3-3  روند الگوریتم PSO.......................................................................................................................................................... 35

    3-4  مراحل اجرای الگوریتم PSO............................................................................................................................................. 37

    3-5 بررسی تاثیرات پارامترهای PSO......................................................................................................................................... 38

    3-5-1 ثابت های شتاب............................................................................................................................................................ 38

    3-5-2 تعداد ذرات .................................................................................................................................................................. 38

    3-5-3 حداکثر سرعت............................................................................................................................................................... 39

    3-5-4 وزن اینرسی................................................................................................................................................................... 39

    فصل چهارم.......................................................................................................................................................................... 41

    4-1 مقدمه................................................................................................................................................................................. 41

    4-2 چارچوب عملکرد مالک بهردار در مسئله برنامه ریزی خازن گذاری.................................................................................... 41

    4-3 کاهش سناریو..................................................................................................................................................................... 46

    4-4 الگوریتم پسروی کاهش سناریو........................................................................................................................................... 48

    4-5- فرمول بندی ریاضی مسئله برنامه ریزی تصادفی خازن گذاری.......................................................................................... 49

    4-6مطالعات تحلیلی................................................................................................................................................................. 58

    فصل پنجم:............................................................................................................................................................................ 85

    5-1 نتیجه گیری........................................................................................................................................................................ 85

    5-2 پیشنهادات........................................................................................................................................................................... 87

    منابع انگلیسی.............................................................................................................................................................................. 88

    چکیده انگلیسی............................................................................................................................................................................ 94

     

    فهرست جداول

    جدول (2-1) طبقه بندى مقالات................................................................................................................................................... 7

     

    فهرست اشکال

    شکل(2-1)  نمایش های برداری برای یک مدار با ضریب قدرت تأخیری..................................................................................... 9

    شکل (2-2) نمایی کلی از روش‌های مورد استفاده برای حل مساله برنامه‌ریزی توان راکتیو......................................................... 23

    شکل (2-3) مسیر حرکت یک ذره در دو تکرار متوالی................................................................................................................ 25

    شکل (2-4) فلوچارت الگوریتم ژنتیک...................................................................................................................................... 27

    شکل(4-1) مالک-بهره­بردار و متغیرهای تصمیم­گیری پیش رو .................................................................................................... 42

    شکل(4-2) ساختار مسئله برنامه­ریزی خازن­گذاری.................................................................................................................... 43

    شکل (4-3) ساختار مسئله برنامه ریزی تصادفی......................................................................................................................... 44

    شکل(4- 4) درخت سناریوی برنامه­ریزی تصادفی..................................................................................................................... 45

    شکل(4-5) هزینه خازن سه پله ای............................................................................................................................................ 50

    شکل(4-6) شماتیک مدل تپ ترانس.......................................................................................................................................... 52

    شکل (4-7) شبکه استاندارد 30 باسه......................................................................................................................................... 58

    شکل (4-8) شبکه استاندارد 57 باسه......................................................................................................................................... 59

    شکل (4-9  )  شبکه استاندارد 118 باسه.................................................................................................................................. 60

    شکل (4-10) هزینه انتظاری بر حسب تعداد سناریو در شبکه 30 باسه....................................................................................... 61

    شکل (4-11) هزینه انتظاری بر حسب تعداد سناریو در شبکه 57 باسه....................................................................................... 61

    شکل (4-12) هزینه انتظاری بر حسب تعداد سناریو در شبکه 118 باسه.................................................................................... 62

    شکل (4-13) درخت سناریو بار مصرفی اکتیو 30 باسه............................................................................................................. 63

    شکل(4-14) درخت سناریو کاهش داده شده بار مصرفی اکتیو 30 باسه..................................................................................... 63

    شکل (4-15) درخت سناریو بار مصرفی اکتیو 57 باسه............................................................................................................. 64

    شکل (4-16) درخت سناریو کاهش داده شده بار مصرفی اکتیو 57 باسه.................................................................................... 64

    شکل (4-17) درخت سناریو بار مصرفی اکتیو 118 باسه.......................................................................................................... 65

    شکل (4-18) درخت سناریو کاهش داده شده بار مصرفی اکتیو 118 باسه................................................................................. 65

    شکل (4-19) درخت سناریو بار مصرفی راکتیو 30 باسه........................................................................................................... 66

    شکل (4-20) درخت سناریو کاهش داده شده بار مصرفی راکتیو 30 باسه.................................................................................. 66

    شکل (4-21) درخت سناریو بار مصرفی راکتیو 57 باسه........................................................................................................... 67

    شکل (4-22) درخت سناریو کاهش داده شده بار مصرفی راکتیو 57 باسه ................................................................................. 67

    شکل (4-23) درخت سناریو بار مصرفی راکتیو 118 باسه........................................................................................................ 68

    شکل (4-24) درخت سناریو کاهش داده شده بار مصرفی راکتیو 118 باسه............................................................................... 68

    شکل (4-25) درخت سناریو قیمت توان اکتیو............................................................................................................................ 69

     شکل (4-26) درخت سناریو کاهش داده شده قیمت توان اکتیو  ............................................................................................... 69

    شکل (4-27) درخت سناریو قیمت توان راکتیو ........................................................................................................................ 70

    شکل (4-28) درخت سناریو کاهش داده شده قیمت توان راکتیو ............................................................................................... 70

    شکل (4-29)هزینه انتظاری بر حسب معیار ریسک 30 باسه...................................................................................................... 72

    شکل )4-30)هزینه انتظاری بر حسب معیار ریسک 57 باسه...................................................................................................... 74

    شکل (4-31)هزینه انتظاری بر حسب معیار ریسک 118 باسه................................................................................................... 74

    شکل (4-32) ظرفیت خازن  بر حسب معیار ریسک در شبکه 30 باسه...................................................................................... 75

    شکل (4-33) ظرفیت خازن  بر حسب معیار ریسک در شبکه 57 باسه...................................................................................... 76

    شکل (4-34) ظرفیت خازن  بر حسب معیار ریسک در شبکه 118 باسه................................................................................... 77

    شکل (4-35)توان راکتیو انتظاری بر حسب معیار ریسک 30 باسه.............................................................................................. 78

    شکل (4-36)توان راکتیو انتظاری بر حسب معیار ریسک 57 باسه.............................................................................................. 79

    شکل (4-37)توان راکتیو انتظاری بر حسب معیار ریسک 118 باسه........................................................................................... 80

    شکل (4-38) نوسانات  ولتاژ شبکه 30 باسه بر حسب مقدار ............................................................................................... 82

    شکل (4-39) نوسانات  ولتاژ شبکه 57 باسه بر حسب مقدار ............................................................................................... 83

    شکل (4-40) نوسانات  ولتاژ شبکه 118باسه بر حسب مقدار .............................................................................................. 84

    منبع:

    منابع انگلیسی

    [1] K.R.C. Mamundar, R.D. Chenweth, "Optimal control of reactive power flow for imrovements in voltage profiles and for real power loss minimization", IEEE Trans. Power App. and Systems, vol. 7, pp. 3185-3194, Jul. 1981.

    [2] 18-2012 - IEEE Standard for Shunt Power Capacitors, Revision of IEEE Std 18-2002 (Revision of IEEE Std 18-1992), Feb. 2013.

    [3] 824-2004  -  IEEE Standard for Series Capacitor Banks in Power Systems, Revision of IEEE Std 824-1994, 01 August 2005.

    [4] 824-2004  -  IEEE Standard for Series Capacitor Banks in Power Systems, Revision of IEEE Std 824-1994, 22 May 2012.

    [5] J. Fang, Z. Bo, "Modeling of on-load tap-changer transformer with variable impedanceand its application ", Proceedings of Energy Management and Power delivery, 1998.

    [6] R. Marconato, “Electric Power Systems – Vol.1: Background and Basic Components”, Second Edition, 2002, Edited by: CEI–Italian Electrotechnical Committee, Milan, Italy.

    [7] Franco JF, Rider MJ, Lavorato M, Romero R. A mixed-integer LP model for the optimal allocation of voltage regulators and capacitors in radial distribution systems. Int J Elect Power Energy Syst 2013;48:123–30.

    [8] Goswami SK, Ghose T, Basu SK. An approximate method for capacitor placement in distribution system using heuristics and greedy search technique. Elect Power Syst Res 1999;51(1):143–51.

    [9] Hogan PM, Rettkowski JD, Bala JL. Optimal capacitor placement using branch and bound. In: Proceedings of the 37th annual North American Power, symposium 2005; 23rd–25th October. p. 84–9.

    [10] IEEE Guide for the Application of Shunt Power Capacitors, 978-0-7381-6492-2, 30 March 2012.

    [11] EN 50160 standard, "Voltage characteristics in public distribution networks".

    [12] Khodr HM, Yusta JM, Vale Z, Ramos C. An efficient method for optimal location and sizing of fixed and switched shunt capacitors in large distribution systems. In: IEEE power and energy society general meeting 2008; 20th–24th July. p. 1–9

    [13] Grainger JJ, Lee SH. Optimum size and location of shunt capacitors for reduction of losses on distribution feeders. IEEE Trans Power Appar Syst 1981;100 (3):1105–18.

    [14] Kaur D, Sharma J. Multiperiod shunt capacitor allocation in radial distribution systems. Int J Elect Power Energy Syst 2013;52:247–53.

    [15] Khodr HM, Olsina FG, Jesus DOD, Yusta JM. Mximum savings approach for location and sizing of capacitors in distribution systems. Elect Power Syst Res 2008;78(7):1192–203

    [16] M.E. Hamedani Golshan, S.A. Arefifar, "Distributed generation, reactive sources and network-configuration  planning for power and energy-loss reduction", IEE Proc.-Gener. Transm.Distrib., Vol. 153, No. 2, March 2006.

    [17] Masoum MAS, Ladjevardi M, Fuchs EF, Grady WM. Application of localvariations and maximum sensitivities selection for optimal placement of shunt capacitor banks under non sinusoidal operating conditions. Int J Elect Power Energy Syst 2004;26(10):761–9

    [18] T.J.E. Miller, "Reactive power control in electric systems", John Wiley & Sons, 1982.

    [19] P18/D3, Oct 2012-IEEE Draft Standard for Shunt Power Capacitors, Active Approved Draft, 10 December 2012

    [20] H.N. Ng, M.M.A. Salama, and A.Y. Chikhani "Classification of capacitor allocation techniques," IEEE Trans. Power Delivery, vol. 15, No.1, pp. 387-392, Jan. 2000

    [21] Yann-Chang Huang, Hong-Tzer Yang, and Ching-Lien Huang, "Solving the capacitor placement problem in a radial distribution system using Tabu Search approach," IEEE Trans. on Power System.vol. 11, No.4, pp. 1868-1873, Nov. 1996.

    [22] I.C. da Silva Jr., S. Carnerio Jr., E.J. de Oliveria, J.S. Costa, J.L.R. Pereira, and P.A.N. Garcia, "A heuristic constructive algorithm for capacitor placement on distribution systems," IEEE Trans. on Power System, vol. 23, No.4, pp. 1619-1626, Nov. 2008.

    [23] M.A.S. Masoum, M. Ladjevardi, A. Jafarian and E.F. Fuchs, "Optimal placement, replacement and sizing of capacitor banks in distorted distribution networks by genetic algorithms," IEEE Trans. on Power Delivery, vol.19, No.4, pp. 1794-1801, Oct. 2004.

    [24] Shyh-Jier Huang, "An immune-based optimization method to capacitor placement in a radial distribution system," IEEE Trans. on Power Delivery, vol.15, No.2, pp. 744-749, Aug. 2000. 

    [25] Y. Baghzouz  "Effects of Nonlinear Loads on Optimal Capacitor Placement in Radial Feeders", IEEE Trans. on Power Delivery,  vol. 6,  no. 1,  pp.245 -251 1991

    [26] R.A. Jabr, "Optimal placement of capacitors in a radial network using conic and mixed integer linear programming", Electric Power Systems Research, June 2008, Pages 941–948

    [27] Szuvovivski I, Frenandes TSP, Aoki AR. Simulataneous allocation of capacitor and voltage regulators at distribution networks using genetic algorithms and optimal power flow. Int J Elect Power Energy Syst 2012;40(1):62–9.

    [28] Ching TS, Lee CS. Feeder reconfiguration and capacitor setting for loss reduction of distribution systems. Elect Power Syst Res 2001;58(2):97–102.

    [29] Wu WC, Zhang BM, Lo KL. Capacitors dispatch for quasi minimum energy loss in distribution systems using a loop analysis based method. Int J Elect Power Energy Syst 2010;32(6):543–50.

    [30] AlokNayan, “Reactive  Power  Planning  using  PSO  with  Modified  Dynamic  Inertia  parameter”,  Power and Energy Systems: Towards Sustainable Energy , 2014.

    [31] Song YH, Wang GS, Johns AT, Wang PY. Distribution network reconfiguration for loss reduction using Fuzzy controlled evolutionary programming. IEE Proc Gene Transm Distrib 1997;144(4):345–50.

    [32] Abido, M.A. Robust design of multimachine power system stabilizers using simulated annealing, Energy Conversion, IEEE Transactions on, Vol:15,  pp: 297 – 304.

    [33] S. M. Sait and H. Youssef,  Iterative Computer Algorithms with Application in Engineering: Solving Combinatorial Optimization Problems,  1999 :IEEE Computer Society

    [34] P. Angeline,  "Evolutionary optimization versus particle swarm optimization: Philosophy and performance differences",  Proc. 7th Ann. Conf. Evolutionary Programm.,  pp.601 -610, 1998

    [35] M. Dorigo and L. M. Gambardella,  "Ant colony system: A cooperative learning approach to the traveling salesman problem",  IEEE Trans. Evol. Comput.,  vol. 1,  pp.29 -41 1997

    [36] M. A. Abido,  "A novel multiobjective evolutionary algorithm for environmental/economical power dispatch",  Elect. Power Syst. Res.,  vol. 65,  pp.71 -81 2003

    [37] Chung-Fu Chang, Ji-Jen Wong, Ji-Pyng Chiou, Ching-Tzong Su, “Robust searching hybrid differential evolution method for optimal reactive power planning in large-scale distribution systems,” Electric Power Systems Research, Volume 77, Issues 5–6, April 2007, Pages 430–437.

    [38] Ning Yang, C.W. Yu, Fushuan Wen, C.Y. Chung, “An investigation of reactive power planning based on chance constrained programming,” International Journal of Electrical Power & Energy Systems, Volume 29, Issue 9, November 2007, Pages 650–656.

    [39] S. Ramesh, S. Kannan, S. Baskar, “Application of modified NSGA-II algorithm to multi-objective reactive power planning,” Applied Soft Computing, Volume 12, Issue 2, February 2012, Pages 741–753.

    [40] B. Venkatesh, G. Sadasivam, M. Abdullah Khan, “An efficient multi-objective fuzzy logic based successive LP method for optimal reactive power planning,” Electric Power Systems Research, Volume 59, Issue 2, 28 September 2001, Pages 89–102.

    [41] Chen, Y. -L; Ke, Y.-L., "Multi-objective VAr planning for large-scale power systems using projection-based two-layer simulated annealing algorithms," Generation, Transmission and Distribution, IEE Proceedings- , vol.151, no.4, pp.555,560, 11 July 2004.

    [42] Ahmad Moghadam, Ali Reza Seifi, “Fuzzy-TLBO optimal reactive power control variables planning for energy loss minimization,” Energy Conversion and Management, Volume 77, January 2014, Pages 208–215.

    [43] Eghbal, M.; Yorino, N.; El-Araby, E.E.; Zoka, Y., "Multi-load level reactive power planning considering slow and fast VAR devices by means of particle swarm optimisation," Generation, Transmission & Distribution, IET , vol.2, no.5, pp.743,751, September 2008.

    [44] Estevam, C.R.N.; Rider, M.J.; Amorim, E.; Mantovani, J.R.S., "Reactive power dispatch and planning using a non-linear branch-and-bound algorithm," Generation, Transmission & Distribution, IET , vol.4, no.8, pp.963,973, August 2010

    [45] Abbas Rabiee, Maziar Vanouni, Mostafa Parniani, “Optimal reactive power dispatch for improving voltage stability margin using a local voltage stability index,” Energy Conversion and Management, Volume 59, July 2012, Pages 66–73.

    [46] Youcef Amrane, Mohamed Boudour, Messaoud Belazzoug, “A new Optimal reactive power planning based on Differential Search Algorithm,” International Journal of Electrical Power & Energy Systems, Volume 64, January 2015, Pages 551–561.

    [47] J. Preetha Roselyn, D. Devaraj, Subhransu Sekhar Dash, “Multi Objective Differential Evolution approach for voltage stability constrained reactive power planning problem,” International Journal of Electrical Power & Energy Systems, Volume 59, July 2014, Pages 155–165.

    [48] Tomislav Plavsic, Igor Kuzle, “Two-stage optimization algorithm for short-term reactive power planning based on zonal approach,” Electric Power Systems Research, Volume 81, Issue 4, April 2011, Pages 949–957.

    [49] Abdellatif Hamouda, Khaled Zehar, “Stability-index based method for optimal Var planning in distribution feeders,” Energy Conversion and Management, Volume 52, Issue 5, May 2011, Pages 2072–2080.

    [50] A.H. Khazali, M. Kalantar, “Optimal reactive power dispatch based on harmony search algorithm,” International Journal of Electrical Power & Energy Systems, Volume 33, Issue 3, March 2011, Pages 684–692.

    [51] O. Alizadeh Mousavi, M. Bozorg, R. Cherkaoui, “Preventive reactive power management for improving voltage stability margin,” Electric Power Systems Research, Volume 96, March 2013, Pages 36–46.

    [52] Haifeng Liu; Krishnan, V.; McCalley, J.D.; Chowdhury, A., "Optimal planning of static and dynamic reactive power resources," Generation, Transmission & Distribution, IET, vol.8, no.12, pp.1916,1927, 12 2014.

    [53] Neagle, N.M.; Samson, D.R., "Loss Reduction from Capacitors Installed on Primary Feeders [includes discussion]," Power Apparatus and Systems, Part III. Transactions of the American Institute of Electrical Engineers, vol.75, no.3, pp., Jan. 1956.

    [54] Cook, R.F., "Analysis of Capacitor Application as Affected by Load Cycle," Power Apparatus and Systems, Part III. Transactions of the American Institute of Electrical Engineers , vol.78, no.3, pp.950,956, April 1959.

    [55] Cook, R.F., "Optimizing the Application of Shunt Capacitors for Reactive-Volt-Ampere Control and Loss Reduction," Power Apparatus and Systems, Part III. Transactions of the American Institute of Electrical Engineers , vol.80, no.3, pp.430,441, April 1961.

    [56] Dura, H., "Optimum Number, Location, and Size of Shunt Capacitors in Radial Distribution Feeders A Dynamic Programming Approach," Power Apparatus and Systems, IEEE Transactions on, vol.PAS-87, no.9, pp.1769,1774, Sept. 1968.

    [57] Lee, S.H.; Grainger, J.J., "Optimum Placement of Fixed and Switched Capacitors on Primary Distribution Feeders," Power Apparatus and Systems, IEEE Transactions on, vol.PAS-100, no.1, pp.345,352, Jan. 1981.

    [58] Abdel-Salam, T.S.; Chikhani, A.Y.; Hackam, R., "A new technique for loss reduction using compensating capacitors applied to distribution systems with varying load condition," Power Delivery, IEEE Transactions on , vol.9, no.2, pp.819,827, Apr 1994.

    [59] Chis, M.; Salama, M.M.A.; Jayaram, S., "Capacitor placement in distribution systems using heuristic search strategies," Generation, Transmission and Distribution, IEE Proceedings- , vol.144, no.3, pp.225,230, May 1997.

    [60] da Silva, I.C.; Carneiro, S., Jr.; de Oliveira, E.J.; de Souza Costa, J.; Pereira, J.L.R.; Garcia, P.A.N., "A Heuristic Constructive Algorithm for Capacitor Placement on Distribution Systems," Power Systems, IEEE Transactions on , vol.23, no.4, pp.1619,1626, Nov. 2008.

    [61] Haghifam, M.-R.; Malik, O.P., "Genetic algorithm-based approach for fixed and switchable capacitors placement in distribution systems with uncertainty and time varying loads," Generation, Transmission & Distribution, IET , vol.1, no.2, pp.244,252, March 2007.

    [62] Shyh-Jier Huang, "An immune-based optimization method to capacitor placement in a radial distribution system," Power Delivery, IEEE Transactions on, vol.15, no.2, pp.744,749, Apr 2000.

    [63] Dulce Fernao Pires; Martins, A.G.; Antunes, C.H., "A multiobjective model for VAR planning in radial distribution networks based on tabu search," Power Systems, IEEE Transactions on , vol.20, no.2, pp.1089,1094, May 2005.

    [64] S.P. Singh, A.R. Rao, “Optimal allocation of capacitors in distribution systems using particle swarm optimization,” International Journal of Electrical Power & Energy Systems, Volume 43, Issue 1, December 2012, Pages 1267–1275.

    [65] Shyh-Jier Huang; Xian-Zong Liu, "A Plant Growth-Based Optimization Approach Applied to Capacitor Placement in Power Systems," Power Systems, IEEE Transactions on, vol.27, no.4, pp.2138,2145, Nov. 2012.

    [66] Sneha Sultana, Provas Kumar Roy, “Optimal capacitor placement in radial distribution systems using teaching learning based optimization,” International Journal of Electrical Power & Energy Systems, Volume 54, January 2014, Pages 387–398.

    [67] Damanjeet Kaur, Jaydev Sharma, “Multiperiod shunt capacitor allocation in radial distribution systems,” International Journal of Electrical Power & Energy Systems, Volume 52, November 2013, Pages 247–253.

    [68] D. Das, “Optimal placement of capacitors in radial distribution system using a Fuzzy-GA method,” International Journal of Electrical Power & Energy Systems, Volume 30, Issues 6–7, July–September 2008, Pages 361–367.

    [69] Kennedy, J.; Eberhart, R., "Particle swarm optimization," Neural Networks, 1995. Proceedings, IEEE International Conference on , vol.4, no., pp.1942,1948 vol.4, Nov/Dec 1995.

    [70] R.V. Rao, V.J. Savsani, D.P. Vakharia, “Teaching–Learning-Based Optimization: An optimization method for continuous non-linear large scale problems,” Information Sciences, Vol. 183, Issue 1, pp. 1–15, Jan. 2012.

    [71] Kennedy.J.,Eberhart.R.C. 1995. " A new optimizer using particle Swarm theory. In proceedings of the Six-th Internationa "; Symposium on Micro Machine and Human Scince , pp.39-43.

    [72] Prakash K, Sydulu M. Particle swarm optimization based capacitor placement on radial distribution systems. In: IEEE power engineering society general meeting 2007; 24th–28th June. p. 1–5.

     [73] R. Dahlgren, C.-C. Liu, and J. Lawarrée, “Risk assessment in energy trading,” IEEE Trans. Power Syst., vol. 18, no. 2, pp. 503–511, May 2003.

    [74] J. Dupaˇcová, G. Consigli, and S. W.Wallace, “Scenarios for multistage stochastic programs,” Ann. Oper. Res., vol. 100, no. 1–4, pp. 25–53, Dec. 2000.

    [75] N. Gröwe-Kuska, H. Heitsch, and W. Römisch, “Scenario reduction and scenario tree construction for power management problems,” in Proc. IEEE Bologna Power Tech., Bologna, Italy, Jun. 2003.

    [76] K. Høyland, M. Kaut, and S. W. Wallace, “A heuristic for momentmatching scenario generation,” Comput. Optim. Appl., vol. 24, no. 2–3, pp. 169–185, Feb. 2003.

    [77] C57.131-2012 - IEEE Standard Requirements for Tap Changers

    [78] T. W. Gedra, “Optional forward contracts for electric power markets,” IEEE Trans. Power Syst., vol. 9, no. 4, pp. 1766–1773, Nov. 1994.

  • ثبت سفارش
    عنوان محصول
    قیمت