توضیحات
Investigating the use of probability distribution functions in reliability-worth analysis of electric power systems
بررسی استفاده از توابع توزیع احتمال در تجزیه و تحلیل ارزش قابلیت اطمینان سیستم های قدرت الکتریکی
شبیه سازی در محیط ام فایل متلب انجام شده است. نتایج شبیه سازی در انتهای همین صفحه آمده است.
ترجمه مقاله:
چکیده:
استفاده از توابع توزیع احتمال برای توصیف پارامترهای وروردی ارزش قابلیت اطمینان، در مقایسه با کاربرد مقادیر میانگین نسبتا جدید است. شاخصهای ارزش قابلیت اطمینان سیستمهای قدرت، اکثرا بصورت مقادیر میانگین محاسبه شده اند و حاوی اطلاعات اندکی در مورد خطر سیستم می باشند.
در این مقاله تابع توزیع احتمال بتا برای مدل کردن هزینه وقفه (قطعی برق) وابسته به زمان مشتری، به عنوان پارامتر ورودی تجزیه و تحلیل ارزش قابلیت اطمینان سیستم قدرت بکار رفته است. در آنالیز از روش شبیه سازی مونت کارلو ترتیب زمانی که می تواند پارامترهای ورودی وابسته به زمان را بکار برد، استفاده شده است.
نتایج نشان می دهند هنگامیکه توزیعهای احتمال برای توصیف پارامترهای ورودی و خروجی ارزش قابلیت اطمینان مورد استفاده قرار بگیرند، اطلاعات بیشتری از شاخصهای ارزش قابلیت اطمینان بدست می آید.
مقدمه
سیستمهای قدرت شامل بخشهای تولید، انتقال و توزیع، در معرض اتفاقات جانبی بسیاری مانند حوادثات، خرابی تصادفی اجزا و شرایط آب و هوایی می باشند که این عوامل موجب وقفه هایی در سیستم می شود. این نوع حوادث خارج از حیطه کنترل شرکتهای ارائه دهنده سرویس می باشند، اما می تواند هنگام تصمیم گیری سطح قابلیت اطمینان تغذیهای که سیستم باید در آن عمل کند، مد نظر قرار بگیرد.
برای بررسی هزینه های سرمایه گذاری مربوط به سطح قابلیت اطمینان تغذیه، تعیین کمیت قابلیت اطمینان از لحاظ مالی بسیار ضروری می باشد. در آنالیز هزینه و ارزش قابلیت اطمینان سیستمهای قدرت، ارزش قابلیت اطمینان تجربه شده توسط مصرف کننده با هزینه های تحمیلی از طرف شرکت برق، مقایسه می شود.
هزینه وقفه ایجاد شده در سرویس مشتری (CIC)، به عنوان جایگزینی برای ارزیابی ارزش قابلیت اطمینان در سیستمهای قرت استفاده شده است. مطالعات زیادی برای امکان تخمین CIC، انجام شده و طیف گسترده ای از روشها، تکامل یافته است. اما استفاده از توابع توزیع احتمال مختلف (PDF) برای مدل کردن CIC به منظور برنامه ریزی و بهره برداری مطالعات ارزش قابلیت اطمینان، نادر است.
شاخصهای ارزش قابلیت اطمینان برای یک سیستم یا جزء مفروض تعیین می شود و تفسیر این شاخصها است که مشخص می کند سیستم تا چه قابل اطمینان است. در تحقیق قبل برای آنالیز بیشترین هزینه و ارزش قابلیت اطمینان، از مقادیر میانگین برای پارامترهای ورودی استفاده و خروجیهای ارزش قابلیت اطمینان بر اساس تخمینی از مقادیر میانگین ارائه شد.
استفاده از مقادیر میانگین برای پارامترهای ورودی و خروجی، شکل پارامتر PDF را نادیده می گیرد. برای مطالعات ارزش قابلیت اطمینان، چندین شاخص پیشنهاد شده است ( مانند مقدار قابل انتظار برای CIC (ECOST)، نرخ ارزیابی انرژی دچار وقفه شده (قطع شده) (IEAR) و هزینه انرژی مصرف نشده (UCE)). انتخاب و تعریف این شاخصها، تا حد زیادی به روش بکار رفته و پیشنهاد تحقیق بستگی دارد. در این مقاله برای تخمین پیامدهایی که متوجه مشتری می شود، شاخص ارزش قابلیت اطمینان ECOST محاسبه و ارائه شده است. کار ارائه شده در این مقاله بروی یک شبکه توزیع انجام گرفته است.
برای یک سیستم مفروض، روشهای متعددی برای استفاده در ارزیابی شاخصهای ارزش قابلیت اطمینان مطرح شده است. با این وجود تمام این تکنیکها می توانند به دو صورت احتمالی یا قطعی گروه بندی شوند. روشهای قطعی ( تحلیلی)، سالهای زیادی برای محاسبه شاخصهای ارزش قابلیت اطمینان نقطه میانگین بار در تجزیه و تحلیل ارزش قابلیت اطمینان سیستمهای شعاعی استفاده شده است.
شاخصهای ارزش قابلیت اطمینان نقطه میانگین بار، بوسیله یک مدل ریاضی تخمین زده شده است که از مقادیر میانگین برای پارامتر ورودی بهره می برد ( یعنی زمان تعمیر، زمان کلید زنی، مقادیر CIC و غیره). استفاده از این روشها برای کار پیشنهاد شده در این مقاله، محدود شده اند. چون زمانیکه پارامترهای ورودی غیر ثابت در نظر گرفته شوند، بکار بردن این روشها تقریبا غیر ممکن است.
روشها احتمالی نسبت به روشهای قطعی مزایایی دارند زیرا آنها قادر به شمارش رفتار تصادفی شبکه های قدرت می باشند. روشهای اصلی احتمال شبیه سازی ها هستند و مهمترین آنها شبیه سازی مونت کارلو می باشد (MCS). MCS ترتیب زمانی نقش مهمی در کار مطرح شده دارد، زیرا حالت تصادفی سیستم قدرت را در یک مرتبه chronological در نظر می گیرد.
این روش امکان دخالت دادن بعد زمانی را در تجزیه و تحلیل ارزش قابلیت اطمینان فراهم می کند. ورودیهای تحلیل قابلیت اطمینان مانند نرخ خرابی اجزا، مقادیر CIC و زمان بازیابی به عنوان تصادفی بجای مقادیر میانگین رفتار می کنند و اجاز دارند تا مقادیر را مطابق PDF انتخاب شده بگیرند . عملکرد MCS ترتیب زمانی، مسقل از اندازه شبکه ای است که باید تحلیل شود.
برای پیشنهاد این تحقیق، همه هزینه های داده شده در در افریقای جنوبی راند (R) است. 1 یورو تقریبا معادل R10 شده است.
2. اندازه گیری CIC
مطالعات زیادی برای تخمین CIC انجام گرفته است. با این وجود، هیچگونه توافق جهانی برای یک روش قابل اجرای مناسب برای شرایط خاص یا تفسیر نتایج بدست آمده، وجود ندارد. اما به نظر می رسد در صنعت برخی از آنها نسبت سایر روشها مفید و قابل قبول می باشند.
تخمین CIC ها چالش بزرگی است، زیرا آنها تابع عوامل مختلفی هستند. روش نظرسنجی از مشتری، که در آن با مشتریان مصاحبه ویژه ای صورت می گیرد، به عنوان عملی ترین و قابل اعتمادترین فرایند جهت بدست آوردن این هزینه ها، مورد توجه بسیاری از محققان قرار گرفته است. قدرت این روش در آن است که مشتریان بهترین گزینه برای آگاهی به هزینه های خودشان می باشند.
این امر با نتایج بدست آمده از مطالعات خاموشی و تحلیلی نیز پشتیبانی شده و نشان می دهد برای اینکه ارزیابی هزینه وقفه (قطعی) واقعبینانه باشد، می بایستی اطلاعات هزینه از مشتری گرفته شود. با این وجود، مشکل اصلی در روش نظرسنجی این است که نتایج کاملا به طراحی و اجرای نظرسنجی، حساس می باشد.
تاثیر یک قطعی برق با فعایتهایی که بدلیل قطع آن دچار وقفه شده، تعریف می گردد. مشتریان انرژی برق را به طرق مختلفی مصرف می کنند که بخش مورد استفاده آنها را توصیف می کند. بنابراین، CIC ها با نظرسنجی بخشهای مختلف که معمولا بر اساس یک طبقه بندی استاندارد صنعتی ویژه (SIC) انجام می گیرد، ارزیابی می شوند.
برای مثال، مشتریان می توانند به مواردی مانند مسکونی، صنعتی، دولتی و عمومی، کشاورزی و تجاری تقسیم شوند. برای اینکه قادر به تعیین این مسئله باشیم که اختلال در یک فعالیت چگونه روی هزینه قطع برق اثر می گذارد، ارزشگذاری (ارزیابی) مشتری از این اثرات هم نیاز است.
در نظرسنجی مشتری، اغلب این ارزش گذاریها دخیل شده و یک درجه ناراحتی (این وقفه ایجاد شده چه زخمت و ناراحتی برای مشتری ایجاد کرده) ساخته می شود. با نظرسنجی مشتری، تنها هزینهای مستقیم (و نه هزینه های غیر مستقیم) جمع آوری می شوند. در روشهای هزینه یابی مستقیم، از مشتریان خواسته می شود تا تاثیر یک سناریو قطع برق فرضی خاص و هزینه های مربوطه را شناسایی کنند. بسته به اینکه هزینه های اجتماعی یا افتصادی جمع آوری شود، روشهای مختلف نظرسنجی بکار می رود.
برای همه بخشهای مشتریان، برای بخش مسکونی کمتر، هزینه های مستقیم عمدتا تاثیر اقتصادی دارند. بنابراین روش هزینه یابی مستقیم برای این بخشها توصیه می شود. نظرسنجی مسکونی، روشهای ارزشگذاری مشروط را بکار می برد که برای گرفتن هزینه های نامشهود بیشتر مانند ناراحتی (سختی ایجاد شده از قطعی برق)، طراحی شده اند.
در روش ارزش گذاری مشروط، از مشتریان خواسته می شود تا بیان کنند که چه مقدار حاضر به پرداخت هزینه (WTP) برای جلوگیری از قطع برق، یا جه مقدار تمایل به پذیرفتن (WTA) پرداخت غرامت برای یک قطعی برق می باشند. روش هزینه یابی مستقیم برای بخش مسکونی هم می تواند بکار رود. اغلب توصیه می شود که چندین روش مختلف برای بخش مسکونی بکار رود.
انجام نظرسنجی مشتری فرایند زمانبر و گرانی است که نیازمند تلاش گسترده ای برای جمع آوری نمونه اطلاعات مناسب می باشد. به همین دلیل اطلاعات هزینه قطعی بدست آمده از نظرسنجی، نمونه کوچکی از حوادث خروج ممکن را شامل می شود. معمولا، هزینه های قطعی فقط برای بدتری حالت با مدت زمان قطعی اندک، پرسیده می شود. نظرسنجی مشتری همیشه برخی اطلاعات بد مانند برآورد هزینه بالای غیر واقع بینانه حاصل می کند. بنابراین قبل از اینکه اطلاعات استفاده شوند، باید تجزیه و تحلیل داده های خام انجام بگیرد. روشهایی برای شناسایی اطلاعات دور از انتظار وجود دارد.
هزینه تحمیل شده بدلیل وقفه ایجاد شده در تامین برق، می تواند بصورت تابعی از مدت زمان قطعی بیان شود و هنگامیکه بدین صورت ارائه شود، به عنوان تابع خسارت مشتری (CDF) شناخته می شود. CDF می تواند برای گروهی از مشتریان متعلق به یک بخش ویژه، تعیین شود. در چنین مواردی، هزینه وقفه در برابر نمودارهای مدت زمان، به عنوان تابع خسارت مشتری تکی یاد می شود (ICDF). همانطور که در شکل 1 نشان داده شده، ICDF معمولا بر اساس اطلاعات CIC برای بدترین حالت می باشد.
دو روش مختلف برای محاسبه CDF عبارتند از: فرایند میانگین و فرایند جمع آوری. در فرایند میانگین، ابتدا اطلاعات CIC بدست آمده از نظرسنجی نرمالیزه می شوند. سپس مقدار میانگین هزینه نرمالیزه شده برای هر بخش مشتری و طول مدت نظرسنجی، محاسبه می شود. در روش دوم، فرایند جمع آوری، ابتدا اطلاعات CIC برای هر بخش مشتری و طول مدت نظرسنجی خلاصه می شود.
سپس نتایج با تقسیم بر جمع عوامل نرمالیزه کننده هر بخش، نرمالیزه می شود. عوامل رایج نرمالیزه کننده مصرف سالانه برق کل، پیک بار یا انرژی تامین نشده می باشد. در شکل 1، عامل نرمالیزه کننده میانگین هزینه انرژی ماهانه و واحد ICDF، راند (واحد پول) در راند خرج شده برای هزینه انرژی ماهانه می باشد.
فرایند نرمالیزه سازی، مقادیر CDF را با نمادهای مختلف مشخص شده در شکل 1، فراهم می کند. برای تخمین CIC برای هر مدت زمان، درون یابی خطی بین این مقادیر بکار رفته است. از آنجاکه اطلاعات CIC تنها برای بدترین حالت بدست آمده است، CDF نشان می دهد که هزینه بدترین حالت چگونه با مدت زمان وقفه، تغییر می کند.
فرایند خطی سازی هزینه ها با مدت زمان وقفه ها، ماهیت پراکنده CIC را که برای مشتریان منفرد و نیز برای مدتهای مختلف رخ می دهد، توصیف نمی کند. از اینرو استفاده از مقادیر میانگین CIC برای مدتهای مختلف در نظر گرفته شده و فرض اینکه مقدار CIC، 100% همان مقدار را در هر زمان دارد، واقع بینانه بنظر نمی رسد. برای یک تحلیل واقع بینانه، تغییر پذیری CIC نمی تواند نادیده گرفته شود و باید در مدل بکار رفته برای نمایش آن دخیل شود.
از آنجا که PDF ها اجازه تغییر در مقدار میانگین را می دهند، ابزار خوبی برای توصیف عدم قطعیت در مدلسازی CIC می باشند و از اینرو اهمیت تنوع آماری وارد شده در مدلسازی CIC، آشکار می شود.
چندین PDF برای استفاده در تجزیه و تحلیل CIC شناسایی شده است، برخی از آنها عبارتند از توزیع نرمال، پواسون، ویبول و بتا. با این حال، کارهای نسبتا کمی در تخمین شاخصهای قابلیت اطمینان مرتبط با CIC بدست آمده از PDF، منتشر شده است. تعدادی از مدلهای ضرب شونده برای گرفتن وابستگی زمانی CIC بکار رفته اند.
مطالعات نشان می دهند که وابستگی زمانی در ورودی ها، هنگام تخمین CIC سالیانه مهم است و نادیده گرفتن آنها منجر به تصمیمات مختلف برنامه ریزی و بهره برداری می شود.
1.2. استفاده از PDF ها برای خروجیهای ارزش قابلیت اطمینان
شاخصهای قابلیت اطمینان سیستم قدرت بسته به توپولوژی شبکه و شرایط و فلسفه بهره برداری، مقادیر مختلفی هستند. مقادیر متوسط نشان می دهند که سیستم بطور میانگین تا چه اندازه قابل اطمینان است، اما بررسی خطر در موارد حاد نیز مورد توجه می باشد. سطح چولگی (کجی) PDF یک شاخص، هنگام تفسیر شاخص مهم است. بدون PDF، عواقب شدید قطع برق روی مشتریان نادیده گرفته می شود.
اگرچه PDF حوادثی را نشان می دهد که بندرت رخ می دهد، اما پیامدهای این اتفاقات ممکن است شدید باشد و هنگام تجزیه و تحلیل یک سیستم باید در نظر گرفته شود.
PDF می تواند برای نمایش چگونگی تعیین احتمال هزینه وقفه مورد انتظار (ECOST) درون یک محدوده معین بکار رود که در ارزیابی ارزش قابلیت اطمینان سیستم مهم است.
3. انتخاب PDF
اکثر PDF ها در شکلهایی که می توانند نمایش دهند، محدود شده اند و به همین دلیل برای مجموعه خاصی از داده ها بکار می روند. PDF نرمال، متداولترین نوعی است که در تخمین CIC استفاده می شود، اما دارای بازه مثبت و منفی نامحدودی می باشد. در مراجع 26 و 27، نتیجه گیری شده که مدلسازی داده CIC با استفاده از یک PDF که نمایشی مشابه شکل توزیع نرمال دارد، ممکن است. این امر بدلیل چولگی (مورب بودن) داده CIC در برخی از مطالعات می باشد.
هدف، پیچیده کردن تحلیل داده CIC بوسیله PDF های مختلف برای مدت زمانهای مختلف نمی باشد، اما باید اطمینان حاصل کرد که داده CIC توسط یک روش ساده بطور دقیقی تخمین زده شده است. توزیعهای ویبال و گاما اشکال مختلفی را نمایش می دهند اما محدودیت آنها این است که محدوده مثبت محدودی مانند PDF بتا ندارند. با استفاده از PDF بتا تحقیقات گسترده ای انجام گرفته است.
برای مثال از آن در آفریقای جنوبی برای انجام محاسبات افت ولتاژ در امتداد فیدرهای توزیع استفاده شده است. در حال حاضر در افریقای جنوبی آن روشی است که برای تجزیه و تحلیل فیدر ولتاژ پایین مسکونی تجویز می شود. تا آنجا که تجزیه و تحلیل CIC مربوط است، تنها کارهای مقدماتی برای بررسی PDF مناسب در فیت کردن داده CIC انجام گرفته است. توزیع بتا، توزیع یک متغیر تصادفی را که در بازه (0و1) نهفته است توصیف می کند و با معادلات 1 و 2 تعریف می شود.
توزیع بتا دارای تنوع بسیاری در شکلی که می تواند به خود بگیرد، می باشد. به ازای مقادیر مختلف برای پارامترهای آن، برخی از اشکال در شکل 2 دیده می شود. توزیع، بازه محدودی دارد و داده می تواند با استفاده از حداکثر مقداری که در مجموعه داده ها وجود دارد یا کمی بزرگتر از آن، درجه بندی شود.
روشهای مختلفی برای تخمین پارامترهای PDF بتا توسعه یافته است. متداولترین روشهای بکار رفته، روش لحظه ها، روش حداکثر احتمال و تکنیک ارزیابی برنامه و مرور (PERT) است. از مرجع 33، مشخص شده که هر دو روش لحظه ها و حداکثر احتمال در تعیین پارامترهای PDF بتا بسیار کارامد هستند. روش حداکثر احتمال، نیازمند تحلیل یا تکرار گسترده ای برای رسیدن به پارامترهای بتا می باشد.
روش لحظه ها بروی روش حداکثر احتمال انجام گرفت (به آن برتری یافت) زیرا روش ساده ای برای محاسبه پارامترهای بتا می باشد هنگامیکه مقادیر انحراف استاندارد و میانگین در دسترس باشند. به همین دلیل در این مقاله، روش لحظه ها بکار رفته است. با در نظر گرفتن اولین زمان در مورد منشا یا میانگین () و دومین لحظه در مورد میانگین یا انحراف استاندارد () مجموعه داده ها، پارامترهای شکل متناظر با توزیع بتا، برای یک ضریب مقیاس C، می توان با روابط 3 و 4 محاسبه شود.
برای اطلاعات بیشتر در مورد توزیع بتا و نحوه بدست آوردن معادلات فوق به مراجع 30 و 33 مراجعه کنید. همانطور که مطالعه موردی کوچک زیر نشان داده می شود، PDF بتا، داده های ورودی و خروجی را برای تجزیه و تحلیل ارزش قابلیت اطمینان فراهم می کند.
4. مطالعه موردی
RBTS یک سیستم تست آموزشی می باشد که توسط گروه پژوهشی سیستم قدرت در دانشگاه Saskatchewan توسعه یافته است. همانطور که در شکل 3 نشان داده شده، سیستم قدرت توزیع کوچک بکار رفته در این مطالعه از باس 2 تا فیدر 3 شبکه RBTS گرفته شده است. شبکه قدرت دارای یک بریکر F3 روی خط 11KV در سمت ترانسفورماتور 33/11KV می باشد.
این شبکه (قسمت انتخاب شده) شش ترانسفورماتور 11/0.4KV، T1 تا T2، هر کدام برای یک بار دارد. این ترانسها، فیوزهایی دارند که مانع تحت تاثیر قرار گرفتن باقیمانده سیستم قدرت بدلیل خرابی ترانسفورماتور می شود. در هر اتصال T یا شاخه، جداکننده هایی در هر دو سمت خط و بریکر قرار داده شده تا قادر به ایزوله کردن این اجزا باشند.
تجزیه و تحلیل، عدم قابلیت اطمینان ناشی از پست ترانسفورماتور، بریکر اصلی و خطوط توزیع را در نظر می گیرد. فرض شده که سیستم در حالت ماندگار است و به این ترتیب اثر خرابی ادوات حفاظت نادیده گرفته شده است. داده های قابلیت اطمینان استفاده شده در این مقاله ، از مرجع {34} گرفته شده و در جدول 1 ارائه شده است. PDF برای زمان از کار افتادن، بصورت نمایی با نرخ خرابی داده شده در جدول 1 فرض شده است.
نرخ خرابی خطوط هوایی خرابی در سال در هر کیلومتر محاسبه شده است. PDF برای مدت زمان وقفه در سمت بار (زمان تعویض/تعمیر، زمان کلید زنی)، lognormal (یک محور لگاریتمی و دیگری نرمال) فرض شده است.
مدل بار بکار رفته در این مقاله بصورت تغییرات هزینه انرژی متوسط ماهانه، برای بخشهای مختلف بررسی شده و از کارهای مشابه در مراجع اقتباس شده است. برای همه ماه ها فرض شده که یک ماه کاری،30 روز دارد، جدول 2 اطلاعات سمت بار بکار رفته برای تجزیه و تحلیل ارزش قابلیت اطمینان را ارائه می کند.
در این مقاله یک روش ضربی با فاکتورهای هزینه متغیر با زمان برای مدلسازی تغییرات زمانی در CIC بکار رفته است. تغییرات زمانی CIC با زمانِ روز، روزِ هفته (مبنای زمان برای هفته، روز است) و ماه، با استفاده از دو فاکتور وزنی هزینه متغیر با زمان، مدل شده است. این روش در مراجع 14،24 و 29 شرح داده شده است. در این مقاله تاثیر روی CIC بدلیل زمان روز و روزِ هفته ترکیب و با استفاده از فاکتور وزنی زمان روز/روز هفته مدل شده ، در حالیکه تاثیر ناشی از ماهِ سال با استفاده از فاکتور ماه مدل شده است.
CIC نرمالیزه شده برای بخشهای مشتری ناشی از مدت زمان وقفه d که در زمان t می دهد، بصورت زیر محاسبه می شود:
که ، عامل وزنی هزینه متغیر با زمان برای انحراف ساعتی، با توجه به روزِ هفته از زمان مرجع برای بخش A مشتری ، عامل وزنی هزینه متغیر با زمان برای انحراف ماهیانه از زمان مرجع برای بخش A مشتری، هزینه وقفه مرجع نرمالیزه شده برای بخش A مشتری بدلیل مدت زمان وقفه برق d.
هر دو فاکتور وزن هزینه، انحراف وقفه برق را از حادثه خروج مرجع بررسی شده، مدل می کند. هنگامیکه یک وقفه برق در زمان مرجع رخ می دهد، هر دو فاکتور وزن هزینه برابر واحد (یک)، و هزینه وقفه COST(t,d) برابر C(d) می باشد. هزینه مرجع C(d) یا می تواند با روش CDF مدل شود و یا با روش PDF که پراکندگی در اطلاعات هزینه را می گیرد. مدلهای ICDF در شکل 1، برای تخمین مقادیر CIC استفاده شده است.
عدم قطعیت به مقادیر CIC هر بخش مشتری با انتخاب مقادیر تصادفی از یک PDF بتا خاص، با استفاده از پارامترهای داده شده در جدول 3 و تغییرات زمانی در CIC با دخالت دادن فاکتورهای وزنی هزینه در تجزیه و تحلیل اعمال شده است.
1.4. تکنیک شبیه سازی مونت کارلو مستر در زمان
فرایند بکار رفته برای بررسی CIC در RBTS، تکنیک شبیه سازی مونت کارلو مستر در زمان می باشد. الگوریتم در مرجع 4 در تجزیه و تحلیل بکار رفته است. شکل 4، جزئیات مرحل را بصورت فلوچارت نشان می دهد. الگوریتم شبیه سازی بکار رفته برای انالیز RBTS با استفاده از نرم افزار MATLAB ارتقا یافته است.
ابتدا یک تجزیه و تحلیل پایهای بروی شبکه انجام گرفته که استفاده از ICDF را برای مدل کردن CIC هر بخش، در نظر می گیرد. هدف اصلی چنین تحلیلی، فراهم کردن یک مجموعه مقادیر برای مقایسه با آزمایشهای بعدی می باشد. در هر دو مورد تجزیه و تحلیل، یک PDF بتا از شاخص محاسبه شده حاصل شد. هدف، گرفتن هرگونه چولگی در توزیع شاخص می باشد.
5. نتایج
مقادیر درصدی 50 و 90 از عملکرد شاخص PDF مشخص شدند. مقدار 90 درصدی، مقدار یک شاخص را نشان می دهد بطوریکه خطر مقدار واقعی بوجود آمدن بالای آن، 10% است. یک مقدار 50 درصدی، امکان شانس 50-50 برای تغییر در بالا و پایین مقدار واقعی برای هر دو PDF بتا و نرمال را فراهم می کند. این مقدار متناظر با حد فاصل داده های توصیف شده می باشد. شکلهای 5 تا 8، شکلهای PDF شاخص ECOST بدست آمده از تحلیل پایهای و همچنین از تحلیل با در نظر گرفتن متغیر با زمان و عدم قطعیت را نشان می دهند.
از شکلهای PDF کاملا مشخص است که ، متناظر با مورد پایهای، چولگی (مورب بودن) ذاتی در عملکرد شاخصها وجود دارد. استفاده از مقادیر میانگین برای نمایش پارامترها، توزیع پارامترهای داده شده را نادیده می گیرد و اطلاعات واریانس و چولگی شاخص بدست آمده را حذف می کند. جدول 4، مقادیر 50 و 90 درصدی شاخصهای محاسبه شده برای شش نقطه بار را نشان می دهد.
با در نظر گرفتن مقادیر مطالعه پایه ای، تفاوت مهمی در مقادیر شاخصها در مقایسه با نتایج بدست آمده از دو سناریوی دیگر مشاهده می شود. این امر به وارد کردن فاکتورهای هزینه متغیر با زمان در برآورد CIC، نسبت داده می شود. مقادیر شاخصها پس از دخیل کردن تغییرپذیری در آنالیزها، کاهش یافته است. درصد تفاوتهای مقادیر 50 و 90 درصدی برای هر شاخص، در جدول 5 نشان داده شده است.
1.5. تفسیر نتایج
تفاوت مهمی در مقادیر ECOST بین مطالعه پایهای و مجموعه داده های متناظر وجود دارد. 27 تا 58 درصد کاهش در مقادیر شاخص ECOST پس از وارد کردن تغییرات زمانی در مقادیر CIC، نشان می دهد که شاخص چگونه به تغییرپذیری ورودیهای ارزش قابلیت اطمینان، حساس است. تفاوت مهم مشاهده شده، نشان دهنده نیاز برای وارد کردن تغییرات زمانی در مدلسازی CIC می باشد. تحلیل های متداول قابلیت اطمینان فرض می کنند که مقدیر CIC برای زمانهای مختلف وقوع وقفه در مدت زمان مشابه، ثابت هستند.
همانطور که قبلا گفته شد، فعالیتهای مشتریان مختلف برای تغییر مقادیر CIC، کمک می کنند. بعلاوه، تاثیر وقفه برق روی مشتریان نه تنها به فعالیتهایی که دچار وقفه شده اند، وابسته است، بلکه به زمان نیز وابسته می باشد. تحلیل ارائه شده در این مقاله مقادیر ثابت CIC را برای زمانهای مختلف وقوع وقفه در مدت زمانهای مشابه – سناریوی مورد پایه، در نظر گرفت. کاهش مقادیر ارائه شده در جدول 4، نشان می دهد که چگونه تاثیر زمان وقوع وقفه های برق در مدت زمان مشابه، بطور اشتباهی در تجزیه و تحلیل ارزش قابلیت حذف شده و این نادیده گرفتن می تواند به تصمیمات مختلف برنامه ریزی و عملیاتی منجر شود. خط زمانی باید واقع گرایانه باشد و تنها مدت زمان وقفه را که همان زمان وقوع است، در نظر بگیرد.
از شکلهای 5 تا 8، مشخص است که کاربرد عدم قطعیت برای ورودی ارزش قابلیت اطمینان (CIC)، سطح چولگی PDF را تغییر می دهد. حقیقت این است که PDF ها بطور مستمر هنگام تعریف ورودی های قابلیت اطمینان مورد استفاده قرار گرفته اند و بنابراین باید مورد توجه قرار گیرند. هنگامیکه تغییرپذیری وابسته به زمان مد نظر قرار گیرد، کاربرد مقادیر میانگین محدود می شود. طراحان و مالکان شرکتها معمولا باید سطح تقویت شبکه و هزینه های مربوط به هر گزینه را مشخص کنند.
تحلیل های واقع بینانه و دقیق برای اخذ چنین تصمیمهایی حیاتی هستند. تحلیل های هزینه و ارزش قابلیت اطمینان، برای تعیین محلی در شبکه برق، که ارزش قابلیت اطمینان (ECOST) از هزینه تامین برق (هزینه قابلیت اطمینان) فراتر رود، بکار می رود. این تصمیمات بر پایهی مقادیر شاخصها می باشند که سطوح خطر نیز به آنها پیوست شده است. با استفاده از مفهوم مقادیر میانگین، طراحان و شرکتها اجازه می یابند تا بر اساس مقادیر بکار رفته، سطح خطری معادل %50 داشته باشند.
در موارد بسیاری، این سطح به اندازه کافی مناسب نمی باشد، مانند پیاده سازی تکنیکهای تحویل انرژی کارامد. برای کارامدتر کردن این روشها، PDF اطلاعات بیشتری فراهم می کند. این اطلاعات شامل مقایسه مقادیر شاخص خطر کم (اطمینان (ایمنی) بالا) با مقادیر شاخص خطر بالا (اطمینان کم) برای توجیه تقویت شبکه می باشد. برای مثال، از جدول 4، نتایج ECOST با عدم قطعیت دخیل شده نشان می دهد که اگر تصمیم بگیریم مقادیر خطر را %10 بالای مقادیر خطر %50 استفاده کنیم%29.88 افزایش در شاخص ECOST خواهیم داشت. سپس، افزایش در هزینه خطر می تواند با هزینه پیاده سازی ارتقای تجهیزات مقایسه شود. این امر توجیه نرخ بازگشت تحلیل تعادل هزینه سرمایه گذاری در برابر کاهش تاثیر خرابیها را معنی می دهد و یک صورت مالی که مدیریت نیروگاه با آن آشنا است، ارائه می کند. درصد کمتر در تفاوت هزینه، آسانتر از توجیه سرمایه گذاری در شبکه می باشد.
مسئله دیگر نادیده گرفته شده توسط استفاده از مقادیر متوسط، احتمال وقوع حوادث شدید می باشد. اما این امر می تواند با تجزیه و تحلیل دنباله PDF ها محاسبه شود. مشخص است که ECOST PDF ارائه شده در این تحلیل با عدم قطعیت در نظر گرفته شده، کاملا اریب است. دو حد نامتعارف برای این PDF، مقادیر بالا و پایین ECOST می باشد. برای مثال، PDF برای LP5، تاکیید می کند که مقادیر کم ECOST در مقایسه با مقادیر بالای ECOST، محتمل تر است.
در مقایسه با LP6 PDF، احتمال ECOST بسیار کم، بطور معنی داری پایین است. اما باید به خاطر داشته باشید در حالیکه مقادیر شاخص ECOST در این تحلیل کاهش یافته است، استفاده از تغییرات آماری مختلف می تواند باعث بروز اثرات مختلف بروی شاخص سمت بار و در نتیجه روی شاخص سراسری سیستم، شود.
اتصال نقطه بار مشتریان با مشخصات مختلف یعنی مالکیت منبع تغذیه پشتیبان، می تواند منجر به توزیعهای مختلف ECOST شود. از انجا که شاخصهای ارزش قابلیت اطمینان به تغییرپذیری ورودی حساس است، همانطور که با نتایج تجزیه و تحلیل نشان داده شد، انتظار می رود که شاخصهای محاسبه شده یا می تواند افزایش (مانند این تحلیل)، و یا کاهش یابد. سطح تغییر وابسته به سیستم تحلیل شده و تغییرپذیری اعمال شده می باشد.
6. نتیجه گیری
بخشهای مختلف سیستم قدرت، در معرض خطرات متنوعی قرار دارند و هنگامیکه تجزیه و تحلیل ارزش قابلیت اطمینان شبکه، باید مد نظر قرار بگیرد. کار ارائه شده در این مقاله نیز در این راستا می باشد. یک تجزیه و تحلیل مقدماتی با استفاده از MCS مستمر در زمان، روی یک سیستم تست انجام شده است (RBTS). نشان داده شد که نیاز به یک جا به جایی و حرکت از استفاده متداول از مقادیر میانگین به PDF ها می باشد. PDF ها نه تنها تاثیر سطوح مختلف وقفه در سیستمهای قدرت را محاسبه می کنند، بلکه امکان آنالیز روزانه ارزش قابلیت اطمینان را نیز فراهم می کنند.
همچنین آنها تفسیر شاخص محاسبه شده را افزایش می دهند. مشخص شد که نادیده گرفتن تغییرات زمانی در CIC ها و در نظر گرفتن تنها مقادیر میانگین، بطور شدیدی می تواند باعث دست کم گرفتن خطرات ناشی از مقادیر افراطی (بالا و پایین) CIC شود. روش و نتایج بدست آمده از تجزیه و تحلیل نشان می دهد که با تعریف یک سطح مشخص، شاخصهای ارزش قابلیت اطمینان می تواند پیش بینی شود.
بیان نتایج به این شیوه اجازه می دهد تا مدیران غیر مهندسی تصمیمات مدیریتی با کفایتی در مورد بالا بردن سطح پشتیبانی و زیر ساخت سیستم قدرت اتخاذ کنند. همچنین برای وضع قوانین و مقرراتی به منظور تعیین پاداش و جریمه لازم برای تعدیل هزینه یا تعرفه ها در برابر قابلیت اطمینان، کمک می کند.
نتایج بدست آمده از شبیه سازی با متلب:
کلید واژه :
Business customers, Customer interruption costs, Probability distribution function, Reliability-worth
شبیه سازی مقاله Investigating the use of probability distribution functions in reliability-worth analysis of electric power systems
توسط کارشناسان سایت متلبی پیاده سازی گردیده و به تعداد محدودی قابل فروش می باشد.
سفارش انجام پروژه مشابه
درصورتیکه این محصول دقیقا مطابق خواسته شما نمی باشد،. با کلیک بر روی کلید زیر پروژه دلخواه خود را سفارش دهید.
دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.