توضیحات
بهینه سازی هیبریدی برای پارامترهای تولید پراکنده در یک شبکه سیستم قدرت
عنوان اصلی مقاله:
Hybrid optimization implemented for distributed generation parameters in a power system network
شبیه سازی در محیط ام فایل متلب انجام شده است.
دارای گزارش ورد 23 صفحه ای می باشد.
توضیحات پروژه بهینه سازی پارامترهای DG
شبیه سازی روش مقاله بر روی شبکه 33 و 69 باسه استاندارد IEEE انجام شده است. با توجه به اینکه پخش بار با در نظر گرفتن رفاه اجتماعی حل شده، برای حل پخش بار از تولباکس Matpower استفاده شده است. بهینه سازی توسط الگوریتم ژنتیک – فازی انجام شده است.
در گزارش شبیه سازی با متلب کاملا تشریح شده و برای هر بخش از کدها به صورت جداگانه توضیحات ارائه شده است.
مثلا در مورد شبکه های 33 و 69 باسه یا در مورد بدنه اصلی کد که الگوریتم ژنتیک است توضیحات بخش های مختلف کد ارائه شده است. در این شبیه سازی ام فایلی با نام FuzzyAnalysis قرار گرفته است. بر اساس روش پیشنهادی در مقاله، ابتدا با استفاده از منطق فازی و بر اساس شاخص حساسیت تلفات و دامنه ولتاژ، شین‌های مستعد برای نصب DG مشخص می‌شود. این روند در کد FuzzyAnalysis اعمال شده است. به این منظور یک فایل فازی با نام Fuzzy.fis تعریف شده که توابع عضویت آن مطابق شکل 1 تا 3، و قوانین آن نیز مطابق جدول 1 تعریف شده است. بر اساس شکل 1، فازی طراحی شده دارای دو ورودی می‌باشد که BV دامنه ولتاژ شین‌ها بر حسب پریونیت و PL شاخص حساسیت شین‌ها به تلفات انرژی می‌باشد. توابع عضویت این ورودی‌های مطابق شکل 1 و 2 مقاله تنظیم شده است. بخش دوم فازی یعنی Fuzzy(mamadani) جدول قوانین فازی را شامل می‌شود که در گزارش به صورت کامل توضیحات آن آمده است. سومین بخش فازی نیز توابع عضویت خروجی‌ها را نشان میدهد. خروجی فازی میزان اهمیت هر شین برای نصب DG است. سیستم فازی طراحی شده در کد FuzzyAnalysis برای مشخص کردن شین‌های کاندید برای نصب DG مورد استفاده قرار می‌گیرد.
برای حل پخش بار از روش چهارم مت پاور یعنی گوس سایدل استفاده شده است.
کد OPF33: این کد برای حل پخش بار با در نظر گرفتن DGها نوشته شده است. به صورت زیر ورودی این کد شامل متغیرهای مسئله یعنی مکان، نوع و ظرفیت DGها بوده که با بردار X دریافت می‌شود. خروجی تابع نیز به ترتیب دامنه ولتاژ شین‌ها، تلفات کلی سیستم، توان عبوری از خطوط، رفاه اجتماعی، مقدار تقاضا، سود بارها و هزینه تولید می‌باشد.
کد fitness: این کد برای محاسبه شایستگی هر پاسخ می‌باشد و رابطه 11 مقاله در آن پیاده‌سازی شده‌است.
کد result: این کد برای نمایش خروجی‌ها نوشته شده و نکته خاصی ندارد. در این کد ابتدا خروجی‌ها بدون در نظر گرفتن DGها و سپس با در نظر گرفتن DGها محاسبه شده و در نهایت به صورت جدول و شکل نمایش داده می‌شود.
نتایج شبیه سازی با متلب
همانطور که اشاره شد، در هر پوشه با ران کردن GA، بهینه‌سازی شروع می‌شود. به عنوان مثال برای سیستم IEEE33، نتایج پس از پایان ران GA به صورت شکل 5 و 6 نمایش داده می‌شود. مطابق این شکل‌ها مشخص است که با افزایش تعداد تکرارها، مقدار fitness و همچنین مقدار سود مصرف‌کنندگان بهبود پیدا کرده‌است. توجه شود که بهینه سازی برای Ndg=2 ران شده است.
شکل 5. مقدار fitness بهترین پاسخ برای هر تکرار در سیستم IEEE 33
شکل 6. سود مصرف‌کنندگان در هر تکرار برای سیستم IEEE 33
در ادامه با ران کردن results، سایر نتایج نمایش داده می‌شود. در ابتدا یک جدول به صورت زیر در command window متلب نمایش داده می‌شود.
این جدول شین نصب، نوع و ظرفیت (MW) هر یک از DGها نصب شده را مشخص می‌کند. مشخص است که برای سیستم مورد نظر دو PV در شین 8 و 25 نصب شده است که به ترتیب 4.23 و 3.57 مگاوات ظرفیت داشته‌اند. شکل‌های 7 الی 9 نیز به ترتیب دامنه ولتاژ شین‌ها، تقاضای هر شین و توان عبوری از خطوط است که برای قبل و بعد از نصب DG مقایسه می‌شوند.
شکل 7. دامنه ولتاژ شین‌های سیستم IEEE 33 برای قبل و بعد از نصب DG
شکل 8. مقدار تقاضای شین‌ها برای قبل و بعد از نصب DGها در سیستم IEEE 333
شکل 9. محدودیت خطوط، توان عبوری قبل از نصب DG و توان عبوری بعد از نصب DG برای هر فیدر از IEEE 33
بر اساس شکل 7 مشخص است که با اضافه کردن DGها، پروفیل ولتاژ شبکه بهبود پیدا کرده است. شکل 8 نشان میدهد که اضافه شدن DGها موجب افزایش تقاضا در برخی شین ها شده که ناشی از افزایش رفاه اجتماعی می‌باشد. شکل 9 نیز نشان میدهد که با وجود اضافه شدن DGها، محدودیت ظرفیت خطوط رعایت شده است.
در نهایت نیز یک جدول به صورت زیر نمایش داده می‌شود که سطر اول آن خروجی‌های سیستم قبل از نصب DGها و سطر دوم برای بعد از نصب DGها می‌باشد. ستون دوم تلفات کلی سیستم، SW رفاه اجتماعی، Demand تقاضای کل سیستم را نشان می‌دهند. دو ستون آخر نیز سود مصرف‌کنندگان و هزینه تولیدکنندگان را نشان میدهد. مشخص است که با نصب DGها، تمام مشخصه‌های سیستم بهبود پیدا کرده‌است. این نتایج عینا برای IEEE 69 نیز برقرار می‌باشد.
کلیدواژه:
Distributed generation, Hybrid optimization, Customer benefit, Power loss, Location, Size
بهینه سازی هیبریدی برای پارامترهای تولید پراکنده در یک شبکه سیستم قدرت با متلب
طبق توضیحات فوق توسط کارشناسان سایت متلبی تهیه شده است 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.