توضیحات
Optimal Relay Coordination for Microgrids Using Hybrid Modified Particle Swarm Optimization -Interval Linear Programming Approach
هماهنگ‌سازی بهینه رله برای ریزشبکه‌ها با استفاده از بهینه‌سازی ترکیبی ازدحام ذرات اصلاح شده و روش برنامه ریزی خطی بازهای
فقط با متلب 2016b قابل اجراست.
توضیحات زیر تنها قسمت های برگزیده از ترجمه و آموزش شبیه سازی هست.
چکیده:
در سیستم‌های قدرت، جریان خطای دیده شده در رله به محل جریان و تغییرات ساختاری شبکه وابسته است. جریان خطای دیده شده در رله برای خطای نزدیک بزرگتر از جریان دیده شده برای خطای دور است. در سیستم‌های توزیع حلقوی با تولید پراکنده (DG)[1]، جریان‌های خطا از هر دو سمت خط جاری می‌شود و در نتیجه جریان دیده شده توسط رله از هر دو جهت متفاوت است. وجود این جریان‌های متغیر خطای، ممکن است منجر به عدم هماهنگی رله‌های اضافه جریان جهت‌دار (DOCRs)[2] شوند. برای غلبه بر این مسئله، لازم است قیدهای هماهنگ‌سازی مربوط به جریان‌های خطا در مکان‌های مختلف خطا محقق شوند. این مقاله یک روش جدید مبتنی بر برنامه‌نویسی خطی بازهای (ILP)[3] پیشنهاد میدهد که با بهینه‌سازی ازدحام ذرات اصلاح‌شده (MPSO)[4] ترکیب شده‌است. ایده اصلی این است که قیدهای نامساوی یک مسئله برنامه‌ریزی خطی استاندارد [5](LP) را با استفاده از تئوری ILP به قیدهای بازهای تبدیل کرده و مسئله ILP به یک مسئله LP استاندارد تبدیل شود. این فرآیند، تعداد قابل توجهی از قیدهای هماهنگ‌سازی را کاهش میدهد و پاسخ زیربهینه بهتری را در مقایسه با بهینه‌سازی سنتی بدست می‌آورد. روش ارائه شده بر روی سیستم IEEE 14باسه در قالب یک ریزشبکه تست شده است.
شبیه‌سازی دارای دو فایل سیمولینک و چند m فایل می‌باشد. این شبیه‌سازی‌ها با متلب 2016b انجام شده است و با ورژن‌های پایین‌تر متلب قابل اجرا نیست. در ادامه روند شبیه‌سازی به صورتی جزء به جزء توضیح داده شده و روش ران کردن فایل ها مختلف بیان شده‌است.
جمع‌آوری داده‌ها برای سیستم مورد مطالعه (پوشه Data Collector):
در اولین مرحله شبیه‌سازی، لازم است جریان خطای سیستم برای سناریوهای مختلف خطا محاسبه شود. برای این کار، سیستم مورد مطالعه مقاله در دو حالت متصل به شبکه و ایزوله در سیمولینک متلب شبیه‌سازی شده‌است. فایل Connected.slx در پوشه Data collector مربوط به شبیه‌سازی سیستم مورد مطالعه در حالت متصل به شبکه بوده و فایل Isolated.slx نیز مربوط به حالت ایزوله می‌باشد.
یکی از نکات بسیار مهم که باید به آن توجه شود این است که در مقاله بیان شده است که پنج DG با ظرفیت نامی MVA 5 در سیستم نصب شده است با این وجود، مقدار بار سیستم ایزوله بر اساس داده‌هایی که برای سیستم IEEE14bus موجود است MW 47 می‌باشد. مشخص است که 5 عدد DG با ظرفیت MVA 5 قادر به تامین توان MW 47 نمی‌باشند و سیستم از نظر فرکانس و ولتاژ پایدار نخواهد بود. بنابراین این کار مقاله از نظر علمی مشکل‌دار است. البته ممکن است نویسندگان مقاله در شبیه‌سازی انجام شده، مقدار بار سیستم ایزوله را کاهش داده باشند ولی در این رابطه چیزی در مقاله بیان شده است. برای حل این مشکل، در شبیه‌سازی سیستم Isolated، مقدار توان هر یک از DGها را برابر MVA 10 تنظیم کرده‌ام. ولی در صورتی که مایل باشید می‌توانید این اعداد رو اصلاح کرده و برابر همان اعداد بیان شده در مقاله قرار دهید.
سناریوهای مختلف خطا در m فایل Data.m نوشته شده‌است. در این فایل ابتدا داده‌های سیستم IEEE 14bus تعریف شده و در ادامه با تغییر مکان خطا در سیستم و تغییر مکان خطا در طول یک خط، مقدار جریان رله‌های مختلف اندازه‌گیری شده‌است. در فایل Data ابتدا دو ماتریس Line و Load تعریف شده است که داده‌ها مربوط به امپدانس خطوط و بار هر یک از باس‌های سیستم می‌باشند. در این ماتریس‌ها، مقادیر امپدانس بر اساس پریونیت و مقادیر بار هر باس بر اساس مگاوات داده شده است.
در مرحله بعدی فرکانس سیستم و امپدانس پایه برای هر ناحیه از سیستم (سیستم دارای یک ناحیه ولتاژ بالای 69 کیلوولت و یک ناحیه ولتاژ متوسط 13.8 کیلوولت می‌باشد) تعریف شده است. در ادامه مقدار مقاومت، سلف و خازن خطوط در ماتریس‌های R، L و C جایگذاری می‌شود.
برای شبیه‌سازی خطا در هر خط، یک بلوک Fault در وسط هر یک از خطوط سیستم در ناحیه 2 قرار داده شده‌است که بر اساس یک حلقه for، این خطاها به ترتیب فعال می‌شوند. امپدانس هر خط نیز به دو قسمت تقسیم شده و در دو طرف بلوک خطا قرار داده شده است. برای تغییر فاصله خطا بر روی هر خط، امپدانس دو طرف خطا تغییر داده شده است. به عنوان مثال، در شکل 1 خط 6-11 سیستم مورد مطالعه نشان داده‌شده‌است.
شکل 1. خط 6-11 سیستم مورد مطالعه
با توجه به شکل 1، برای تغییر مکان خطا (F1) بر روی خط 6-11، مقدار امپدانس L6-11 s1 و L6-11 s2 تغییر داده می‌شود. در ابتدا مقدار L6-11 s1 صفر و مقدار L6-11 s2 برابر با امپدانس خط 6-11 تنظیم می‌شود. در این حالت، مانند این است که خطا در ابتدای خط 11-6 رخ داده است. در ادامه به صورت پله‌های 10 درصد، مقدار L6-11 s1 افزایش داده شده و مقدار L6-11 s2 به همان میزان کاهش داده می‌شود که این حالت، مانند این است که خطا با فاصله های ده درصد از ابتدای خط 11-6 به سمت انتهای خط 6-11 حرکت می‌کند. بخش مورد نظر برای رله‌گذاری دارای 8 خط بوده و به صورت کلی نیز 11 سناریو خطا در نظر گرفته شده است بنابراین در پایان، جریان خطا یک ماتریس 16×11×8 خواهد بود که 16 تعداد رله‌های سیستم می‌باشد. این ماتریس برای حالت متصل به شبکه با IF1 و برای حالت ایزوله با IF2 ذخیره شده‌است.
برای اندازه‌گیری جریان نامی رله‌ها نیز فرض شده است که هیچ خطایی در سیستم وجود نداشته باشد و مقدار جریان رله‌های با ران کردن سیمولینک بدست می‌آید. مقدار جریان نامی رله‌ها برای حالت متصل به شبکه با In1 و برای حالت ایزوله با In2 ذخیره‌شده‌است….
توضیح شبیه‌سازی الگوریتم PSO اصلاح شده (پوشه DPSO):
پوشه DPSO حاوی الگوریتم PSO اصلاح شده می‌باشد. مشابه مقاله هماهنگ‌سازی رله‌ها برای حالت متصل به شبکه و ایزوله به صورت جداگانه انجام شده است. فایل DPSO_C مربوط به هماهنگ‌سازی رله‌ها با استفاده از PSO اصلاح شده برای حالت متصل به شبکه بوده و DPSO_I نیز مربوط به حالت ایزوله می‌باشد. فایل‌های fitness1 و fitness2 نیز برای محاسبه تابع هزینه در حالت متصل به شبکه و ایزوله نوشته شده‌است. …
در ادامه نتایج بدست آمده با استفاده از DPSO برای دو حالت متصل و ایزوله آورده شده‌است. توجه شود که در مقاله مقدار PS بر اساس کیلو آمپر می‌باشد ولی در اینجا به صورت آمپر نوشته شده‌است.
شکل 2. منحنی تابع هزینه برای DPSO در حالت متصل (شکلها در گزارش کار آمده اند)
شکل 3. زمان عملکرد رله 2 و 8 برای وقوع خطا در خط 11-6 برای حالت متصل با DPSO
جدول 1. نتایج بهینه‌سازی برای حالت متصل با استفاده از DPSO
Relay TSM PS tmin t_max
_____ _______ ___ _______
1 0.18716 242.52 0.28144 0.3758
2 0.10036 345 0.25683 0.83849
3 0.10117 1270.4 0.24467 0.44648
4 0.10122 123.29 0.18812 0.6031
5 0.11466 1069 0.26239 0.37197
6 0.10013 524.84 0.30925 1.8822
7 0.1517 467.19 0.30158 0.34565
8 0.10239 484.84 0.33335 0.43833
9 0.24823 648.17 0.53699 0.799
10 0.10217 576.52 0.34925 0.7267
11 0.10158 638.9 0.25525 0.3552
12 0.10281 542.04 0.26736 0.37458
13 0.18257 112.75 0.30311 0.40436
14 0.32935 157.29 0.51698 0.6766
15 0.10224 364.64 0.19964 0.29547
16 0.11772 322.9 0.27631 0.44025
شکل 4. منحنی تابع هزینه برای DPSO در حالت ایزوله
جدول 2. نتایج شبیه‌سازی برای حالت ایزوله با DPSO
Relay TSM PS tmin t_max
_____ _______ ______ _______ _______
1 0.1 97.698 0.27845 0.32886
2 0.10084 189.13 0.39463 0.50148
3 0.10004 41.011 0.18754 0.23913
4 0.10866 48.185 0.23432 0.35597
5 0.1 133.76 0.31867 0.44436
6 0.1011 135.01 0.30693 0.40718
7 0.10104 122.66 0.39454 0.4421
8 0.13603 273.58 0.61 0.66747
9 0.12811 124.79 0.40029 0.51952
10 0.11611 154.01 0.39316 0.52174
11 0.21118 109.38 0.6529 0.78924
12 0.10104 237.33 0.43061 0.54047
13 0.10001 93.002 0.27531 0.51288
14 0.12168 113.23 0.3161 0.45444
15 0.101 176.77 0.33571 0.47829
16 0.16048 112.3 0.48317 0.71826
شکل 5. زمان عملکرد رله 2 و 8 برای وقوع خطا در خط 11-6 برای حالت ایزوله با DPSO
توضیح شبیه‌سازی الگوریتم PSO-ILP (پوشه DPSO-ILP):
شبیه‌سازی پوشه DPSO_ILP شامل شبیه‌سازی دو حالت متصل و ایزوله با استفاده از الگوریتم DPSO-ILP می‌باشد. در این شبیه‌سازی‌ها، کد الگورتیم DPSO تغییر چندانی نداشته است. تنها تعداد متغرهای بهینه‌سازی بردار x که قبلا توضیح داده شد 32 عدد است در اینجا 16 عدد می‌شود که شامل مقادیر PS رله‌ها می‌باشد. در این روش، مقادیر TMSها با استفاده از برنامه‌نویسی خطی بازهای بدست می‌آید.
در این پوشه کد DPO_ILP_C مربوط به حالت متصل بوده و کد DPSO_ILP_I نیز مربوط به حالت ایزوله می‌باشد. توابع هزینه هر یک از این حالت‌ها نیز fitness3 و fitness4 می‌باشد.
در ادامه نتایج بدست آمده با استفاده از DPSO_ILP برای دو حالت متصل و ایزوله آورده شده‌است.
شکل 6. مقدار تابع هزینه بر اساس تعداد تکرارها برای حالت متصل با DPO-ILP
جدول 3. نتایج شبیه‌سازی حالت متصل با DPSO-ILP
Relay TSM PS tmin t_max
_____ _______ ______ _______ _______
1 0.1 1540.1 0.26205 0.45312
2 0.1 238.18 0.22382 0.57568
3 0.1129 710.53 0.22497 0.36099
4 0.1 150.75 0.19715 0.7221
5 0.10092 1217.4 0.24182 0.3493
6 0.1 475.17 0.29531 1.481
7 0.1 2248.7 0.37528 0.48943
8 0.1 511.94 0.3344 0.44333
9 0.1 802.52 0.23264 0.35855
10 0.10893 308.07 0.28196 0.46859
11 0.1 571.49 0.24109 0.33052
12 0.12829 587.82 0.34453 0.48879
13 0.1 210.07 0.19743 0.27966
14 0.10665 377.39 0.21241 0.30093
15 0.1 715.41 0.24411 0.40689
16 0.10128 402.18 0.25779 0.43113
شکل 7. زمان عملکرد رله 2 و 8 برای وقوع خطا در خط 11-6 برای حالت متصل با DPSO-ILP
شکل 8. مقدار تابع هزینه بر اساس تعداد تکرارها برای حالت ایزوله با DPO-ILP
Relay TSM PS tmin t_max
_____ _______ ______ _______ _______
1 0.1 121.45 0.30622 0.36798
2 0.1 160.63 0.35748 0.44422
3 0.1006 73.436 0.22631 0.30414
4 0.10001 55.026 0.22546 0.35029
5 0.10389 111.31 0.30443 0.41198
6 0.1 142.44 0.31115 0.41602
7 0.11267 109.29 0.4124 0.45877
8 0.1 341.92 0.52567 0.5844
9 0.1 117.62 0.30406 0.39163
10 0.1 277.19 0.47984 0.73274
11 0.1 127.27 0.33239 0.40793
12 0.10019 231.67 0.42061 0.52598
13 0.10053 90.402 0.27356 0.50482
14 0.1 106.04 0.25326 0.36036
15 0.11743 169.87 0.3828 0.54113
16 0.1 161.75 0.35998 0.58867
شکل 9. زمان عملکرد رله 2 و 8 برای وقوع خطا در خط 11-6 برای حالت ایزوله با DPSO-ILP
- نتیجه‌گیری
در این مقاله یک راه‌حل برای مسئله هماهنگ‌سازی رله در سناریو ریزشبکه با استفاده از روش ترکیبی MPSO-ILP ارائه شد. زمانیکه بسیاری از سناریوهای خطا در نظر گرفته می‌شوند، روش ILP برای اعمال قیدهای زیاد مسئله بهینه‌سازی در زمانی که سناریوهای مختلف برای خطا در نظر گرفته می‌شود مورد استفاده قرار می‌گیرد. در روش ارائه شده، پیچیدگی هماهنگی رله‌های ریزشبکه ناشی از دو جهته بودن جریان، تغییر سناریوهای خطا و تغییر پیکربندی، از طریق نمایش دامنه جریان خطا به صورت بازهای و فرمول‌بندی یک تابع هدف خطی، با موفقیت رفع شده است. ضریب قید را نیز می توان به صورت بازهای نمایش داد و با انتخاب بهینه مقادیر تنظیمات پلاگین (PS)[1]، تابع هدف غیرخطی را به یک تابع هدف خطی با ضرایب بازهای تبدیل کرد. MPSO به منظور انتخاب بهینه‌ی مقادیر PS اعمال شده است و مسئله ILP برای بدست آوردن مقادیر بهینه TMS حل شده است. برای یک سیستم تست مورد نظر، پاسخ بهینه هم برای پیکربندی متصل به شبکه و هم برای پیکربندی ایزوله بدست آمد و نشان داده شد که روش پیشنهاد شده مشخصه‌های همگرایی بهتری در مقایسه با MPSO استاندارد دارد. این کار را میتوان از طریق سناریوهای دیگر مانند تغییرات ساختاری شبکه مانند قطع خط، اضافه نمودن یا قطع DGها توسعه داد.
[1] Plug Setting
[1] Distribution Generation
[2] directional overcurrent relays
[3] Interval Linear Programming
[4] Modified Particle Swarm Optimization
[5] linear programming
کلید واژه:
Optimal relay coordination, microgrids, modified particle swarm optimization , interval linear rogramming, directional overcurrent relays, nonlinear optimization
هماهنگ‌سازی بهینه رله, ریزشبکه ها, بهینه‌سازی ازدحام ذرات اصلاح‌شده, برنامه‌نویسی خطی بازهای, رله‌های اضافه جریان جهت‌دار, بهینه‌سازی غیرخطی
شبیه سازی مقاله Optimal Relay Coordination for Microgrids Using Hybrid Modified Particle Swarm Optimization -Interval Linear Programming Approach
توسط کارشناسان سایت متلبی پیاده سازی گردیده و به تعداد محدودی قابل فروش می باشد.
دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.