دانلود ترجمه مقاله کاربرد سیستم پشتیبان تصمیم گیری (DSS) بلک استارت در سیستم قدرت عایق – مجله IEEE

فهرست مطالب:

چکیده
۱ مقدمه
۲ فرمولاسیون مسئله
A تابع هدف
B محدودیت ها
۳ روش و ساختار BSS
A شیوه بهینه سازی
۴ نتایج کاربردی
A انتخاب اوزان و پنالتی ها
مدهای برقدار کردن
B تست سازگاری BSS
۵ نتیجه گیری

بخشی از ترجمه:

مقدمه

امروزه تقاضا برای برق رسانی مطمئن و کارآمد بسیار افزایش یافته است. اگرچه قابلیت اعتماد برق رسانی با تجهیزات کنترل پیشرفته، افزایش یافته است، اما هنوز امکان بلک اوت یا خاموشی سراسری گسترده نظیر خاموشی سراسری شمال شرقی سال ۲۰۰۳ در ایالات متحده و کانادا و خاموشی سراسری در ژاپن در ۱۱ مارچ سال ۲۰۱۱ به خاطر وقوع سونامی وجود دارد. از آنجایی که تایوان در منطقه زلزله خیز اقیانوس آرام و منطقه اقلیمی بادهای موسمی زیرحاره ای واقع شده است، در نتیجه زیرساخت های سیستم قدرت به دلیل وقوع زلزله، زمین لغزه، طوفان و جریانات گل آسیب می بینند. همچنین بار زیاد باعث کاهش ثبات و پایداری در TPS و افزایش احتمال خاموشی سراسری می شود. اگر به دلیل خرابی یا عملکرد نادرست وسایل حفاظتی، به خرابی درست رسیدگی نشده باشد، آنگاه TPS به عنوان یک شبکه قدرت ایزوله با سازه محدود به خاطر شکل زمین، احتمالاً فرو می ریزد. از سال ۱۹۷۶، تایوان بیش از دو خاموشی سراسری در مقیاس بزرگ را تحمل کرده است که باعث ضرر و زیان اقتصادی قابل ملاحظه شده و امنیت ملی را تهدید کرده اند. برای تسهیل روند بازگردانی خدمات وکاهش تلفات حاصله، ازبلک استارت، روشی برای بازگردانی برق رسانی توسط واحدهای استارت خودراه انداز  (BSU) ، به عنوان اولین کار بعد از رخداد خاموشی سراسری شدید استفاده می شود.
به خاطر ویژگیهای پیچیده سیستم های قدرت تحت شرایط نامعتدل، بلک استارت معمولاً به صورت یک مسئله تصمیم گیری دینامیکی یا پویا و چند هدفه فرمول نویسی می شود. برای گسترش و پیشرفت بازگردانی قدرت، مسائل مختلفی در رابطه با ژنراتورها، تجهیزات مورد استفاده دربرق قدرت و سیستم های انتقال با دقت مورد مطالعه و تحقیق قرار گرفته است.  بر اساس راهبردهای بازگردانی کلی و تجربه اپراتورها،از تاسیسات برق و قدرت برای تعیین طرحهای بلک استارت از قبل جهت تامین معیارها و نیازمندیهای خاصشان استفاده می شود. اما به خاطر موقعیت های غیر منتظره، بلک استارت به ندرت برطبق برنامه ریزیهای انجام شده پیش می رود. برای ارائه خودکار مناسب ترین طرح های بلک استارت،از سیستم های هوشمند دانش بنیان تقویت شده با تکنیک های پشتیبانی از تصمیم،  در سطح گسترده استفاده شده است. تکنیک های بهینه سازی مدرن در حال توسعه نیز برای حل مسائل چند هدفه مورد توجه زیادی قرار گرفته اند.

بخشی از مقاله انگلیسی:

INTRODUCTION

NOWADAYS, the demand for reliable and sufficient powersupply is becoming increasingly intensive. Although thereliability of power supply has been enhanced by progressivecontrolling apparatus, there is still a possibility of large areablackout, such as the Northeast Blackout of 2003 in the UnitedStates and Canada [1] and the blackout in Japan on March 11th,2011 caused by the tsunami [2]. Since Taiwan is located on thePacific Ocean seismic zone and the subtropical monsoon climateregion, power system infrastructures risk being damagedby earthquakes, landslides, typhoons, and mudflows. Also, theincreased load has caused decreased stability in TPS and raisedthe possibility of blackouts. As an isolated power networkwith aconfined structure due to the land shape, TPS is likely to collapseif a fault is not handled properly due to the failure or mal-operationof protection devices. Since 1976, Taiwan has suffered over two large-scale blackouts [3], [4], which have caused considerableeconomic loss and threatened national security. To facilitatethe service recovery and reduce the relating loss, black start,the procedure to restore power supply by self-starting black startunits (BSU), is the first task after a severe blackout occurs.Due to the complex characteristics of the power systemsunder an extreme condition, black start is commonly formulatedas a multi-objective and dynamic decision-making problem.Various problems and issues related to generators, powerdevices and transmission systems have been carefully studiedfor the improvement in power restoration [5]–[۱۰]. Based onthe general restoration guidelines [11]–[۱۵] and the experienceof operators, power utilities used to pre-establish the blackstart schemes to meet their particular criteria and requirements.However, due to unexpected situations, black start is rarelyprogressed exactly as planned. To automatically generate themost suitable black start schemes, knowledge-based expertsystems functionally strengthened by the decision supportingtechniques have been widely utilized [16]–[۲۰]. Emergingmodern optimization techniques have also received muchattention to solve the multi-objective problems [21]–[۲۳].As the state-of-the-art publications in regards to black startdecision making mostly focus on the approaches and algorithms[24]–[۲۸] yet putting less illustration on the tool realization foractual power systems, this paper presents not only the formulationand optimization methodology to the black start problemthat comprises multiple factors regarding system characteristics,components, and simulation results, but also the structure,tasking and linking of the core modules of the developed decision-supporting tool named BSS for actual isolated power systems such as TPS. Since the problem is a non-differentiablemixed integer nonlinear programming (MINLP) problem that isdifficult to be solved by traditional mathematical optimizationtechniques, a hybrid approach combining the graph algorithmand swarm intelligence is adopted to achieve the optimal solutions.With the modular structure and multi-thread programming,the developed BSS can efficiently evaluate the optimalblack start strategies according to the prevailing system conditionand the planning objectives. Moreover, the BSS can easethe verification process by the function of simulation automation.Through practical application to TPS, it is justified that theBSS is able to compute the optimal black start strategies in atimely fashion, including the ones established manually by TPCdispatchers and also the alternative plans which are not exploredby the manual planning, in sense of minimizing the value of theformulated objective function [29].