مبتدی (مناسب برای درک مفهوم کلی مطلب) 

DGP در ساعات اوج بار برای کمک به SHGP برای عملیات سیستم امن کار می کند. با توجه به ارتفاع بالا، هر دیزل ژنراتور تنها حداکثر 1.0 مگاوات را در چنین محیطی تولید می کند. تولید گازهای گلخانه ای می تواند اثرات نامطلوب قابل توجهی بر روی سیستم زیست محیطی محلی آسیب پذیر ایجاد کند. علاوه بر این، هزینه حمل و نقل سوخت به راه دور، منطقه فلات, بسیار گران است. هزینه های بالا و نرخ انتشار بالا, زمان بهره برداری از دیزل ژنراتور را محدود می کند.
با افزایش تقاضای بار در منطقه، SHGP دیگر نمی تواند به نیازها پاسخ دهد. بدون افزایش تولید دیزل ژنراتورها، منابع انرژی تجدید پذیر (RESS) برای خدمت به افزایش تقاضا در نظر گرفته می شوند. به منظور استفاده از منابع خورشیدی فراوان (با مدت زمان آفتاب بیش از 2000 ساعت در سال) در این منطقه، یک نیروگاه تولید فتوولتائیک (PVGP) برای توسعه و یکپارچه سازی با سیستم های موجود به شکل یک ریزشبکه PVSHH جدید برنامه ریزی می شود همانطور که در شکل 1 نشان داده شده است. ریزشبکه PVSHH قادر به افزایش ثبات سیستم، بهبود بهره وری، کاهش انتشار، و برآورده سازی خواسته های برق و آب برق منطقه خواهد بود.
در فاز اول این پروژه، یک (PV) سیستم 5 MWP فتوولتائیک و سیستم ذخیره سازی انرژی باتری 5 مگاوات ساعت (BESS) نصب شده اند. به علت هزینه های اولیه و تعمیر و نگهداری بالای آن، BESS دارای ظرفیت نسبتاً محدود است. BESS به طور عمده برای صاف نمودن نوسانات برق و انتقال انرژی اضافی از سیستم PV مورد استفاده قرار می گیرد.
برای رسیدن به یک عملیات امن و کارآمد، EMS ریزشبکه PVSHH بر اساس ملاحظات زیر طراحی می شود:
(1) PVGP دارای بالاترین اولویت در تولید است. با کمک BESS، انرژی اضافی سیستم PV در هر صورت در روز ذخیره خواهد شد و برای حمایت از اوج بار در شب استفاده می شود. این امر موجب افزایش استفاده از سیستم PV و کاهش زمان بهره برداری از DGP می شود. تنها زمانی که BESS به طور کامل شارژ شود، تولید PV باید به تعادل تقاضای بار و جلوگیری از تنظیم ولتاژ محدود شود.
(2) بهره برداری از SHGP دارای اولویت بالا برای پاسخگویی به تقاضای آب مسکونی، به خصوص در فصل خشک است. برای بسیاری از زمان ها، SHGP بار پایه را تامین می کند و تولید آن در کل باید بالاتر از آستانه خروجی پایین تر باشد.
SHGP مسئول تنظیم فرکانس سیستم است.
(3) استفاده از دیزل ژنراتور باید به حداقل برسد. DGP تنها به عنوان یک اوج ساز برای برآورده سازی خواسته اوج استفاده می شود.
از زمانی که این پروژه ریزشبکه PVSHH به تصویب رسید، مطالعات گسترده ای در طراحی و پیاده سازی ریزشبکه ترکیبی انجام شد. ما به طور فعال در پروژه ریزشبکه درگیر شدیم و مسئول طراحی و پیاده سازی EMS هستیم. بر اساس اصول طراحی، این تیم EMS مبتنی بر MAS را پیشنهاد می دهد و آن را بر روی پلت فرم شبیه سازی زمان واقعی تایید می کند. بحث مفصل در توسعه یک EMS مبتنی بر MAS-برای ریزشبکه PVSHH در بخش های زیر داده می شود.

3. روش مدیریت انرژی مبتنی بر MAS
EMS مبتنی بر MAS پیشنهادی, مدیریت انرژی را در مقیاس چند ساعت بر اساس استراتژی مناقصه (VBD) مجازی و یک الگوریتم فرستادن توان پویا انجام می دهد. VBD, برنامه زمانبندی عملیات سیستم و ظرفیت ذخیره را بر اساس یک پلت فرم مناقصه عمومی تعیین می کند در حالی که الگوریتم اعزام پویا در زمان واقعی برای جبران خطای کنترل توان DG ها کار می کند. محیط دارای ارتفاع بالا منجر به یک هدف کنترل خاص و پارامترها در سیستم پیشنهادی، مانند تعدیل قیمت مجازی برای DG های مختلف می شود که نشان دهنده ملاحظات مختلف عملیاتی است که در بخش 2 مورد بررسی قرار گرفته است. با این وجود، روش پیشنهادی را می توان به آسانی برای دیگر برنامه های کاربردی گسترش داد.

3.1. مناقصه مجازی
برای MGهای متصل به شبکه، قیمت برق به طور معمول به عنوان مرجع برای DG های مناقصه تنظیم می شود. اما، این روش برای MGS مستقل نه تنها به خاطر اینکه MG مستقل از شبکه برق اصلی جدا نیست بلکه به خاطر عدم موفقیت در شناختن تنوع در روش های مختلف DG مناسب نیست. بنابراین، یک استراتژی VBD برای زمانبندی بهره برداری از DG ها در ریزشبکه هیبریدی با در نظر گرفتن شرایط عملیاتی و ویژگی های DG، به خصوص استفاده از منابع و تخصیص، تنها به جای سود اقتصادی پیشنهاد می شود. هدف آن بهبود ثبات عملیات سیستم از طریق برآورده سازی بار پایه از طریق SHGP و اوج بار با استفاده از منابع دیگر، حداکثر رساندن استفاده از سیستم PV با کمک BESS و کاهش زمان بهره برداری از DGP مطابق با اولویت های عملیاتی / مورد نیاز سیستم مورد بحث در بخش 2 است.
همانطور که در شکل (1) نشان داده می شود، قیمت مناقصه مجازی یک DG از هزینه حاشیه ای و هزینه جبران پویا تشکیل شده است. هزینه نهایی توسط هزینه تولید واقعی تعیین می شود در حالی که هزینه جبران پویا در زمان واقعی با توجه به محدودیت های تولید، تخصیص منابع و اثرات محیط زیست به روز می شود.

در ریزشبکه PVSHH، مرکز VBD در ابتدا قیمت پاکسازی و طرح اعزام توان مرتبط برای DG ها را بر اساس هزینه های حاشیه ای و سطح بار سیستم محاسبه می کند. قیمت پاکسازی, مرجع جبران پویا برای DG ها است و شبیه به قیمت برق برای MGهای متصل به شبکه است.
به منظور استفاده بهتر از تولید PV، یک انتظار توان پارامتری به نام توان PV (Pev) تعریف می شود. انتظار می رود که تولید PV واقعی بین PEV و حداکثر تولید PV باشد. اگر تولید توان پاکسازی PV کوچکتر از Pev باشد، ، به عنوان یک عدد منفی برای تحریک تولید PV بیشتر تعیین می شود. در مقابل، اگر پیشنهاد بزرگتر از یا برابر با Pev باشد, ، در صفر تنظیم می شود که در شکل (2) نشان داده شده است. Pev یک ثابت به دست آمده در بهینه سازی اندازه سیستم با ملاحظات عملیاتی است. تولید PV اضافی (به عنوان مثال، تولید PV منهای Pev) برای اولین بار در BESS ذخیره می شود، و سپس برای حمایت از اوج بار در شب مورد استفاده قرار می گیرد. انرژی ذخیره شده در BESS دارای یک قیمت ثابت مجازی است که کمی ارزان تر از قسمت DGP است که ناشی از کاهش زمان بهره برداری از DGP است.

مبتدی (مناسب برای درک مفهوم کلی مطلب) 

2. مرور کلی سیستم ذخیره انرژی
پیکره بندیهای سیستم ذخیره انرژی (ESS) ، طبقه بندیها و ساختار آنها در زیربخشهای زیر نشان داده شده است.

A. پیکره بندی سیستم ذخیره انرژی
به طور معمول سیستم ذخیره انرژی (ESS) تجمعی و توزیع شده، دو پیکره بندی اصلی فن آوری سیستم ذخیره انرژی (ESS) برای کاربردهای ریزشبکه (MG) هستند که در شکل 4 نشان داده شده‌اند. در سیستم تجمیعی، مقدار جریان انرژی از DERs بهbus PCC مقدارثابتی است. علاوه بر این، کل ظرفیت این ESS را می‌توان برای کاهش نوسانات جریان برق استفاده کرد (43). اگر ظرفیتیک دستگاه ذخیره انرژی افزایش یابد، هزینه آن نیز افزایش می‌یابد. ساخت و کنترل ESS های بزرگ کار دشواری است. بنابراین، از دستگاه‌های ذخیره انرژی توزیع شده در مقیاس کوچک می‌توان برای دستیابی به تنظیم قابل اطمینان و عملی قدرت استفاده کرد. دستگاه‌های ESS در پیکربندیهای ذخیره توزیع شده مستقیماً به وسیله رابطهای بی شماری به منابع توزیعی خاصی متصل می‌شوند. با این حال، کنترل جریان نیرو، اصلی‌ترین چالش پیش روی سیستم توزیعی است. علاوه براین، فرایند ذخیره سازی هنوز هم از طریق رابطهای الکترونیکی قدرت برای منابع توزیع شده و ESS، تلفاتی را متحمل می‌شود (12).
B. طبقه بندی سیستم ذخیره انرژی
ESS بر اساس استفاده از انرژی به یک شکل خاص طبقه بندی می‌شود. ESS را می‌توان به صورت یک سیستم ذخیره انرژی مکانیکی، الکتروشیمیایی، شیمیایی، الکتریکی، حرارتی و ترکیبی طبقه بندی کرد. علاوه بر این، این سیستم‌ها را بسته به روند تشکیلشان و مواد مورد استفاده در آنها ، می‌توان باز هم طبقه بندی کرد. شکل 5 جزئیات مربوط به طبقه بندی ESS را نشان می‌دهد (44). باتری‌ها (45)، ذخیره سازی هوای فشرده (CAES) (46)، ذخیره سازی انرژی فلای ویل (FES) (47)، SCs (16)، (48)، ذخیره انرژی مغناطیسی ابرخازن (SMES) (49)، ذخیره سازی هیدروژن (50)، و ذخیره انرژی هیبریدی (HES) (44)، (51)، (52) از رایج‌ترین فن آوریهای ذخیره سازی در کاربردهای ریز شبکه هستند.

C. ساختار سیستم ذخیره انرژی (ESS)
انرژی را می‌توان با تبدیل انرژی الکتریکی به شکل دیگری مثل انرژی شیمیایی یا مکانیکی ذخیره کرد (42). علاوه بر این، سیستم‌های ذخیره سازی را می‌توان به سه بخش طبقه بندی کرد: ذخیره سازی مرکزی، مرحله تبدیل نیرو و مرحله کنترل. در ذخیره سازی مرکزی، انرژی پس از تبدیل ذخیره می‌شود و تبدیل نیرو به عنوان رابط بین ذخیره مرکزی و سیستم نیرو با انتقال دو طرفه عمل می‌کند. در مرحله کنترل، میزان شارژ یا تخلیه انرژی ذخیره شده با استفاده از حسگرها و سایر وسایل اندازه گیری تعیین می‌شود. دستگاه‌های ذخیره انرژی منبع ایده آل انرژی نیستند. بنابراین، در هر مرحله از فرآیند ذخیره سازی با تلفاتی مواجه می‌شوند(42).

3. انواع سیستمهای ذخیره انرژی
A. سیستم‌های ذخیره سازی مکانیکی
سیستم‌های ذخیره انرژی مکانیکی (MSS)سودمند هستند، زیرا می‌توانند انرژی را به صورت انعطاف پذیری از منابع تبدیل و ذخیره کنند (52). علاوه بر این، آن‌ها می‌توانند در صورت نیاز به کار مکانیکی، نیروی ذخیره شده را آزاد کنند (53). بر اساس اصول کاری، MSS را می‌توان به عنوان گاز فشاری، فنر فشرده، انرژی جنبشی، و انرژی پتانسیل طبقه بندی کرد. با این حال، از دیدگاه فنی، سیستم‌های ذخیره سازی مکانیکی از سه تکنیک تشکیل شده‌اند: فن آوریهای فلای ویل، ذخیره سازی هیدرولیکی پمپی، و انرژی هوای فشرده. از بین این سه سیستم، سیستم‌های ذخیره سازی آب پمپی (PHS)با داشتن چرخه عمر طولانی، بیشترین ظرفیت ذخیره سازی برق را در جهان دارا هستند. اگرچه سیستمهای انرژی فله هنوز هم به PHS متکی هستند، اما PHS اشکالاتی مثل هزینه‌های بالای سرمایه، تأثیر منفی بر محیط زیست و کاهش پیاده سازی ژئولوژیکی را نیز دارد. بنابراین، بهبود PHS در آینده محدود است (54)-(57). جزئیات مربوط به فن آوریهای دیگر مثل سیستمهای ذخیره انرژی فلای ویل (FESS)، CAES، سیستم‌های ذخیره انرژی گرانش (GES) در زیر مورد بحث قرار می‌گیرند.
1) سیستم‌های ذخیره انرژی فلای ویل
فلای ویل به عنوان مؤلفه اصلی مدرنترین FESS یک استوانه (دیسک) چرخان عظیم است که با استفاده از یاتاقانهای مغناطیسی بر روی استاتور پشتیبانی می‌شوند (58). FESS را می‌توان در دو دسته اصلی توصیف کرد: FESS پرسرعت و کم سرعت (59). فلای ویل‌هایی با سرعت زیر 10،000 دور در دقیقه به عنوان فلای ویل‌های کم سرعت شناخته می‌شوند که در صنایع محبوبیت زیادی دارند (60). سازه‌های اصلی یک سیستم فلای ویل ، و یک فلای ویل استوانه‌ای توخالی در شکل 6 نشان داده شده است (61). برای عملکرد صحیح دستگاه‌ها می‌توان از یک فلای ویل استفاده کرد که به صورت مکانیکی انرژی جنبشی را از چرخش روتور با سرعت زیاد ذخیره می‌کند (59)، (62). انرژی جنبشی ذخیره شده در FESS با سرعت و اینرسی مرتبط است. FESS کم سرعت شامل یک صفحه فولادی با اینرسی بالا و سرعت پایین است. از سوی دیگر، FESS پرسرعت دارای یک صفحه کامپوزیت با اینرسی نسبتاً پایین و سرعت بالا است. با افزایش سرعت چرخش روتور، انرژی ذخیره شده نیز به همین نسبت افزایش می‌یابد و انرژی ذخیره شده در یک مربع با حرکت زاویه‌ای تغییر می‌یابد. این انرژی ذخیره شده را می‌توان با کم کردن گشتاور روتور (حالت تخلیه) و برگرداندن انرژی جنبشی به موتور الکتریکی که به عنوان یک ژنراتور عمل می‌کند، باز هم مورد استفاده قرار داد (52)، (62). راندمان دستگاه‌های ذخیره فلای ویل بین 90٪ تا 95٪ می‌باشد، در حالیکه توان نامی آنها از 0 مگاوات تا 50 مگاوات است (63)-(65). بین این دو نوع فلای ویل را می‌توان به طور عادی مقایسه کرد و تفاوت‌های آن‌ها در جدول 1 بصورت خلاصه ارائه شده‌اند (66).
علاوه براین، فلای ویل‌ها را می‌توان بطور موازی اضافه کرد تا انرژی خاصی را افزایش دهند. تراکم انرژی از سرعت حدود (5 W h/kg) تا (100 W h/kg) متغیر است (55)، (59). در صورت نقص ناگهانی در تولید برق از منابع تجدید پذیر مانند منابع بادی یا خورشیدی، یک سیستم انرژی مشابه FESS را می‌توان بهتر از BESS پیاده سازی کرد (55).

طبق مرجع (58)، فن آوری ذخیره انرژی فلای ویل با توجه به خصوصیات منحصربفردی مثل چگالی توان بالا، سازگاری در محیط زیست، راندمان بالا ، هزینه نگهداری پایین و دوره چرخه طولانی که دارد در بخشهای مختلفی بکار برده شده است. مرجع (55) نشان می‌دهد که هزینه تعمیر و نگهداری FESS پایین است ($19/kW -سال) هرچند که هزینه سرمایه آن بالا است ($5000/kWh). مزیت اصلی FESS این است که به تجهیزات کنترل دما نیازی ندارد (47). شکل 7 کاربردهای FESS را در ریزشبکه (MG) توضیح می‌دهد.
در این فن آوری، یک مبدل توان به عنوان یک رابط الکتریکی عمل می‌کند. در مرجع (67)، یک مکانیسم بهبود یافته از توپولوژی مبدل دو طرفه با استفاده از تکنیکهای انتقال ولتاژ صفر و انتقال جریان صفر توسعه داده شد. این مطالعه نشان داد که میزان انرژی ذخیره شده با استفاده از توپولوژی پیشنهادی، 2.5 تا 3.5 درصد بود. بدین ترتیب،می‌توان از یک کنترلگر پیشرفته برای بهینه سازی ویژگیهای شارژ و تخلیه در این سیستم ذخیره سازی استفاده کرد که بطور قابل توجهی مدیریت ذخیره انرژی را بهبود می‌بخشد.
اگرچه اگرچه FESS دارای مزیتهای متعددی است ، اما اشکالاتی نیز از نظر هزینه بالای اولیه و میزان بالای خود-تخلیه دارد(3% تا 20% در هر ساعت) (68). علاوه بر این، چگالی توان بالا و چگالی انرژی پایین ، کاربرد FESS را محدود می‌کند. بنابراین، هزینه و میزان تخلیه با استفاده از فلای ویل‌های پر سرعت و پیشرفت فن آوری کاهش می‌یابد. برای غلبه بر این محدودیت‌ها، FESS با کاهش انتشار CO2 و بهبود پایداری سیستم قدرت، بسیار قابل اطمینان و پایدار می‌شود.

مبتدی (مناسب برای درک مفهوم کلی مطلب) 

2.2. ویژگی های توزیع ولتاژ یک نیروگاه PV
یک مدل معادل یک نیروگاه PV در مقیاس بزرگ در شکل 2 نشان داده شده است، جایی که Pi + jQi توان خروجی i-امین PVGU است، jQC توان راکتیو خروجی از ادوات جبران کننده توان راکتیو است، Zi امپدانس مجموع خط بین i-امین و i-1 امین PVGU و ZTi امپدانس معادل ترانسفورماتور محلی i است، UiL و UiH به ترتیب ولتاژ سمت پایین و سمت بالا در ترانسفورماتور محلی i هستند، ، UPCC ولتاژ سمت پایین ترانسفورماتور اصلی و U ولتاژ شبکه است.

2.2.1. ولتاژ PCC یک نیروگاه PV
با در نظر گرفتن ولتاژ شبکه U به عنوان مبنا، ولتاژ PCC یک نیروگاه PV می تواند تقریب زده شود:

جایی که ΔP و ΔQ تلفات توان اکتیو و راکتیو ترانسفورماتور اصلی، ترانسفورماتور محلی و مجموع خطوط هستند.
Zg = Rg + jXg به عنوان امپدانس معادل تونن شبکه خارجی تعریف شده است که از ترمینال نیروگاه PV دیده می شود.
ولتاژ PCC مرتبط با ولتاژ شبکه، توان خروجی PVGU ها، توان خروجی ادوات جبران کننده توان راکتیو، امپدانس معادل تونن شبکه خارجی و انواع تلفات است. هنگامی که ولتاژ PCC نوسان می کند، توان راکتیو ΣQi و QC می تواند باشد برای حمایت از آن تنظیم شود.

2.2.2. ولتاژ ترمینال PVGU ها
با توجه به همان ساختار خطوط ، خط اول را به عنوان مثال انتخاب کنید. ولتاژ پورت i-ام PVGU UiL است: جایی که ZTi = RTi + jXTi و Zi = Ri + jXi است.
ولتاژ ترمینال PVGU مرتبط با ولتاژ PCC، محل PVGU ها در مجموعه خطوط، امپدانس خطوط و توان خروجی PVGU ها است.
به عنوان مثال در یک نیروگاه 10 × 10 PV، مدل شبیه سازی شامل 10 خط می باشد. هر مجموعه خط شامل 10 PVGU است و یکمین PVGU نزدیکترین به PCC است. ولتاژ PCC نیروگاه برق PV در شکل 3 نشان داده شده است. این نشان می دهد که ولتاژ PCC با توان اکتیو و راکتیو رابطه ای مثبت دارد، جایی که توان راکتیو غالب است.
توزیع ولتاژ ترمینال PVGU ها در شکل 4 نشان داده شده است. با افزایش توان اکتیو، ولتاژ ترمینال PVGU افزایش می یابد. برای یکی از خطوط ، ولتاژ پورت PVGU اول حداقل و نزدیک به ولتاژ PCC است. ولتاژ پورت به تدریج در امتداد خطوط افزایش می یابد. وقتی خروجی توان اکتیو نیروگاه PV بزرگ باشد، ممکن است در انتهای مجموعه خطوط اضافه ولتاژ رخ دهد.

2.3. ظرفیت توان راکتیو اینورتر PV
ظرفیت توان راکتیو یک اینورتر PV با توان ظاهری آن محدود شده است. اگر توان اکتیو خروجی اینورتر افزایش یابد، ظرفیت توان راکتیو متعاقبا کاهش خواهد یافت. از آنجا که اینورتر می تواند در یک زمان کوتاه 1.1 برابر توان ظاهری کار کند، رابطه بین توان اکتیو خروجی و توان راکتیو خروجی اینورتر i-ام به صورت زیر است:

محدوده توان راکتیو خروجی اینورتر i است: وقتی Pi = 1 p.u و اینورتر PV نیاز به توان خروجی راکتیو در یک زمان کوتاه دارد، با توجه به فرمول (4)، Qimax = 0.458 p.u. می توان دید که Qi هنوز حاشیه اطمینان توان راکتیو را حفظ می کند.
وقتی Pi = 1 p.u و اینورتر PV نیاز به توان خروجی راکتیو در یک زمان طولانی دارد، محدوده توان راکتیو خروجی اینورتر i-ام است: برای اطمینان از اینکه Qi حاشیه امن توان راکتیو را حفظ می کند، لازم است اندازه Pi را محدود کنید. Pi به طور معمول بر اساس فرمول (5) به 0.9 پریونیت کاهش می یابد و Qimax = 0.436 p.u.

2.4. مشخصه های خروجی SVG و بانک های خازنی
اصل اساسی SVG این است که دامنه و فاز ولتاژ سمت AC مدار را تنظیم کند تا خروجی جریان راکتیو مورد نیاز را تولید کند، به این ترتیب اثر جبران کنندگی توان راکتیو به دست می آید. هنگامی که مولفه اساسی ولتاژ خروجی اینورتر کمتر از ولتاژ سیستم است، SVG توان راکتیو را از سیستم جذب می کند. هنگامی که مولفه اساسی ولتاژ خروجی اینورتر بیشتر از ولتاژ سیستم باشد، SVG توان راکتیو را به سیستم منتقل می کند. هنگامی که مولفه اساسی ولتاژ خروجی اینورتر برابر ولتاژ سیستم است، SVG در حالت توان راکتیو صفر کار می کند. بنابراین، توان راکتیو تولیدشده توسط SVG می تواند به طور مداوم از مثبت به منفی تنظیم شود. SVG مزایای پاسخ سریع ، جبران توان راکتیو مناسب، محدوده عملکرد گسترده، مقدار هارمونیک کمتر و اشغال فضای کمتر است، اما هزینه های سرمایه گذاری و عملیات آن نسبتا بالا است.
بانک های خازنی می توانند گام به گام توان راکتیو القایی را فراهم کنند. هنگامی که سیستم دارای توان راکتیو اضافی است، می توان آن را تنها با جدا کردن بانک های خازنی تنظیم کرد. قدرت راکتیو ارائه شده توسط بانک های خازنی متناسب با مربع ولتاژ گره است. هنگامی که ولتاژ گره کاهش می یابد، توان راکتیو کاهش می یابد و بانک های خازنی نمی توانند مکرراً وصل و قطع شوند تا به سرعت به تغییرات دینامیکی تقاضای توان راکتیو پاسخ دهند. بنابراین، تشخیص جبران دینامیکی توان راکتیو دشوار است. با این حال، بانک های خازنی هنوز هم ابزار اصلی برای جبران استاتیک توان راکتیو به دلیل کم هزینه بودن، تعمیر و نگهداری راحت و نصب انعطاف پذیر، هستند.

3. پیشگیری از ولتاژ و استراتژی کنترل هماهنگ اضطراری
3.1. چارچوب کلی
هدف از استراتژی كنترلی، تشخیص كنترل هماهنگ توان راكتيو در بين SVG، مبدل ها و بانك هاي خازني در نيروگاه PV با مقياس بزرگ است. استراتژی تضمین می دهد که ولتاژ در شرایط نرمال در سطح مطلوب عمل می-کند. هنگامی که یک اغتشاش در PCC اتفاق می افتد، ادوات جبران کننده توان راکتیو دینامیک به ترتیب برای پشتیبانی از ولتاژ PCC هماهنگ می شود. هنگامی که اغتشاش برطرف شود، با جایگزینی منظم توان راکتیو دینامیکی (یا سریع) و استاتیکی (یا آهسته)، SVG می تواند یک حاشیه توان راکتیو بزرگ را برای مقابله با اغتشاش احتمالی بعدی نگه دارد.
پس از محاسبه پاسخ توان راکتیو اینورترها، با توجه به اطلاعات حساسیت و ولتاژ پایانه PVGU، حداقل واریانس ولتاژ پایانه PVGU در ایستگاه بهینه می شود. در نتیجه، توان خروجی راکتیو هر اینورتر تعیین می شود و توزیع ولتاژ درون ایستگاه بهینه می شود.
در این مقاله یک استراتژی پیشگیري ولتاژ و کنترل هماهنگ اضطراری ارائه شده است، همانطور که در شکل 5 نشان داده شده است. این استراتژی شامل اندازه گیری و محاسبات حالت، وضع اضطراری ولتاژ و کنترل هماهنگ پیشگیرانه و فرآیند های توزیع تخصیص بهینه توان راکتیو در ایستگاه است.

3.2. اندازه گیری و محاسبه حالت
در مقیاس زمانی کوتاه، شدت نور دریافت شده توسط یک نیروگاه PV بزرگ تغییر نمی کند، حالت عملکرد خارجی شبکه تغییر زیادی نمی کند و پارامترهای خط (از جمله پارامترهای ترانسفورماتور) ثابت می شوند. بنابراین، تقاضای توان راکتیو نیروگاه PV را می توان با اندازه گیری ولتاژ موجود تخمین زد. Qreq توان راکتیو مورد تقاضا در نیروگاه PV برابر است با که UPCCref مقدار مرجع کنترل ولتاژ PCC است. UPCCmeas مقدار اندازه گیری شده ولتاژ PCC در حال حاضر است. همچنین (Q, P , U)δ ضریب مشخصه رگولاسیون با توجه به تاثیر Q، P و U در UPCC است که توسط شبیه سازی آفلاین به دست می آید. (Q, P , U)δ تقریبا یک ضریب ثابت در شرایط مطمئن Q، P و U است. واحد δ نیز (توان راکتیو) × 1-(ولتاژ) است.
دستگاه جبران کننده توان راکتیو بوسیله ظرفیت خودش محدود می شود. با کسب اطلاع از وضعیت عملکرد خروجی در زمان واقعی، محدوده تنظیم توان راکتیو QSmax , SVG ، QImax اینورتر و QCmax بانک خازنی می تواند محاسبه شود. سیستم کنترل توان راکتیو و ولتاژ، از طریق اطلاعات فوق، منابع توان راکتیو را هماهنگ می کند.

3.3. کنترل هماهنگ ولتاژ اضطراری
کنترل هماهنگ اضطراری ولتاژ به مشخصه های منابع توان راکتیو برمیگردد و به منظور دستیابی به کنترل اضطراری در پایداری ولتاژ گذرا استراتژی برای هر وسیله توان راکتیو را تنظیم میکند.
1) هنگامی که حاشیه(ذخیره) توان راکتیو SVG کافی باشد و تنها SVG تقاضای توان راکتیو را به عهده بگیرد، پاسخ توان راکتیو SVG است:

2) هنگامی که حاشیه توان راکتیو SVG کافی نیست، اما مجموع SVG و توان راکتیو اینورتر می توانند تقاضای انرژی راکتیو نیروگاه PV را برآورده سازند، SVG و اینورترها به طور مشترک تقاضای توان راکتیو را به عهده می گیرند. SVG حداکثر توان راکتیو را تولید می کند.

باقیمانده تقاضای توان راکتیو توسط مبدل ها به عهده گرفته میشود. پاسخ کل توان راکتیو اینورتر ها است:

3) هنگامی که مجموع توان راکتیو SVG و اینورتر کافی نباشد، SVG، مبدل ها و بانک های خازن به طور مشترک تقاضای توان راکتیو را به عهده می گیرند. با تعیین تعداد بانک های خازنی استفاده شده، توان راکتیو آنها می تواند محاسبه شود.

که در آن [(QREF-QSMAX-QIMAX) /QC0] تعداد بانک های خازنی استفاده شده است. از آنجا که بانک های خازنی تنها می توانند بصورت گروهی استفاده شوند، تعداد محاسبه شده باید گرد شود. قدرت راکتیو باقی مانده توسط اینورترها تنظیم می شود. QC0 ظرفیت یک بانک خازنی است.

مبتدی (مناسب برای درک مفهوم کلی مطلب) 

2.2 مدیریت سمت تقاضا
تقریبا تمام برنامه هایDSMاز خدمات عمومی انگیزه می گیرند. DSM مبتنی بر بهره گیری، برنامه ریزی، پیاده سازی و نظارت بر فعالیت هایی است که مشتریان را تشویق می کند تا سطح و الگوی استفاده از برق خود را تطبیق دهند به طوری که مشخصات بار توسط شرکت ابزار تغییر مییابد، بنابراین می تواند توان را به طور مطلوب تولید کند. 6 مدل شکل بار که هدف برنامه DSMاست در شكل 1 نشان داده شده است كه عبارتند از: برش پيك، پر شدن دره و بارگذاري به عنوان سطح پايه و سطح پيشرفته مانند حفاظت استراتژيك، رشد بار استراتژيك و شکل بار انعطاف پذير [16] .
اعمال یکیا چند برنامه DSM مانند زمان استفاده (TOU) می تواند به عنوان یک برنامه برای دستیابی به هدف تغییر بار از طریق ارائه قیمت بالا در دوره های اوج و قیمت پایین در دوره های غیر اوج استفاده شود [16]. این تغییر در بارها شامل تغییرات در مدل DED به عنوان بخشی از تقاضا است که با توجه به سطح مشارکت و تعداد وسایل قابل شارژ، تغییر می کند و مشخص می شود. تقاضای جدید تقاضای مرجع خواهد شد و به تقاضای رو به بالا افزوده و تقاضای رو به پایین را از آن تقلیل می دهد همانطور که در معادله نشان داده شده است. (8).
بنابراین، از طریق تقاضای جدید مورد نیاز که خروجی روش ما است، تعرفه نرخ TOU باید با دقت طراحی شود تا مشتریان را تشویق به پیروی از همان مشخصات نماید. پس از اضافه کردن محدودیت هایDSM به مشکل DED، تقاضای قدیمی داده شده در معادله. (2) به صورت داده شده در معادله(12). تغییر خواهد کرد.
. موارد مطالعه شده
مطالعات موردی به طور گسترده ای در یک سیستم شامل 6 ژنراتور حرارتی و یک مزرعه باد انجام می شود. جزئیات ژنراتور برای سیستم تست شش واحد در جدول 1 آمده است [17]. شکل 2 داده هایت وان مزرعه باد را در یک روز به عنوان 10٪ازکلتولید (1 p.u.) نشان می دهد. در مطالعه موردی، دو سطح نفوذ 10٪و 20٪موردمطالعهقرارگرفتهاست. برایDSM، سه سطح مختلف مشارکت در نظر گرفته شده شامل 5٪، 10٪و 15٪سطحمشارکتاست. سطحمشارکتاطلاعاتمربوطبهدرصدموردانتظارشرکتکنندگاندربرنامهDSM را فراهم می کند، بنابراین 15٪بهاین معنی است که 15٪کلباردربرنامهDSM شرکت می کنند.
شکل 3 اطلاعات مربوط به کل بار در زمستان و تابستان را نشان می دهد. این کل بار شامل بارهای مسکونی، تجاری و صنعتی می شود. این مقاله فرض می کند که فقط بارهای مسکونی در برنامه DSM شرکت کنند. درصد بارهای مسکونی مانند مصر در محدوده 50 درصد کل بار است، [18]. بار مسکونی شامل بارهای جداگانه مانند ماشین لباسشویی،ماشین ظرفشویی،یخچال و فریزر، فریزر، بخاری آب، پمپ آب، اجاق گاز، نورپردازی و سایر لوازم خانگی است. بارهای تهویه مطبوع در تابستان اضافه خواهد شد.
برنامه DSM تنها از بارهای متحرک از بخش مسکونی مانند ماشین های شستشو، ماشین های ظرفشویی، آبگرمکن ها و تهویه مطبوع استفاده می کند تا تغییرات لازم را در کل بار بر اساس سطح مشارکت انجام دهد.

4. نتایج و بحث
تعدادی از سناریوها مانند تغییر سطح مشارکت مصرف کنندگان و سطح نفوذ باد برای پروفیل های مختلف بارگیری در فصل زمستان و تابستان با استفاده از DSMاعمال می شود تا برخی از مسائل مربوط به نفوذ بالا انرژی های باد به طور خاص رمپ که در زمان کاهش بارو افزایش باد و یا بالعکس رخ می دهد و یا عدم انطباق بین قدرت باد بالا و پیک بار را حل کند.
سناریوهای مختلفی مورد توجه بوده است. جداول 2-5 خروجی راه حل هایDED را در موارد مختلف ارائه می دهد. نرم افزار GAMS با استفاده از BARON به عنوان الگوریتم حل کننده و ژنتیکی با عملکرد ترکیبی (fmincon) برای حل مشکل DED مورد استفاده قرار می گیرد. نتایج نشان میدهد که استفاده از GA با fmincon نتایج تقریبا معمولی مانند GAMS را ارائه می دهد اما براینتیجه بهینه نیاز به تکرار دارد و همچنین زمان بیشتری را نسبت به استفاده از GAMS اتخاذ می کند. به عنوان مثال، در صورت بارگیری تابستان با DSM و سطح مشارکت 15٪،زمانانجامGAMS 5 ثانیه است، در حالی که GA با عملکرد ترکیبی 15 دقیقه برای هر تکرار طول می کشد و در بعضی موارد بیش از یک تکرار برای رسیدن به مقدار بهینه لازم است (پردازنده هسته i5 و RAM 4 مگابایت است).
همانطور که در جدول 2 (نتایج 10٪نفوذباددریک روز در زمستان) به وضوح نشان داده شده است، بدون استفاده از DSM، راه حل مشکل DED مقداری ثابت برای هزینه عملیات می دهد که برابر 32171.013 $ صرف نظر از سطح مشارکت است، زیرا وجود دارد هیچ برنامه DSM وجود ندارد. با این حال، هنگام استفاده از برنامه DSM برای تغییر برخی از بارهای قابل تغییر، هزینه بر اساس سطح مشارکت متفاوت است، بنابراین وقتی سطح مشارکت افزایش مییابد هزینه عملیات کاهش مییابد. در مورد زمانی که باد موجب افزایش رمپ بالا یا پایین می شود که بیش از حد نرخ رمپ ژنراتورهای حرارتی می شود، انرژی باد استفاده شده کمتر از حالت بدون رمپ است که به وضوح در شکل نشان داده شده است. شکل های 4 و 5، بنابراین کل هزینه عملیات در صورت وجود رمپ بالا می رود. استفاده از DSM انعطاف پذیری بیشتری را طریق افزایش درصد بهره برداری از انرژی باد به سیستم اضافه خواهد کرد، که به وضوح در شکل 4 نشان داده شده است، با توجه به این که کل هزینه عملیات قطعا کاهش خواهد یافت و کمترین هزینه عملیاتی برای 15٪سطح مشارکت است.
جدول 3 (نتایج حاصل از نفوذ 10٪نفوذباددریک روز در تابستان) به وضوح نشان میدهد که بار پیک بالا با مقدار بالای انرژی باد مطابقت ندارد. واضح است که بدون استفاده از DSM و یا تخلیه بار، مشکل حل نخواهد شد، زیراتوان بالای باد در زمان غیر از پبک میباشد. به این ترتیب، دو راه حل برای حل این مشکل وجود دارد: از بین رفتن بار یاDSM. اما استفاده از تخلیه بار بر کیفیت خدمات و سطح رضایت مشتری تأثیر می گذارد. با این حال با استفاده از DSM این مسئله بسته به سطح مشارکت حل خواهد شد. همانطور که در جدول 3 نشان داده شده است سلول به نام ” بار با DSM ‘، سیستم نیاز به بیش از 10٪سطحمشارکتبرای حل اختلاف بین بار حداکثر و اوج توان باد دارد. همچنین از شکل 6 روشن است که با افزایش سطح مشارکت درصد بهره برداری از انرژی باد افزایش مییابد.
جداول 4 و 5 نتایج استفاده از سطح نفوذ 20 درصد انرژی باد را نشان می دهد. واضح است که هزینه عملیات کمتر از سطح نفوذ 10٪است. نشان داده شده است که سیستم هنوز با مشکل عدم هماهنگی بین حداکثر بار و حداکثر توان باد مواجه است. با این حال روشن است که مسئله رمپینگ در هنگام استفاده از سطح بالای نفوذ باد موثر خواهد بود. به عنوان مثال، درصد بهره برداری از انرژی باد کمتر از مواردی است که در انرژی باد تغییری وجود ندارد، همانطور که در شکل نشان داده شده است. 4 و 5. شکل. 6 و 7 به وضوح نشان می دهد که با افزایش سطح نفوذ انرژی باد، درصد استفاده از انرژی باد کاهش مییابد اما با استفاده از DSM درصد استفاده از انرژی باد افزایش مییابد.
به طور کلی، تمام نتایج جدول اطمینان می دهد که درصد بهره برداری از انرژی باد در مشکل DED به شدت تحت تاثیر استفاده از برنامه DSM قرار دارد و در بعضی موارد راه حل هایی بدون استفاده از DSM وجود ندارد، زیرا اختلاف بزرگی بین بار باد و بار پیک در مورد تابستان با سطح نفوذ 10٪باد وجود دارد. افزون براین، اگر در بعضی موارد دیگریک رمپ بیش از مقادیر قابل قبول ژنراتور حرارتی باشد، انرژی باد محدود شده افزایش یابد؛ با این حال با استفاده از DSM با سطح نفوذ بالا می توان مسائل مربوط به عدم انطباق انرژی و یا مسائل رمپ را کنترل کرد.

مقاله انگلیسی رایگان (PDF)

ترجمه فارسی رایگان (PDF)

خرید ترجمه با فرمت ورد

بخشی از ترجمه فارسی مقاله:

1-مقدمه
نورپردازی نقش حیاتی در فعالیت های طبق روال انسان ها ایفا می کند و ممکن است مصنوعی (لامپ) یا طبیعی (نور خورشید) باشد.
نورهای مصنوعی یکی از مولفه های سیستم الکتریکی است که بر کیفیت زندگی افراد تاثیر می گذارد. سیستم نورپردازی کافی در امکان کاری، کلاس درس، اداره ها و غیره مورد نیاز است تا فعالیت مد نظر را انجام داد. با این وجود، آن به طور کارکرد برای افرادی مناسب باشد که درون ناحیه کاری مشغول به فعالیت اند. به هر حال، اکثر فناوری های نوری جدید به عنوان بار غیر خطی تقسیم بندی می شوند که ممکن است تاثیر منفی بر کیفیت نیرو شبکه توزیع محیط داشته باشند. به علاوه، نورپردازی 21% ازمصرف انرژی کل برق را در جهان به خود اختصاص می دهد. لذا کاهش مصرف انرژی الکرتیکی با استفاده از لامپ های مقرون به صرفه در کل یکی از مهم ترین راه حل ها برای کاهش مصرف انرژی الکتریکی است. بسیاری از شرکت ها برای فراهم سازی این راه حل، سعی دارند لامپ های مختلف تولید کنند. لذا، فناوری های نورپردازی مختلف به بازار عرضه شده اند. به هر حال ارزیابی ویژگی های عملکرد این فناوری نورپردازی و تاثیرات ممکن آنها بر شبکه نیرو حائز اهمیت است.
فناوری های لامپ متنوع از زمان ابداع لامپ رشته ای پدیدار شده اند که یکی از جدیدترین آنها فناوری ال.ایی.دی است. فناوری های نورپردازی جدید صرفه جویی در انرژی رابه طور جدی مد نظر قرار داده اند. نیاز به لامپ های مقرون به صرفه نه تنها به حاطر مزایای صرفه جویی در انرژی، بلکه قوانین اعمال شده در کشورهای مختلف برای ممنوع کردن لامپ های رشته مد نظر بوده اند. این لامپ ها مزایایی همانند دسترسی به برق ارائه می دهند اما تولید ناکافی برق ممکن است منابع محسوب گردد. یک مزیت دیگر کاهش هزینه برق بوده که آنها را به طور ویژه جذاب ساخته است.
هر چند فناوری های نورپردازی مردن این مزایای عمده را ارائه می دهند، این گرایش وجود دارد که هماهنگی ها و همسوگری ایجاد می کنند چون بار غیر خطی اند. همسوگری در سیستم نیرو پیامدهای منفی راجع به سیستم نیرو ایجاد می کند؛ آن اتلاف را افزایش داده و باعث حرارت مازاد تجهیزات می شود که طول عمر را کاهش می دهد. همسوگری فرعی می تواند باعث چشمک زن گردد که منجر به تاثیر نامطلوب بر بینایی، عدم تعادل و اشباع پذیری اصلی ترانسفورمرها و کاهش استحکام حرارتی موتورهای القا می گردد. لذا ارزیابی تاثیر این فناوری های لامپ مدرن بر سیستم قدرت ضرورت دارد. کارهای قابل ملاحظه ای در زمینه تاثیر چند فناوری نورپردازی بر شبکه توزیع انجام شده است. مسئله پایه ای اساسی کاربرد توده ای سی اف ال و ال ایی دی مسئله اختلال در ولتاژ شبکه است که به خاطر جریان کج شکل به وجود آمده که حاوی میزان بالایی از قطعات هماهنگ می باشد. علاوه بر این، کاهش اعوجاج هماهنگی ایجاد شده با سی اف ال ها بسیار دشوار است چرا که به طور گسترده در شبکه سیستم نیرو عمده توزیع می شوند. اعوجاج هماهنگ فزون یافته می تواند باعث اتلاف عمده به سیم پیچ شده و لذا دمای غیرعادی ترانسفورها افزایش می یابد. لذا هنگامی که بارهای غیرخطی همانند ال ایی دی و سی اف ال مصرف کنندگان انرژی عمده در شبکه توزیع اند، کاهش کارایی زودهنگام ترانسفورمر و کاهش طول عمر مفید ترانسفورمر برخی از مسائل مطرح شده اند. در این مقاله سه فناوری مختلف لامپ یعنی لامپ های دیود تشعشع نوری، لامپ های رشته ای و لامپ های شرده نوری تحلیل می شوند تا تاثیر کاربرد آنها بر کیفیت نیرو سیستم توزیع از طریق تجربه آزمایشگاهی بررسی گردد. بقیه این مقاله چنین ساماندهی شده است:بخ 2 به توصیف تاثیر هماهنگی بر شبکه توزیع با استفاده از ساختار تجربی آزمایشگاهی می پردازد، بخش 3 به مقایسه ویژگی های ولتاژ و جریان فناوری های نوری مختلف می پردازد، بخش 4 درجات تولید هماهنگی در بین فناوری ها مطرح می کند، بخش 5 به مقایسه دیگر ویژگی های عملکردی فناوری ها و بخش 6 به نتیجه گیری مقاله می پردازد.

بخشی از مقاله انگلیسی:

I. INTRODUCTION

Lighting plays a vital role in regular human activities which may be artificial (lamps) or naturally (sunlight). Artificial lightings is adjudged to be one of the component of electrical system that affect the quality of life of people[1]. Adequate lighting system is required in work places, classrooms, offices etc. to achieve a given task comfortably. Hence, it should be functionally suitable for people working inside the task area. However, most recent light technologies are classified as non-linear load which may impact negatively on the power quality of the surrounding distribution network. Moreover, lighting accounts for 21% of the total electrical energy consumption in the world [1]. Therefore, reducing the electrical energy consumption by using energy efficient lamps is generally believed to be one of the important solutions to reducing electrical energy consumption. In an attempt to provide this solution, so many companies sprang-up to manufacture different lamps. Hence, different lighting technologies have found their ways into the market. As such, it is paramount to evaluate the performance characteristics of these lighting technology and the possible effects they might have on the power network. Various lamp technologies have emerged since the invention of the incandescent, one of the most recent being the LED technology. The new lighting technologies have taken energy savings into serious considerations. The demand for energy-efficient lamps is on the increase not only because of its energy-saving benefits, but also for the laws applied in different countries to ban the use of incandescent bulbs[2]. Such lamps offer benefits as access to electricity is hampered by inadequate generation. One major benefit which is reduction in electricity cost has made them particularly attractive. Although these modern lighting technologies offer these huge benefits, there is a tendency that they produce harmonics since they are non-linear load. Harmonics in power system poses negative consequences on the power system; it increases line losses and cause excessive heating of equipment which decreases their lifetime [3, 4]. Sub-harmonics could cause flickers that result in an uncomfortable visual effect on the eyes, imbalance and core saturation of transformers and thermal aging of induction motors[5, 6]. It is therefore necessary to evaluate the impact of these modern lamp technologies on the power system. Considerable work has been done regarding the effect of several lighting technologies on a distribution network. The basic problem arising in the mass usage of CFLs and LEDs is the problem with the network voltage distortion that arises due to their distorted current which contains a high level of harmonic components. Moreover mitigation of harmonic distortion caused by CFLs is very difficult once they are widely distributed over the large power system network [7]. Increased harmonic distortion can cause excessive winding losses and hence abnormal temperature rise in transformers. So when non-linear loads such as LEDs and CFLs are the major energy consumers in a distribution network, early fatigue of transformer insulation and reduction of the useful life of transformer are some of the issues that could arise [8]. In this paper, three different lamp technologies i.e. Light Emitting Diode (LED) lamps, Incandescent Lamps (IC) and Compact-fluorescent lamps (CFL) are analysed to check the impact of their usage on the power quality of a distribution system through a laboratory experiment. The rest of the paper is organised as follows: section 2 described the effect of harmonic on the distribution network using the laboratory experimental set-up, section 3 compares the voltage and current characteristics of different lighting technologies, section 4 presents harmonic generation levels of the technologies, section 5 compares other performance characteristics of the technologies while section 6 concludes the paper

مبتدی (مناسب برای درک مفهوم کلی مطلب) 

مرحله 1: شناسایی تجمع گره (AN)
الزامات:
1) گره‌های حسگر قادر به گرفتن تصمیمات مسیریابی براساس پیام‌های سطح برنامه هستند.
2) هر پرس و جو تولید شده از رجیستری ETL باید به گره ریشه فرستاده شود در غیر این صورت به عنوان گره همزمانی در WSN نامیده می‌شود.
مراحل:
1. پیام پرس و جو ساخته شده توسط کپسوله‌سازی پرس و جو و ID پرس و جو خود (به صورت خودکار)، به شبکه WSN توسط گره ریشه فرستاده می‌شود.
2. در شبکه، خوشه تشکیل شده براساس هر کدام از گره‌ها، دانسته‎های خود را برای پرس و جو ارسال می‌کند و به‌عنوان عضوی از کلاستر برای ID پرس و جو خاص مشخص می‌کند.
3. سپس عامل CL_factor در داخل خوشه برای انتخاب گره AN مورد استفاده قرار می‌گیرد.
مرحله 2: تجمع داده
1. گره ریشه سیگنال تجمع داده را به گره‌های هدف می‌فرستد.
2. گره‌های هدف ارسال داده برای یک دوره خاص را آغاز می‌کند.
3. به هنگام عبور داده‌ها از گره AN، تجمع داده در لایه شبکه جای می‌گیرد. در روش ما تجمع داده در لایه شبکه به خودی خود و بدون نیاز به ارسال بسته اطلاعاتی به لایه کاربرد جای می‌گیرد. این فرایند در شکل 3 نشان داده شده است.
4. هنگامی که دوره جستجو منقضی شد AN که قبلا شناسایی شده است حذف شده و خوشه تازه همراه با AN برای هر گونه نمایش جدید داده تشکیل شده است.
یک سناریو را در نظر بگیرید که در آن ETL یک درخواست “SELECT دما از سنسور که در آن طبقه = 3 برای 10 ثانیه ” مطرح می‌کند [13]. در این مورد رویکرد ما یک پرس و جو مطرح می‌کند و گره‌های منبع هدف شناسایی می‌شود. سپس خوشه و AN همانطور که در مرحله 1 توضیح داده شده تشکیل می‌شود. این گره AN فقط برای این پرس و جو خاص است. برای جستجوهای مختلف گره منبع متفاوتی می‌‌تواند وجود داشته باشد و در نتیجه ANهای متفاوتی می‌تواند مشخص شود. لایه شبکه پرس و جو با شناسه جستجوهای مربوطه را در همکاری با لایه کاربردی شناسایی می‌کند، در نتیجه از ANهای مختلفی برای پرس وجو استفاده می‎‌شود. رویکرد فعلی می‌تواند با داشتن یک مکانیزم ذخیره‌سازیبهبود یابد و به عنوان کار آینده که در محدوده این مقاله نیست مطرح است.

4. شبیه‌سازی
الف) تشکیل خوشه در شبکه:
منطقه شبکه به سلول‌های مبتنی بر اندازه شبکه از نظر ارتفاع و عرض و دامنه ارتباطات تقسیم می‌شود. هر سلول به یک شناسه اختصاص داده شده و به عنوان یک خوشه تشکیل شده است. هر خوشه برخی از اعضای خوشه را برای تشکیل خوشه در بر دارد. سپس عضو خوشه، داده را به سرخوشه می‌فرستد. پس از جمع‌آوری داده‌های دریافت شده، سرخوشه داده را برای همزمانی ارسال می‌کند. روش پیشنهادی انتخاب سرخوشه طرح متفاوتی از طرح‌های موجود است.

ب) EECP (پروتکل خوشه‌بندی با انرژی کارآمد) براساس انتخاب سرخوشه و جمع‌آوری داده‌ها:
روند انتخاب سرخوشه براساس Energy_factor انجام می‌گیرد که نسبت انرژی باقی‌مانده و انرژی اولیه از اعضای خوشه است. عضوی از خوشه با بالاترین Energy_factor به‌عنوان سرخوشه انتخاب می‌شود. پس از انتخاب سرخوشه، تمام اعضای خوشه اطلاعات خود را به سرخوشه مربوطه خود ارسال می‌کنند. سپس، سرخوشه جمع‌آوری داده‌ها را انجام می‌دهد. داده‌های جمع‌آوری شده از سر خوشه برای همزمانی از طریق روتر ارسال می‌شوند.

ج) روش پیشنهادی انتخاب سرخوشه مبتنی بر CLCP و جمع‌آوری داده‌ها:
روند انتخاب سرخوشه براساس CL_factor انجام می‌شود که دو پارامتر دارد؛ انرژی باقی‌مانده و فاصله متوسط از اعضای خوشه. عضوی از خوشه با بالاترین CL_factor به‌عنوان سرخوشه انتخاب می‌شود.
با ادغام داده‌ها: پس از انتخاب سرخوشه، همه اعضای خوشه داده‌ها را به سرخوشه، که مسئول جمع‌آوری داده‌ها است ارسال می‌کنند. سپس داده‌های جمع‌آوری شده از سرخوشه برای همزمانی از طریق روتر فرستاده می‌شود.
بدون ادغام داده‌ها: پس از انتخاب سرخوشه، سرخوشه داده‌ای را که از اعضای خوشه دریافت کرده، بدون جمع‌آوری داده‌ها انتقال می‌دهد. سپس داده از سر خوشه برای همزمانی از طریق روتر ارسال می‌شود.
شبیه‌‎ساز NS2 برای شبیه‌سازی محیط و تجزیه و تحلیل اثر استفاده از روش CLCP مورد استفاده قرار می‌گیرد. گره‌ها در یک منطقه 600*600متر توزیع شده‌اند. گره‌های مختلفی که برای ارسال داده از یک منبع به گره همزمانی استفاده می‌شوند با صفر نامگذاری می‌شوند. سناریو شبیه‌سازی یکسانی با CLCP-withaggregation، CLCP-بدون-تجمع و روش EECP برای مقایسه تعداد دور متفاوت استفاده می‌شود. در مجموع 5 شبیه‌سازی برای 5 سناریو با تعداد دور متفاوت (هر 15 ثانیه)، باعنوان 1، 2، 3، 4 و 5 انجام می‌شود. با استفاده از سرخوشه، گره‌ها، همانطور که در شکل 4 نشان داده شده است با هم به صورت خوشه گره‌بندی می‌شوند.

د) انرژی باقی‌مانده واقعی
شکل 5 تاثیر انرژی باقی‌مانده با توجه به CLCP را با و بدون تجمع و EECP نشان می‌دهد. این کاهش در انرژی به دلیل استفاده از انرژی برای انتقال داده‌ها در هر دور است.
CLCP، با یا بدون تجمع، دستیابی افزایش انرژی باقی مانده واقعی زمانی به EECP مقایسه شده است.

ه) توان
شکل 6 تاثیر توان با توجه به مواد و روش‌های مختلف را نشان می‌دهد.
هنگامی که تعداد دور افزایش توان عملیاتی است کاهش. CLCP بدون تجمع رسیدن بهتر توان زمانی که به CLCP با تجمع در مقایسه همچنین روش EECP است.

و) تاخیر
شکل 7 تاثیر تاخیر با توجه به CLCP با و بدون روش‌های تجمع و EECP را نشان می‌دهد.
هنگامی که تعداد دور افزایش می‌یابد، تاخیر نیز افزایش یافته و CLCP بدون وجود تجمع در مقایسه با CLCP با وجود تجمع به کمترین تاخیر خود دست می‌یابد.

مبتدی (مناسب برای درک مفهوم کلی مطلب) 

اصلاح اوج بار
اصلاح بار برای کاهش اوج تقاضا بر سیستم نیرو استفاده میشود ، یا در مناطق توازن مانند یک حفره یا بر روی یک زیرسیستم از قبیل خوراک دهنده ی توزیع. این ممکن است در برخی راه ها وابسته به نیازهای سیستم و اهداف راهبرد مورد استفاده ، انجام شده باشد. مثالی از آن تغییر محدود انرژی تجدیدپذیر یا انرژی تولید شده با قیمت پایین در طول زمان هایی از افت تقاضا به دوره هایی شدت تقاضا است که کاربرد انرژی تجدیدپذیر را افزایش بدهد یا استفاده از واحدهای تولید اوج گرانتر را کاهش بدهد. BESS یکی از گزینه های سطح شبکه در حال ظهور برای تولید تغییر جهت تولید هستند برای وقتی که مورد نیازاست و برای هموار کردن نوسانات نیرو. به منظور برنامه ریزی عملکرد باتری برای 24 ساعت آینده ، یک یک پیشگویی از نمایه جریان نیرو مورد نیاز است. روش رگرسیون خطی برای حاصل کردن نمایه نیرو در الگوریتم پیشگویی بهینه استفاده شده است.

روش رگرسیون خطی
در این روش ، معیار پیشگویی برای هر گام زمانی برای n نمونه ی جمع شده بر مبنای کمترین امتیاز مناسب چندجمله ای محاسبه شده است.
این مقاله روش پیشگویی بار موازی که به اصلاح اوج بار از منحنی بار نیاز دارد را بحث میکند. مزیت این روش پیشگویی بار مطرح شده بار محاسبه ی اندک و سبک آن است . دو مورد کاربرد کنترل BESS سپس مورد ارزیابی و بیان قرار گرفتند. مورد کاربرد اول تمرکز بر روش اصلاح اوج بار است که عملکرد صحیح را بیان میکند تا زمانی که عدم قطعیت بار در طول دوره ی اولیه شارژ BESS و دِشارژ شدن در اول صبح و ساعات اولیه بعدازظهر کم است . این روش، اگر چه، ممکن است در دوره ی زمانی که تغیر تولید pv بالا است به خوبی عمل نکند. مورد دوم کاربرد BESS ساختن بالای مورد اول توسط اضافه کردن یک الگوریتم نیرو است که یک منبع بهبود یافته منحنی نیرو را به کار می برد تا دوره های زمانی را وقتی تولید pv و تغییر بازده نیرو بالا است نشان دهد در حالیکه ظرفیت اصلاح اوج باقی می ماند.

آزمایشات BESS
به منظور گسترش درک خوب از عملکرد BESS بر شبکه ی نیرو ، چندین آزمایش شارژ و دِشارژ انجام شدند و اندازه گیری الکتریکی از وسایل SCADA در منتقل کننده های توزیع رسم شدند.

جریان نیروی فعال
در این آزمایشات، BESS با گام های 50 kW شارژ شده است. این آزمون انجام شده است تا تاثیر شارژ بر سطح ولتاژ و عملگر منتقل کننده ی بار Tap Changer (LTC) درک شود. تغییرات گام ها برای اهداف کوچک نگه داشته میشوند و همچنین برای دیدن اثر تغییرات افزایشی نیرو بر شبکه ، کوچک نگه داشته میشوند. BESS و جریان نیروی فعال و سطح ولتاژ منتقل کننده و گراف SOC BESS در شکل 2 و 3 به ترتیب نشان داده شده است.

در شکل 2 و شکل 3. گراف های آبی و قرمز در اندازه گیری های نیرو ، به ترتیب نیروی فعال و کنشی بیان میشوند. در نمودار اندازه گیری ولتاژ ، فاز A ، B و C توسط رنگ های آبی، قرمز و سبز به ترتیب نشان داده میشوند. شارژ کردن BESS شکل رایج شبکه ی اصلی را طراحی میکند و یک افت ولتاژ تدریجی محسوس توسط LTC وجود دارد. در نتیجه، منتقل کننده افت ولتاژ را توسط افزایش موقعیت ضربه ، جبران میکند همانطور که در تغییرات ناگهانی در گراف ولتاژ مشاهده میشود.

جریان نیروی کنشی
به منظور بررسی اثر جریان نیروی کنشی از BESS بر سطح ولتاژ ، آزمون های نیروی کنشی اجرا شدند که در آن نیروی کنشی در افزایش های 200 KVAR تزریق وجذب شد. نتایج آزمون های تزریق نیرو کنشی و اندازه گیری های مربوطه در شکل 4 و 5 رسم شده اند.
تغییرات سطح ولتاژ در سمت پایین تر منتقل کننده ی توزیع 69/12.47 Kv از حدود 0.015 kV برای هر افزایش تزریق 200 KVAR اندازه گیری شد و 0.06 kV برای آزمون نهایی 800 KVAR ثبت میشود. بر اساس نتایج مشاهده شده از آزمایش، جریان نیروی کنشی توسط BESS اثر معنی داری بر تنظیم ولتاژ در حضور منتقل کننده ی LTC که به عنوان وسیله ی تنظیمی ولتاژ اولیه برای جریان توزیع به کار گرفته میشود، ندارد. بنابراین ، استفاده از ظرفیت BESS برای مدیریت نیروی فعال ارجح است. اگر چه، ظرفیت باقی مانده ی BESS میتواند برای تنظیم توزیع عامل جریان نیرو استفاده شود.

الگوریتم بهینه سازی
الگوریتم بهینه سازی ، جریان نیرو فعال بهینه BESS در هر گام زمان می یابد. عملکرد عینی برای اصلاح بار شامل دو جزء است، هزینه ی SOC و هزینه ی بار که به حداقل رسده اند.
جایی که Ek ، BESS سطح ذخیره انرژی در گام زمان K را نشان می دهد. عملکرد عینی غیرخطی با روش برنامه نویسی درجه دوم متوالی هست که برای تعیین نقطه ی بهینه BESS استفاده میشود. اگر یک پیشگویی موثر از تولید منابع تجدیدپذیر از قبیل پیشگویی باد، در دسترس باشد، عملکرد عینی می تواند برای استفاده از تولید تجدیدپذیر برای شارژ شدن باتری نسبت به کم کردن آن در زمان افت اوج بار تجدیدنظر شود. این میتواند رخ دهد بوسیله ی منحنی نیروی مرجع، Pref در منتقل کننده ی توزیع با هزینه ی الکتریکی و فرضیه های تولید انرژی تجدید پذیر ، که در منحنی نیروی مرجع جاسازی شده است. در عملکرد عینی بازنگری شده خطا های جریان نیروی فعال از منتقل کننده به حداقل رسیده و منحنی مرجع نیرو با استفاده از گنجایش باتری به محدودیت های SOC موضوع میپردازد:

این فراتر از کاربردی است که منحنی نیروی مرجع تعریف میکند. یک منحنی مرجع نیرو شامل دو بخش است : زمان اوج و زمان افت اوج. نمایه ی نیروی افت اوج کاربرد پیشگویی انرژی تجدیدپذیر را را برای شارژ کردن BESS ممکن میسازد. نمایه ی زمان اوج از نقاط مشخص تعیین شده از جریان نیروی بهینه تبعیت میکند. نمودار جریان کلی الگوریتم در شکل 6 نشان داده شده است.
الگوریتم نشان داده شده در شکل6 روش اصلاح اوج بار که در BESS اجرا میشود را در شکل 1 نشان می دهد. در بالای نمودار جریان Qres ، ظرفیت تزریق نیروی کنشی باقی مانده BESS پس از اینکه نیروی فعال فرستاده شده توسط عملکرد عینی بهینه شده تعیین میشود، معنی میدهد. اگر این مقدار بیشتر از تقاضای نیرو کنشی از توزیع شبکه ی Ql باشد، ظرفیت در دسترس نیروی کنشی BESS برای افزایش عامل نیرو جریان به سطح مطلوب استفاده میشود. اگر چه، الگوریتم بهینه سازی بر تغییرات SOC بر افق حساب میکند، مقدار واقعی SOC از SCADA خوانده میشود تا کمبود ها و ارسال های نادرست را حساب کند. با تبعیت کردن از این تکنیک ، ما مطمئن شدیم که BESS با محدوده ی مطلوب SOC باقی می ماند.

مبتدی (مناسب برای درک مفهوم کلی مطلب) 

چندین روش برای کاهش تلفات در RDS متعادل توسط مکان‌یابی خازن در مکانی مطلوب در ادبیات گزارش شده است [2-8]. در [9]، نظریه تصمیم‌گیری معیارها برای تخصیص بهینه و مکان‌یابی خازن در سیستم های نامتعادل در حضور منابع هارمونیک و همچنین با در نظر گرفتن عدم قطعیت در حضور بارهای نامتعادل است. Carpinelli و همکاران [10]، روشی احتمالاتی را برای بهینه‌سازی مکان‌یابی محل خازن در شبکه‌های توزیع نامتعادل و الگوریتم ژنتیک میکرو به منظور کاهش محاسبات ارائه دادند. در [11]، بهینه‌سازی ترکیبی ذرات (HPSO) با یک الگوریتم ترکیبی جریان قدرت ترکیب شده است (HPF) تا برای یافتن مکان بهینه و سایز خازن نامتعادل RDS استفاده گردد. Carpinelli G و همکارانش [12]، روشی را برای قرار دادن خازن شنت در سیستم های توزیع نامتعادل با منابع هارمونیک با توجه به هزینه خازن، هزینه‌های انرژی و همچنین هزینه‌های مرتبط یا هارمونیک ولتاژ ارائه کرده‌اند. Subrahmanyam JBV و همکارانش [13] روش ساده‌ای را برای انتخاب مکان بهینه و سایز خازن در RDS سه فازی نامتعادل توسط هزینه تلفات انرژی و هزینه مرتبط با خرید خازن و نصب خازن به عنوان تابع اصلی هدف ارائه دادند. تلفات قدرت برای انتخاب نودهای کاندید برای مکان‌یابی خازن و سپس روش واریانس برای یافتن سایز بهینه استفاده می‌گردد. بر اساس الگوریتم بهینه‌سازی ذرات باکتری گرا (EFPSO)، یک روش جدید برای مکان‌یابی مطلوب و اندازه ثابت و تعویض پیشنهاد شده است [14]. در [15]، مکان‌یابی بهینه خازن توسط استفاده از الگوریتم بهینه‌سازی کلونی زنبور عسل با تابع هدفی به شکل کمینه سازی قدرت تلفات سیستم و نامتعادل بودن و همچنین به حداکثر رساندن صرفه‌جویی خالص در حفظ ولتاژ و اعوجاج هارمونیکی انجام شده است. روش index بُرداری برای مکان‌یابی  مطلوب خازن در سیستم توزیعی نامتعادل شعاعی [16] ارائه‌شده است. Haque روشی را برای کاهش تلفات در سیستم توزیعی شعاعی توسط تأمین توان با راکتیو به صورت محلی با خازن پیشنهاد کرده است [7]. با این حال، این مقاله، روش قرار دادن خازن برای کاهش تلفات در سیستم توزیعی نامتعادل را به‌کاربرده است. ایده اصلی روش ارائه‌شده از [7] گرفته شده است. در این پیشنهاد روش اندازه بهینه خازن در هر گره می‌تواند از طریق بهینه‌سازی معادله صرفه‌جویی تعیین شود. گره‌هایی که در آن صرفه‌جویی در کاهش تلفات با تعیین مکانی برای خازن انجام می‌شوند، بهینه هستند. جریان بار از توزیع شعاعی نامتعادل استفاده می‌کند [17]. نتایج به دست آمده برای شبکه توزیع IEEE 19 و IEEE 25 اجرا شده است [18].

2. پیشنهاد رویکردی در توزیع سیستم های پخش بار

موارد زیر را در نظر بگیرید

Ploss= کل تلفات توان واقعی

Qloss= کل تلفات توان واکنشی

Sloss=Ploss+j Qloss

Ia،  Ib، Ic جریان هر بخش در سه مرحله است.

Iar، Ibr، Icr، مؤلفه‌های فعال جریان در سه مرحله است.

Iai، Ibi، Ici، مؤلفه‌های فعال جریان جاری در سه فاز است.

Z امپدانس هر بخش است.

A مجموعه بخش‌های منبع گذرگاه تا jامین گذرگاه خازن است.

3. نتایج و بحث

A. مطالعه موردی 1: 19 گذرگاه URDS

جریان بار از سیستم‎های توزیعی شعاعی نامتعادل است [17]. الگوریتم پیشنهادی بر روی 11-Kv،  URDS با 19 گذرگاه تست‌شده است. خط و داده بار از [18] به دست آمده است. بار سیستم در فاز a، فاز b، فاز c برابر است با 126.33+j*61.23 kVA, 116.34+j*56.339 kVA, 123.27+j*59.7 kVA. بالاترین تلفات ذخیره‌شده با گذرگاه 10 با سایز 23.1517kVAr در هر فاز است. توان فعال کلی از 13.4709 kW to 11.5281 kW کاهش می‌یابد. تلفات کلی راکتیو از 5.7956 kVAr to 4.9597 kVAr کاهش می‌یابد و حداقل ولتاژ در فاز a، b و c از 0.9515, 0.9494, and 0.9504 p.u. to 0.9560, 0.9542, and 0.9549 p.u بهبود می‌یابد. پس از نصب بانک‌های خازنی، ولتاژ کلی فعال (TPL) باعث کاهش تلفات می‌گردد.

B. مطالعه موردی 2: IEEE 25-bus URDS

الگوریتم پیشنهادی همچنین بر روی 4.16-kv، 25-bus URSD تست‌شده است که در شکل 2 نشان داده شده است. داده بار و خط از [18] به دست می‌آیند. بار سیستم در فاز a، b و c، به ترتیب 1073.3+j*792 kVA, 1083.3+j*800 kVA, 1083.3+j*800 kVA هستند. بالاترین تلفات از bus 7 با سایز 484.773kVAR است. کل توان فعال از 150.11795kW to 109.6207kW کاهش می‌یابد. کل توان راکتیو از 167.27536kVAR to 121.4229kVAR کاهش می‌یابد. ولتاژ کمینه در فاز a، b و c از 0.9284, 0.9283, and 0.9365 p.u. to 0.9505, 0.9484, and 0.9573 p.u بهبود می‌یابد. ولتاژ کل توان (TPL) و توان راکتیو (TQL)، برای 25-bus URDS قبل و بعد از جبران خسارت است.

مقاله انگلیسی رایگان (PDF)

ترجمه فارسی رایگان (PDF)

خرید ترجمه با فرمت ورد

بخشی از ترجمه فارسی مقاله:

مقدمه
کاهش منابع سوخت فسیل علاقه دولت ها را به اهمیت نفوذ منابع تجدید پذیر همانند انرژی بادی و انرژی خورشیدی برای ارزیابی عملکرد سیستم نیرو افزایش داده است (1). یکی از جالب ترین فناوری های اخیر انرژی خورشیدی است که در سال های اخیر معروف ترین منبع انرژی تجدید پذیر بوده است. انرژی خورشیدی به طور مستقیم از خورشید با ادغام ماژول های نوری-ولتی با سیستم های توزیع استخراج می گردد.
افزایش سریع در میزان نفوذ سیستم نوری-ولتی مد نظر واقع شده است. سیستم های نیرو نوری-ولتی خورشیدی به عنوان منبع انرژی غیر سنتی کاربردی برای بسیاری از کشورهای جهان و نیز در مصر در نظر گرفته می شود (3). لذا، تولید برق در آینده مستلزم آن است که کشورهای جهان در سراسر جهان انتظار کمک ها و اثرگذاری های بیشتری از انرژی های تجدید پذیر در سیستم های نیروی الکتریکی به ویژه سیستم های ولتی-نوری داشته باشند. سیستم های ولتاژ نوری پتانسیل کاربردهای کلی به عنوان منبع انرژی ایمن و تمیز در آینده نزدیک دارند (4). هدف برخی کاربردها نفوذ 20درصدی انرژی تجدید پذیر کل انرژی مورد نیاز تا سال 2020 بوده در حالی که کاربردهای دیگر انتظار 50% را تا سال 2050 دارند(5).
ادغام سیستم ولتاژ نوری در شبکه های توزیع برق را می توان به دو گروه عمده خارج از شبکه ( فناوری های مستقل) و درون شبکه ( فناوری های متصل به شبکه) تقسیم نمود (6). سیستم های ولتاژ نوری مستقل تقاضای نیروی مورد نیاز برای بارهای راه دور را فقط تامین می کنند در حالی که فناوری های متصل به شبکه برای فراهم سازی انرژی مورد نیاز برای بارهای محلی پیاده سازی می شوند و می توانند با شبکه های صنایع تبادل نیرو کنند. ویژگی های برجسته سیستم های ولتاژ نوری توانایی آنها در ارتقا عملیات سیستم های نوری برای بهبود پروفایل ولتاژ و با کاهش اتلاف انرژی تغذیه دهنده توزیع در پایین ترین هزینه نگه داری می باشد. سیستم های ولتاژ نوری در مقایسه با فناوری های تجدید پذیر دیگر، هنوز با مشکلات عمده مواجه اند و حتی ممکن است منجر به تاثیرات نامطلوب وارد بر سیستم همانند اضافه بار تغذیه دهنده، آلودگی هامونیک، هزینه سرمایه گذاری بالا، کارایی پایین و اعتبار کم شوند (7). علاوه بر این، نوسانات در پرتو خورشیدی ممکن است باعث انحراف نیرو و نوسان ولتاژ و تاثیرات نامطلوب حاصل بر سیستم های ولتاژ نوری بسیار نفوذی در شبکه توزیع گردد. چند روند کنترل که ولتاژ تولید شده و جریان ترتیب ولتاژ نوری را کنترل نمودند، مطرح شده اند تا کارایی سیستم های ولتاژ نوری را ارتقا دهند (8).
تشخیص دقیق اختلال های نامطلوب برای صنایع الکتریکی ضرورت دارد (9). اختلال های فوری به کیفیت نیروی تولیدی مورد استفاده مربوط می شوند. دو دیدگاه درباره تعاریف کیفیت نیرو وجود دارد. از دیدگاه صنعتی، کیفیت نیرو به عنوان اعتبار و مشخصه تامین نیرو تعریف می شود که می تواند تجهیزات را مقدور سازد تا کارکرد صحیح داشته باشند. از طرفی دیگر، مصرف کنندگان کیفیت نیرو را به عنوان هر نوع مسئله انحراف فرکانس جریان، ولتاژ تعریف می کنند که منجر به اتلاف عملیات یا از کار افتادگی تجهیزات مشتری می گردد. نمونه هایی از اختلالات کیفیت نیرو افت، افزایش، هجوم، نوسان، قطع شدگی ولتاژ و هم سو کننده می باشد (12-10).
آلودگی نیروی الکتریکی به خاطر مبدل نیرو، توزیع و انتقال شبکه ها با رشد بارهای غیر خطی همانند تامین کننده نیرو حالت کلیدی و یک سو کننده کنترل فاز افزایش یافته است. کیفیت نیرو ضعیف به طور عمده به خاطر تاثیر همسو سازی و نیروی واکنشی رخ می دهد (11). مشکلات کیفین نیرو پدید آمده در سیستم نیرو و شیوه های حل این مسائل در (12) مطرح گردید. وجود بارهای غیرخطی و فانوری های تولید توزیع یافته ولتاژ و شکل موج جریان و ویژگی ها را تغییر می دهد (13).
همسوسازی در جریان ولتاژ نوری خروجی مطرح می شوند که به خاطر استفاده از مبدل های نیرو و جریان نیرو متغییر سیستم های ولتاژ نوری است. این جریان ها از طریق امپدانس سیستم توزیع شارش می شوند و منجر به اختلال در ولتاژ شبکه می شوند (14). همسو سازی طول عمر تجهیزات سیستم های نیرو را کاهش می دهد. طراحی فیلتر برای سیستم های توزیع صنعتی بسیار ضروری است (15). تاثیرات همسو سازی بر سیستم بر حسب مسائل زیر تعریف می شود (16)، (17):
• حرارت مازاد تجهیزات که منجر به خرابی یا آسیب می گردد
• اختلال در کارکرد یا عملیات سیستم تجهیزات
• محافظت از اختلال عملیاتی تجهیزات
• اختلال در فرایند
نفوذ سیستم های ولتاژ نوری به شبکه توزیع یکی از منابع عمده اختلال همسو کننده شکل موج جریان و ولتاژ می باشد. لذا، این مسئله به ویژه در سیستم های توزیع شدید تر شده (18) است. این مقاله به مطالعه مسئله کیفیت نیرو می پردازد که به نفوذ ولتاژ نوری به سیستم های توزیع مربوط بوده و مقایسه مفصل بین عملکرد سیستم فراهم می کند. همچنین این مقاله روند ایی.تی.ای.پی برای انتخاب طراحی بهینه فیلترهای تنظیم شده مجزا مطرح می کند که می توانند تاثیرات بر محتویات همسو کننده جریان و ولتاژ را کاهش دهند تا در حیطه محدودیت های پذیرفته شده قوانین مصر باشد.

بخشی از مقاله انگلیسی:

I. INTRODUCTION

Reduction of fossil fuel sources increases governments’ interest to the importance of penetration of renewable energy sources such as wind energy and solar energy to assess power system performance [1]. One of most interested recent technologies is the solar energy which has become the most popular renewable energy source in recent years. The solar energy is extracted directly from sun by integrating photovoltaic (PV) modules to the distribution systems [2]. The rapid increase in the penetration levels of PV systems has been noticed. Solar PV power systems are being considered as a practical unconventional energy resource for many world countries as well as in Egypt [3]. Therefore, future electricity generation plans countries around the world expect more contribution of renewable energies in the electric power systems especially for PV systems. PV systems have the potential of general applications as an alternative safe and clean energy source in the nearest future [4]. The target of some utilities is to penetrate around of 20% renewable energy of total required energy by 2020 while other utilities expect 50% by the year 2050 [5]. The integration of PV system to electrical distribution networks can be divided into two main categories off-grid (standalone applications) and on-grid (grid-connected applications) [6]. The stand-alone PV systems provide the needed power demand for remote loads only while grid-connected applications are implemented to provide required energy for local loads and able to exchange power with utility grids. The salient features of PV systems are their ability to enhance the operation of power systems by improving the voltage profile and by reducing the energy losses of distribution feeders at lowest maintenance costs. Compared to other renewable technologies, PV systems still face major problems and may lead to undesirable effects to the system, such as overloading of the feeders, harmonic pollution, high investment cost, low efficiency, and low reliability [7]. Moreover, variations in solar radiation may cause power deviation and voltage flicker, resulting undesirable effects on high penetrated PV systems in the distribution network. Several control procedures, that controlled the produced voltage and the current of the PV array, are developed to improve the efficiency of PV systems [8]. The accurate detection of undesired disturbances is necessary for electrical utilities [9]. Urgent disturbances are that related to the quality of utilized generated power. Two view point about power quality definitions. In the view point of utility, the power quality is defined as the reliability and characteristic of the power supply that enable the equipment to work correctly. On the other side, consumers define the power quality as any problem in voltage, current frequency deviations that lead to failure or operation loss of customer equipment. Examples of the power quality disturbances are voltage sag, swell, surge, flickers, interruption and harmonics [10]-[12]. Electric power pollution has increased due to the power converter, distribution and transmission networks with the growth of non-linear loads like switch-mode-power-supplier and phase control rectifiers. The poor power quality occurs mainly due to the influence of harmonics and reactive power [11]. The power quality problems areised in power system and the ways to solve these problems were presented in [12]. The existence of non-linear loads and distributed generation technologies change the voltage and current waveforms their characteristics [13]. Harmonics are presented in the output PV current because of the use of power converters and variable power flow of the PV system. These currents, flowing through the impedances of the distribution system result in distortion of system voltage [14]. Harmonic reduce the power systems equipment’s life. The filter design has become essential for industrial distribution systems [15]. The harmonic effects on the system are defined by the following issues [16] and [17]: • Equipment overheating that leads to equipment failure or damage • System malfunction or operation failure of equipment • Protection equipment mal and fail operation • Process disturbance The penetration of PV systems in distribution network is one of the main sources of harmonic distortion of current and voltage waveforms. Therefore, that is becoming a huge problem [18] especially for distribution systems. This paper is concerned on studying the power quality problem that associated with the PV penetration into distribution systems and provide a detailed comparative between the system performance. Also, this paper proposes an ETAP procedure for choice the optimal design of single tuned filters that able to reduce the effects of voltage and current harmonic contents to be within the accepted limits of the Egyptian code.

سیستم چند عاملی برای مدیریت انرژی مشارکتی در ریزشبکه ها

Multi Agent System for cooperative energy management in microgrids

Abstract

In the last years the microgrid are emerged as the key component able to increase the efficiency, reliability, and sustainability of traditional electrical infrastructures. Micro distribution systems aggregate small, modular renewable power source, distributed storage and local loads as autonomous entities that can exchange power with the traditional electricity if operating in connected mode. A prime task in microgrid operation is the dynamic balance of local supply and power demand due to the intermittent nature of renewable energy resource and the variability of load demand during the day. However the power transfer among each microgrid and the main grid is always associated with a cost due to the loss of power over the distribution line. In this paper, a multi-agent systems (MAS) for the optimal coordination of multiple distributed energy resources is presented. The agents, associated with each microgrid, implement a cooperative strategy to minimise the power loss over the distribution lines and to maximise the economic income by sharing the surplus of the generated power between the microgrids belonging to the same coalition. The simulation results show the effectiveness of the proposed control strategy demonstrating that the MGs payoff increases up to 30% when microgrids cooperate to gain the power balance.

I. BACKGROUND

The smart grids are the evolution of the traditional power grid in a complex and more interconnected cyber-physical system, which optimizes asset utilization and improves power quality operating resiliently against system disturbances and faults [1]-[3]. These challenges need the development of:

– advanced monitoring and communication systems to collect data for timely decision making;

– renewable energy sources, located at a distribution level, to defer the construction of new plants and transmission lines;

– distributed artificial intelligence systems for demand management and control of energy bills.

With respect to these goals, microgrids are emerged as a potential way to supply customer and critical loads with the energy locally produced offering considerable control capabilities [4]. In fact, microgrids are defined as complex systems at LV or MV distribution network comprising small power generators, energy conversion devices, intelligent static control switches and confined cluster of loads. The microgrids generally work as controlled single entities within the traditional electricity grid and can operate as a small source of power or an aggregated load according to the required local power needs. Clearly, microgrids require smart control architectures to manage the uncertainty of renewable power generation and the hourly fluctuations of energy demand with high reliability and cost effectiveness.

This paper discusses the development of a Multi-Agent System (MAS) for the control and dispatch of the power flows within a district of the distribution network including N microgrids linked to the primary substation of a public utility grid. The microgrids (MG) agents interact each-other to find the optimal feeder reconfiguration that allows to redistribute locally the energy surplus of the microgrids, minimizing the burden on the main grid and the technical losses [5] in a cost effective way.

The logic control of the MG agents is designed to implement a TU-cooperative game enabling the formation of coalitions between microgrids to achieve the power balance. This approach allows the primary advantage to distribute decision making capabilities facilitating dynamic demand response. Moreover, the asynchronous operation of the agents and the distributed energy management allow microgrids to easily leave or enter each coalition as conditions permit. This leads to an improvement of the overall reliability of the distribution network, an increment of resiliency to faults and accelerate service restoration.

The proposed MAS for cooperative energy management is simulated using the middleware JADE (Java agent development Environment) by TILAB (Telecom Italy Lab) for the development of distributed multi-agent applications based on peer-to-peer communication architectures [6]. This middleware allows distributing the intelligence, the initiative and the control on different terminals in order to implement the parallel interactions between peers (called agents) with different behaviours in compliance with the FIPA (Foundation for Intelligent Physical Agents) standards [7] [8]. JADE enables the communications between the agents both in wireless or wireline networks allowing the exchange of asynchronous messages.

Results from simulation studies show the effectiveness of the approach followed in designing the proposed MAS for the cooperative distributed power management of the microgrids located in the same geographical area of a smart grid. The rest of the work is organized as follows. The second section briefly presents the model for the distribution network, the MAS components and the control strategy based on a TU game. The third section describes the study environment and the main experimental results. The fourth section is devoted to conclusions.