ترجمه مقاله هماهنگی بهینه رله‌های اضافه جریان جهتی در سیستم ریزشبکه

 

هماهنگی بهینه رله‌های اضافه جریان جهتی در یک سیستم ریزشبکه به کمک بهینه‌سازی ازدحام ذرات هیبریدی

Optimal Coordination of Directional Overcurrent Relays in a Microgrid System Using a Hybrid Particle Swarm Optimization

 

چکیده- با رشد کاربرد منابع انرژی تجدیدپذیر پراکنده در سیستم قدرت، اخیرا عملکرد ریزشبکه به طور قابل توجهی افزایش یافته است. ریزشبکه‌ها قادرند تا با و بدون شبکه اصلی کار کنند. جریان‌های خطا در حالت‌های عملکردی جزیره‌ای و متصل به شبکه کاملا با هم متفاوت‌اند. بنابراین، حفاظت ریزشبکه یکی از مسائل مهم در عملکرد ریزشبکه است. در این مقاله، برای هماهنگی رله‌های اضافه جریان جهتی (DOCR) در یک سیستم ریزشبکه، یک روش بهینه‌سازی ازدحام ذرات هیبریدی (HSPO) توسعه یافته است. قیود هماهنگی شامل عملکرد متصل به شبکه و خودکفای ریزشبکه است. در رویه بهینه‌سازی، تنظیمات جریان (I_set) رله‌ها به عنوان پارامترهای گسسته و تنظیمات ضریب زمان (TMS) به عنوان پارامتر پیوسته در نظر گرفته شده‌اند. الگوریتم پیشنهادی دارای دو بخش است، در بخش اول، برای محاسبه I_set از بهینه‌سازی ازدحام ذرات و در بخش دوم، برای محاسبه TMS هر رله از برنامه‌نویسی خطی استفاده می‌شود. در مورد مطالعه‌ای هم، بارهای متصل به شبکه به دو دسته بارهای ضروری و غیرضروری تقسیم می‌شوند. در عملکرد طبیعی سیستم، تولیدات پراکنده (DG) بصورت موازی با شبکه اصلی (utility) کار می‌کنند. وقتی خطایی در سمت شبکه اصلی رخ می‌دهد، بارهای غیرضروری از شبکه جدا شده و DG ها در ریزشبکه به حالت جزیره‌ای کار می‌کنند. با توجه به نتایج شبیه‌سازی، رله‌های اضافه جریان جهتی در هر دو وضعیت ریزشبکه (متصل به شبکه یا جزیره‌ای)، عملکرد مناسب و قابل اطمینانی دارند. علاوه بر این، زمان کل علمکرد رله‌های اولیه به طور مناسبی کمینه می‌شود.

 

سفارش ترجمه تخصصی مهندسی برق

 

 

 

1 مقدمه

ریزشبکه‌ها به عنوان راهکاری برای ترکیب تعداد زیادی از منابع انرژی تجدیدپذیر تولید پراکنده با سیستم‌های توزیع ارائه شده‌اند [1]. ریزشبکه می‌تواند در دو وضعیت متصل به شبکه و یا جزیره‌ای کار کند [1]-[3]. یک ریزشبکه، در حالت متصل به شبکه به عنوان یک بار و یا منبع تجمعی در نظر گرفته می‌شود. منبع مطمئن برای مشتریان یکی از منافع ریزشبکه‌ها است چون می‌تواند حتی با وقوع اغتشاشات بزرگ در شبکه اصلی، در حالت جزیره‌ای عمل کرده و نیاز مشتری را رفع کند [1]. با این حال، سیستم ریزشبکه دارای چالش‌های زیادی در سیستم قدرت است. حفاظت ریزشبکه یکی از همین چالش‌ها است [4]، چون جریان‌های خطا در دو وضعیت مختلف عملکردی ریزشبکه، مقادیر کاملا متفاوتی هستند. بنابراین، رله‌های اضافه جریان باید بخوبی هماهنگ شوند تا در وضعیت‌های عملکردی ریزشبکه به صورت متصل به شبکه یا جزیره‌ای، کارایی مناسبی از خود بروز دهند.

مساله هماهنگی رله‌های اضافه جریان جهتی یک مساله برنامه‌نویسی غیرخطی ترکیبی است (MINLP) چون TMS و I_set به ترتیب متغیرهای پیوسته و صحیح هستند [5]. الگوریتم‌های متعددی برای هماهنگی این رله‌ها در سیستم قدرت ارائه شده است. در [6] الگوریتم بهینه‌سازی ازدحام ذرات اصلاح شده برای محاسبات تنظیمات رله‌های اضافه جریان جهتی ارائه شده است. در [5] هماهنگی زمانی بهینه رله‌های اضافه جریان با در نظر گرفتن توپولوژی‌های مختلف شبکه و به کمک الگوریتم ژنتیک (GA) هیبریدی انجام شده است. در [7] مساله هماهنگی رله‌های اضافه جریان جهتی به کمک روشی مبتنی بر تحلیل تکرار و با در نظر گرفتن عدم قطعیت در توپولوژی شبکه حل شده است. در [8]، یک روش بهینه‌سازی ازدحام ذرات هیبریدی نوین برای مساله هماهنگی DOCRها ارائه شده است. در [4] DOCRها برای یک ریزشبکه و در هر دو حالت متصل به شبکه و جزیره‌ای به صورت مجزا توسط بهینه‌سازی ازدحام ذرات هماهنگ شده‌اند. یک روش بهینه‌سازی ازدحام ذرات اصلاح شده در [9] برای حل مساله هماهنگی رله‌های DOCR تنها در حالت جزیره‌ای ریزشبکه به کار گرفته شده است.

در این مقاله، مساله هماهنگی رله‌های اضافه جریان جهتی در ریزشبکه به کمک الگوریتم ازدحام ذرات هیبریدی انجام شده است. الگوریتم ارائه شده رله‌ها را بخوبی هماهنگ می‌کند طوری که سیستم حفاظتی با ارضای کلیه قیود مربوطه به هر دو حالت عملکردی ریزشبکه، عملکرد خوبی از خود نشان می‌دهد. در فرایند بهینه‌سازی، هر دو پارامتر TMSو I_set مدنظر قرار گرفته‌اند.

 

2 هماهنگی رله اضافه جریان

هدف از مساله هماهنگ‌سازی رله‌های اضافه جریان جهتی این است که TMS و I_set برای هر رله تعیین شود، تا اینکه کل زمان عملکرد رله‌های اولیه کمینه شود [5]. بنابراین، معادله 1 را می‌توان به عنوان تابع هدف تعریف کرد. در این معادله، t_i و n به رتیب زمان عملکرد رله i-ام برای خطای انتهای نزدیک و تعداد رله‌ها است. همچنین، وزن W_i نشان دهنده احتمال وقوع خطا در هر ناحیه حفاظتی است. این وزن معمولا برابر یک قرار داده می‌شود.

 

در این مقاله، توابع مشخصه همه رله‌ها فرض شده است که یکسان بوده و توسط معادله 2 تقریب زده شوند. در معادله 2، TMS_i بیانگر تنظیمات ضریب زمانی رله اضافه جریان i – ام ، I_i و I_seti به ترتیب جریان خطا و جریان pick-up این رله است.

 

مساله هماهنگی DOCRها دارای چندین قید است، بدین ترتیب:

• بین رله اولیه و رله پشتیبان آن برای خطاهای نزدیک (near-end) و دور (far-end) قیودی موجود است. این قیود با توجه به شکل1 و توسط معادله 3 تعریف می‌شوند که در معادله 3، t_i^F1 و t_i^F2 زمان عملکرد رله اولیه i ام برای به ترتیب خطاهای نزدیک و دور است. همچنین، t_j^F1 و t_j^F2 به همین طریق برای رله پشتیان j ام تعریف می‌شوند. همچنین، CTI فاصله زمان هماهنگی بین رله‌های اولیه و پشتیبان است.

 

• TMS یکی از قیود هماهنگی هر رله است که بین حدود پایین و بالا تعریف می شود، بدین ترتیب:

 

• حدود پایین و بالا برای جریان Pickup هر رله از دیگر قیود هماهنگی است که توسط معادله 5 تعریف می‌شود. در این معادله I_loadi^max بیشترین جریان رله و I_faulti^min  کمترین جریان خطا است. α و β پارامترهای ثابت هستند.

 

3 بهینه‌سازی ازدحام ذرات هیبریدی

 

بهینه‌سازی ازدحام ذرات (PSO) یکی از الگوریتم‌های بهینه‌سازی است. در این الگوریتم، بهترین موقعیت قبلی یافت شده توسط ذره n ام ثبت شده و با p_best مشخص می‌شود. g_best مقدار دیگری در مساله PSO است که بهترین مقدار بدست آمده تا به این لحظه توسط هر ذره موجود در جمعیت است. این بهترین مقدار یک بهترین جهانی است. هر ذره سعی دارد تا موقعیت خود را به کمک سرعت فعلی و فاصله‌اش از p_best و g_best اصلاح و تنظیم کند. این عمل اصلاح را می‌توان با مفهوم سرعت نمایش داده و همانند معادلات (6) و (7) محاسبه کرد [8]. در این معادلات، x و v به ترتیب نشانگر موقعیت و سرعت ذره در فضای جستجو هستند. همچنین پارامترهای ثابت c₁ و c₂ نرخ یادگیری یا عبارت شتاب است که هر ذره را به سمت موقعیت‌های p_best و g_best روانه می‌کند. وزن اینرسی تعیین کننده این است که چه مقدار از سرعت قبلی از گام زمانی پیشین باید حفظ شود. در این کار، از وزن اینرسی کاهش خطی استفاده شده است [8].

 

در این مقاله، برای هماهنگی رله‌های اضافه جریان، از یک الگوریتم مبتنی بر ترکیب PSO اصلاح شده و برنامه‌نویسی خطی استفاده شده است. در این PSO اصلاح شده، چنانچه قیود ارضا نشده باشند، فرایند بروزرسانی توسط معادله (8) انجام می‌گیرد. سپس قیود مجددا بررسی می‌شوند، و اگر این قیود ارضا نشده بانشد، عمل بروزرسانی توسط معادله (9) صورت می‌گیرد [8].

 

 

در مساله ما، در ابتدا یک مجموعه تصادفی از I_set برای تشکیل جمعیت اولیه انتخاب می شود و آنگاه برای همگرایی PSO، TMS توسط برنامه‌نویسی خطی محاسبه می شود. سپس موقعیت هر ذره (I_set) به کمک رابطه 6 آپدیت (بروزرسانی) می‌شود و سپس قیود را باید بررسی کرد و اگر ارضا نشده باشند، فرایند بروزرسانی با توجه به معادلات 8 و 9 انجام می‌گیرد. TMS را می‌توان به کمک روش برنامه‌نویسی خطی در انتهای هر تکرار روش PSO محاسبه کرد؛ یعنی وقتی که فرایند بروزرسانی I_set خاتمه یافته باشد. در این کار، هر دو خطای نزدیک و دور برای هر دو حالت عملکردی ریزشبکه در قیود DOCR ها در نظر گرفته شده‌اند.

سفارش ترجمه تخصصی مهندسی برق

 

3 نتایج شبیه‌سازی

در این مقاله، سیستم ریزشبکه شکل2 برای مساله هماهنگی DOCRها استفاده شده است. این سیستم شامل دو DG سنکرون متصل به شبکه است. بارهای متصل به شبکه به دو دسته ضروری و غیرضروری دسته‌بندی شده‌اند. وقتی هر خطا یا شرایط غیرطبیعی در سمت شبکه (utility) رخ دهد، مدارشکن B_s باز می‌شود. همچنین، بارهای غیرضروری توسط واحد حفاظت مرکزی جدا می‌شوند و DG ها در وضعیت جزیره‌ای کار می‌کنند. بنابراین، جریان بارها و جریان‌های خطا که از رله‌ها عبور می‌کنند به علت تغییر پیکربندی سیستم، تغییر می‌کنند. داده‌های سیستم برای ژنراتورها، بارها و خطوط در جداول 1، 2 و 3 ارائه شده است [4]. همچنین برای سیستم ریزشبکه، فرکانس، S_base و V_base به ترتیب برابر 60 هرتز، 10 (MVA) و 13.8 (kV) فرض شده است. همچنین، CTI فرض شده است که برابر 0.3 ثانیه بوده و TMS یک پارامتر پیوسته باشد که می‌توان آن را در محدوده [0.1 1.1] تنظیم کرد، در حالی که I_set یک مقدار گسسته بوده و می‌توان بین 0.5 تا 2.5 با گام 0.25 باشد، و پارامترهای الگوریتم PSO یعنی C₁ و C₂ ، تکرار و جمعیت به ترتیب برابر 1.7، 1.2، 75 و 15 در نظر گرفته شده‌اند.

رله‌های اولیه و پشتیبان برای هر دو حالت عملکردی DGها یعنی در حالت متصل به شبکه و یا ریزشبکه‌ای در جدول 4 نمایش داده شده‌اند.

مقدار بهینه پارامترهای تنظیمی برای رله‌های اضافه جریان در جدول 4 بیان شده است که الگوریتم‌های برنامه‌نویسی خطی و HPSO این پارامترها را محاسبه کرده‌اند. با توجه به جدول 4، هماهنگی رله‌های اضافه جریان توسط هر دو الگوریتم صورت گرفته و همه قیود در هر دو حالت عملکردی ریزشبکه ارضاء شده‌اند. با این وجود، الگوریتم HPSO نسبت به الگوریتم LP (برنامه‌نویسی خطی) عملکرد بهتری دارد. همچنین، همگرایی HPSO در شکل 3 نشان داده شده است. با توجه به این شکل، الگوریتم قادر است تا به پاسخ جهانی (کلی) همگرا شود.

 

4 نتیجه‌گیری

در این مقاله، برای هماهنگی رله‌های اضافه جریان جهتی در ریزشبکه‌ها، الگوریتم HPSO ارائه شده است. در رله‌های اضافه جریان جهتی، تنظیمات ضریب زمانی رله‌ها به عنوان پارامتر پیوسته و تنظیمات جریانی رله به عنوان پارامتر گسسته در نظر گرفته شده است. در مساله بهینه‌سازی ما، همه قیود هماهنگی اضافه جریان وقتی ارضا می‌شوند که ریزشبکه در هر دو حالت عملکردی خود یعنی متصل به شبکه و خودکفا عمل کند. نتایج بیان شده نشان می‌هد که وقتی از الگوریتم HPSO استفاده شود کل زمان عملکرد همه رله‌ها کاهش می‌یابد.

 

سفارش ترجمه تخصصی مهندسی برق