کیفیت و بهره وری در صنعت برق ایران
سال:1397 | دوره:7 | شماره:1 (پیاپی 13) |تعداد مقالات:10

ورود تولیدات پراکنده به شبکه قدرت باعث بروز مسائل زیادی همچون افزایش سطح جریان اتصال کوتاه می شود، که اگر بیشتر از سطح مجاز مدار شکن های موجود در شبکه باشد می تواند منجر به آسیب دیدگی تجهیزات شبکه شود. استفاده از محدود کننده جریان خطا (FCL) در شبکه روشی موثر برای مقابله با مسئله فوق است، که تاثیر گذاری آن در گرو تعیین صحیح تعداد، مکان و مقدار امپدانس است. در این مقاله روشی کارامد برای جایابی FCLها در شبکه ارائه می شود که بموجب آن مسئله جایابی FCL به یک مسئله بهینه سازی چند منظوره مدل می شود. در مسئله بهینه سازی مذکور، توابع هدف عبارتند از اختلاف جریان خطای باس ها، نرخ خرابی تجهیزات، تعداد و امپدانس FCLها. برای حل مسئله، از الگوریتم بهینه سازی چندمنظوره ازدحام ذرات (MOPSO) استفاده شده است. در روند بهینه سازی الگوریتم، جواب های بهینه و غالب استخراج می شوند و در یک مخزن ذخیره می گردند که اندازه مخزن در روند بهینه سازی با استفاده از تکنیک دسته بندی فازی کنترل می شود. و در انتها با اعمال الگوریتم نیل به آرمان (GAO) به جواب های غالب، جواب متناسب با نیاز شبکه توسط اپراتور شبکه انتخاب می شود. نتایج بدست آمده از پیاده سازی روش پیشنهادی برروی یک شبکه قدرت نمونه نشان دهنده کارامدی روش است.

حسگرها وضعیت بخشهای مختلف نیروگاه برق آبی را رصد کرده و ابزارهای کنترلی دستورات لازم را جهت فعالیت نیروگاه صادر می کنند. همچنین کارشناسان براساس مقدار اعدادی که حسگرها و دماسنج ها نشان می دهند و براساس شرایط محیطی نیروگاه و تجربه در شرایط خاص تصمیم های لازم را جهت خاموشی اضطراری نیروگاه اتخاذ می کنند. در یک نیروگاه برق آبی عوامل متعددی مانند: تعمیرات، علائم هشدار در حسگرها، آسیب های فیزیکی تجهیزات و یا ارتفاع آب در پشت سد، ممکن است تولید برق را متوقف سازد. لذا تشخیص زمان مناسب فعالیت یا عدم فعالیت نیروگاه با توجه به داده های حسگرها بسیار حیاتی است. هر چند سیستمهای کنترلی موجود به نحو مطلوبی شرایط را بررسی می کنند ولی بعلل مختلف مانند خطای انسانی یا خطای تجهیزات ممکن است تصمیم به ادامه کار یا خاموشی اضطراری با خطا همراه باشد. در این مقاله با استفاده از تکنیک های داده کاوی یک سیستم تصمیم یار طراحی شده است که روابط معنادار بین ویژگی هایی که حسگرها همه روزه در نیروگاه برق آبی آرشیو می کنند را می یابد. این روابط مانند قوانین استنتاج می توانند در تصمیم گیری دقیق و سریع کارشناسان کمک شایانی نموده و از آسیب به تجهیزات در تصمیمات اشتباه یا دیرهنگام جلوگیری نماید. نتایج بدست آمده از تحلیل داده های سالهای 92 الی 94 نیروگاه برق آبی مارون 41 قانون برای تصمیم گیری سریع بدست آمده است که با بررسی های به عمل آمده توسط متخصصان فنی این نیروگاه 4 قانون آن جدید و سودمند ارزیابی شده است.

از بارزترین مشخصات بازار برق در کشور ما شیوه پرداخت به ازای پیشنهاد به برندگان بازار می باشد. این در حالی است که در اکثر کشورها از شیوه پرداخت یکنواخت جهت تسویه بازار استفاده می شود. در این مقاله به مقایسه تاثیر این دو شیوه بر بهره وری و کارایی صنعت برق در بخش تولید پرداخته می شود. برای بررسی دقیق تر، مدل در سه ساعت کم باری، بارعادی، پیک و سالانه طراحی می گردد. بدین منظور با کمک روش Q-Learning که زیر مجموعه مدل های عامل محور است مدل بازار برق ایران با تمام ویژگی های آن و محدود به نیروگاه های برق خراسان با دو شیوه مختلف شبیه سازی شده و بهره وری در دو سناریو باهم مقایسه می گردد. نتایج بیانگرآن است که روش پرداخت یکنواخت منجر به استفاده از نیروگاه های با کارایی بالاتر جهت تامین برق می گردد. بنابراین در این روش قیمت تمام شده برق کمتر از روش پرداخت به ازای پیشنهاد خواهد بود.

پدیده های طبیعی و شرایط آب و هوایی سخت می توانند منجر به وقوع خاموشی های گسترده در شبکه های قدرت شوند. به منظور کاهش هزینه های اقتصادی و اجتماعی ناشی از وقوع خاموشی ها، اکثر شرکت های برق از دستورالعمل ها و رویه های عملیاتی از پیش تعیین شده ای جهت بازیابی سیستم استفاده می نمایند. با این حال، به دلیل اثرات شدید و ماهیت متفاوت چنین پدیده هایی روش های سنتی بازیابی بار در شبکه توزیع نمی توانند تامین انرژی الکتریکی مطلوب مصرف کنندگان را در این شرایط تضمین نمایند. از این رو در این مقاله مدلی مبتنی بر برنامه ریزی خطی عدد صحیح به منظور بازیابی بارها در شبکه توزیع پس از وقوع چنین رخدادهایی، ارائه شده است. در این مدل با ارائه الگوریتم هایی مبتنی بر تئوری گراف، ویژگی های توپولوژیکی شبکه توزیع همراه با دیگر ویژگی های الکتریکی آن در قالب یک مساله خطی فرمول بندی شده است. تشکیل ریزشبکه ها، تعیین محدوده سرویس دهی آن ها و مدیریت بهینه تکنولوژی هایی مانند منابع تولید پراکنده و منابع پاسخ گویی بار پس از وقوع رخداد نیز مورد توجه بوده است. در انتها نیز با انجام شبیه سازی های متعدد، کارایی و کاربردپذیری مدل یک پارچه پیشنهادی مورد تجزیه و تحلیل قرار گرفته است.

ایده هاب های انرژی باعث ایجاد فرصت های جدیدی در حوزه مدیریت انرژی شده است. از سوی دیگر حضور گسترده منابع انرژی تجدیدپذیر باعث چالشی بزرگ در مباحث مدیریت و برنامه ریزی انرژی شده است. خروجی احتمالاتی و تصادفی این منابع در مناطقی که سهم این منابع در الگوی تامین انرژی چشمگیر باشد، باعث پیچیده شدن برنامه ریزی تامین تقاضای انرژی می گردد. ذخیره کننده های انرژی به عنوان راه حلی برای این موضوع بیان می شوند. یکی از این ذخیره کننده های انرژی الکتریکی، سیستم مبدل برق به گاز است که امکان ذخیره برق در شبکه گاز طبیعی را فراهم می آورد. این مقاله به بهینه سازی احتمالی هاب های شبکه ای در حضور سیستم مبدل برق به گاز و منابع تجدید پذیرو با هدف اقتصادی پرداخته است. در این مقاله مبدل برق به گاز با امکان تزریق مستقیم هیدروژن به شبکه و وجود تانک هیدروژنی مدل شده است. این مقاله نشان می دهد که حضور مبدل برق به گاز می تواند میزان هزینه انرژی شبکه هاب ها و میزان قطع منابع تجدید پذیر را به صورت قابل ملاحظه ای کاهش دهد.

این مقاله یک روش جدید مبتنی بر سناریو برای طراحی بهینه ریزشبکه های چندگانه با درنظرگرفتن عدم قطعیت در بار و تولید منابع تولیدپراکنده تجدید پذیر ارایه می کند. روش پیشنهادی برای تعیین ظرفیت، نوع، تعداد و مکان بهینه منابع تولیدپراکنده تجد یدپذیر و کنترل پذیر همراه با جایابی سوئیچ جهت خوشه بندی شبکه توزیع سنتی به مجموعه ای از ریزشبکه های به هم پیوسته با ساختاری اقتصادی و قابل اطمینان به کارگرفته شده است. هدف مساله پیشنهادی کاهش کلیه هزینه های طراحی شامل هزینه های سرمایه گذاری و بهره برداری، هزینه تلفات، هزینه آلودگی هوا و هزینه انرژی تامین نشده می باشد. عدم قطعیت پارامترهای ورودی مساله توسط روش تولید سناریو درنظرگرفته شده و همچنین برای کاهش حجم محاسباتی و افزایش سرعت اجرای برنامه از تکنیک کاهش سناریو بهره برده شده است. الگوریتم بهینه سازی فاخته برای بهینه سازی تابع هدف استفاده شده است. همچنین، تاثیر ضرایب بهینه سازی بر روی مساله طراحی و مقاوم بودن الگوریتم پیشنهادی توسط آنالیز حساسیت مورد بررسی قرار گرفته است. کارایی و عملکرد روش پیشنهادی بر روی شبکه استاندارد 33 باسه مورد اجرا قرار گرفته و نتایج بدست آمده نشان می دهد روش پیشنهادی ابزاری کارامد و موثر برای طراحی ریزشبکه ها تحت عدم قطعیت می باشد.

با افزایش تعداد خودروهای الکتریکی در شبکه قدرت لازم است تعامل آنها با شبکه به گونه ای مدیریت شود تا ضمن کمینه شدن هزینه های خودروداران، سود عوامل خدمت رسان به آنها نیز بیشینه شود. از این رو، در این مقاله یک مسئله ی تصمیم گیری احتمالاتی دوسطحی برای مشارکت تجمیع گر خودروهای الکتریکی در بازار رقابتی با در نظر گرفتن منابع مختلف عدم قطعیت ارائه شده است. منابع عدم قطعیت برای مشارکت تجمیع گر در بازار شامل قیمت های بازار روز آینده و تعادل، قیمت های پیشنهادی از سوی رقبا و نیز بار شارژ و دشارژ خودروهای الکتریکی است که با استفاده از سری های زمانی مدل سازی شده است. در برنامه ی دوسطحی پیشنهادی، هدف سطح اول بیشینه کردن سود تجمیع گر در تعامل با شبکه و خودروداران و هدف سطح دوم آن کمینه کردن هزینه های پرداختی خودروداران است. از آنجایی که تابع هدف سطح اول و دوم در تضاد با یکدیگر هستند، با استفاده از شرایط بهینگی KKT و تئوری دوگان مسئله ی دوسطحی پیشنهادی به یک مسئله ی تک سطحی خطی تبدیل شده است. در نهایت، برنامه ی پیشنهادی در یک سیستم نمونه اجرا شده و نتایج نشان می دهد که با بکارگیری این مدل تجمیع گر می تواند با ارائه ی سیگنال قیمت شارژ و دشارژ بهینه ضمن حفظ مشتریان خود در بازار رقابتی، بیشترین سود را نیز کسب نماید.

با قانون زدایی بازار و شکل گیری بازار روز بعد انرژی، در هرروز تولیدکنندگان انرژی اقدام به ارائه پیشنهاد قیمت خود برای هر واحد به تفکیک ساعت، در حداکثر 10 پله به مدیریت شبکه می کنند و مدیریت شبکه با تعیین میزان تقاضا در روزبعد، قیمت تسویه بازار برای روز آتی را به همراه برندگان بازار اعلام می کند و بر اساس قیمت پیشنهادی تولیدکنندگان با آنها تسویه می کند. از این رو پیشبینی قیمت تسویه بازار برای شرکت کنندگان در بازار حائز اهمیت می یاشد و پیشبینی دقیق آن تاثیر بسزایی بر روی سود آنها خواهد داشت. نظر به رفتار فصلی قیمت تسویه بازار، در این مقاله از الگوریتم K-Means به منظور خوشه بندی فضای رقابتی بازار ایران استفاده شده است که مطابق با نتایج آن، رقابت در بازار برق ایران شامل سه خوشه رقابت بالا (فصول سرد سال)، رقابت کم (فصول گرم سال) و خوشه گذار می باشد، در نهایت با به کارگیری الگوریتم ژنتیک جهت انجام فرایند آموزش شبکه عصبی، قیمت تسویه بازار برای هر خوشه رقابتی به صورت مجزا پیشبینی شده است که مطابق با نتایج حاصله، مدل ارائه شده قابلیت پیشبینی قیمت تسویه بازار در روز بعد با دقت 95 درصد را دارد.

توزیع بهینه توان راکتیو با کاهش تلفات در شبکه نقشی اساسی را در بهره برداری اقتصادی از شبکه بر عهده دارد. در این مقاله الگوریتم آموزش و یادگیری برای توزیع بهینه توان راکتیو و کنترل ولتاژ در حضور توربین های بادی ارائه می شود. این الگوریتم از انواع الگوریتم های تکاملی مبتنی بر جمعیت بوده که توانایی بالایی در حل مسائل غیرخطی دارد. این مساله در قالب یک مساله غیرخطی عدد صحیح آمیخته مدل سازی می شود و در آن هم متغیرهای پیوسته و هم متغیرهای گسسته مدل می شوند. جواب بهینه مساله شامل مجموعه ولتاژ ژنراتورها، گام تپ چنجرترانسفورماتورها و وضعیت جبران سازهای راکتیو جهت کمینه سازی میزان تلفات در شبکه است. در روش پیشنهادی، با حضور عدم قطعیت سرعت باد، با بهره گیری از اطلاعات واقعی سرعت باد، از پخش بار به روش تخمین دو نقطه ای جهت مدل سازی عدم قطعیت استفاده می شود. روش پیشنهادی در سیستم استاندارد 57 باس IEEE پیاده سازی شده است. جهت اثبات کارایی الگوریتم آموزش و یادگیری نیز این الگوریتم با دو الگوریتم تجمع ذرات و تکامل تفاضلی مقایسه شده است. نتایج نشان از کارایی روش پیشنهادی در کاهش تلفات و همچنین ارضای قیود مساله است.

به علت افزایش تقاضای برق، کاهش منابع سوخت های فسیلی و کاهش خروج دی اکسید کربن بکارگیری از منابع انرژی های تجدیدپذیر یکی از استراتژی های مهم دنیای پیشرفته صنعتی می باشد. در این تحقیق برای تامین تقاضای برق یک شهر با استفاده از منابع تجدیدپذیر مانند صفحه های فتوولتائیک و توربین های بادی که قابلیت ذخیره سازی انرژی در باتری را دارند و منابع حرارتی معمول که نقش یک منبع جایگزین را ایفا می کنند استفاده میگردد. حداکثر مقدار انرژی که صفحه های خورشیدی و توربین های بادی می توانند در طول هر ساعت از شبانه روز تولید کنند به ترتیب به توابعی بستگی دارند که خود به میزان تابش خورشید و سرعت وزش باد برای هر ساعت وابسته است. یک قابلیت اطمینانی در مورد انرژی تولیدی هر منبع برای هر ساعت قابل تخمین می باشد. هدف حداقل کردن هزینه و حداکثر کردن قابلیت اطمینان می باشد. یک مدل برنامه ریزی غیرخطی دو هدفه برای مساله مورد نظر تعریف می گردد. از آنجایی که اهداف در تناقض هستند دستیابی به یک حل بهینه منفرد که هر دو هدف را بهینه کند امکان پذیر نمی باشد لذا از الگوریتم فراابتکاری ژنتیک دو هدفه بر مبنای مرتب سازی نامغلوب برای نمایش خروجی الگوریتم در نظر گرفته شده است.