[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
:: دوره 10، شماره 3 - ( 7-1400 ) ::
جلد 10 شماره 3 صفحات 97-108 برگشت به فهرست نسخه ها
بازیابی بهینه سیستم‌های توزیع فعال با هدف بهبود تاب‌آوری و با در نظر گرفتن عدم قطعیت منابع تجدیدپذیر
ابوذر صمیمی* ، مهدی نیکزاد
دانشکده مهندسی برق- دانشگاه صنعتی اراک - اراک- ایران
چکیده:   (199 مشاهده)
هدف شبکه‌های هوشمند در سراسر جهان، تأمین برق قابل اطمینان و تاب‌آور به مشترکین می‌باشد. در اتفاقات بزرگ ناشی از حوادث طبیعی، منابع تولید پراکنده در تغذیه قابل اطمینان و تاب‌آور بارهای شبکه نقش کلیدی را بازی می‌کنند. تاب‌آوری سیستم‌های قدرت را می توان به عنوان توانایی سیستم در آماده‌سازی و برنامه‌ریزی برای جذب آسیب و تطبیق/ بازیابی به منظور جلوگیری از تأثیرات حوادث مشابه در آینده تعریف کرد. بنابراین، تاب آوری یک سیستم قدرت بطور خلاصه به سه مشخصه پیشگیری[1]، قابلیت تداوم برق رسانی[2]  و بازیابی[3] نسبت داده می‌شود. بهبود در هر یک یا تمام این سه مشخصه، تاب آوری کل سیستم را بهبود می‌دهد. در این مقاله، یک الگوریتم بازیابی بهبود یافته در سیستم‌های توزیع، با حضور منابع تولید پراکنده تجدیدپذیر و قابل برنامه‌ریزی برای افزایش قابلیت تداوم تغذیه بارهای قطع شده ناشی از حوادث شدید همانند حوادث طبیعی ارائه می‌شود. در مدل ارائه شده، یک استراتژی بهینه برای بازیابی حداکثر بارها با مینیمم عملکردهای کلیدزنی و حداکثر بازیابی بار تحت شرایط خطا پیشنهاد می‌شود. در روش پیشنهادی، از الگوریتم ژنتیک به عنوان یک الگوریتم قدرتمند در بهینه سازی استفاده شده و چگونگی پیاده سازی و حل مدل پیشنهادی توسط الگوریتم ژنتیک معرفی می‌گردد. کارایی روش پیشنهادی بر روی شبکه تست 33 باس IEEE بررسی و نتایج حاصل تحلیل شده است.
 
[1] - prevention
[2] - survivability
[3] - recovery
واژه‌های کلیدی: تاب‌آوری، بازیابی بهینه، منابع تولید پراکنده، الگوریتم ژنتیک، تولید سناریو، عدم قطعیت
متن کامل [PDF 858 kb]   (19 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: برق و کامپیوتر
دریافت: 1399/10/16 | پذیرش: 1400/5/13 | انتشار: 1400/6/20
فهرست منابع
1. [1] M. A. Mohamed, T. Chen, W. Su, and T. Jin, "Proactive Resilience of Power Systems Against Natural Disasters: A Literature Review," IEEE Access, vol. 7, pp. 163778-163795, 2019. [DOI:10.1109/ACCESS.2019.2952362]
2. [2] B. Hu, K. Xie, and H. Tai, "Inverse Problem of Power System Reliability Evaluation: Analytical Model and Solution Method," IEEE Transactions on Power Systems, vol. 33, pp. 6569-6578, 2018. [DOI:10.1109/TPWRS.2018.2839841]
3. [3] C. Buque and S. Chowdhury, "Distributed generation and microgrids for improving electrical grid resilience: Review of the Mozambican scenario," in 2016 IEEE Power and Energy Society General Meeting (PESGM), 2016, pp. 1-5. [DOI:10.1109/PESGM.2016.7741488]
4. [4] K. Sandhya and K. Chatterjee, "A review on the state of the art of proliferating abilities of distributed generation deployment for achieving resilient distribution system," Journal of Cleaner Production, vol. 287, p. 125023, 2021/03/10/ 2021. [DOI:10.1016/j.jclepro.2020.125023]
5. [5] W. Yuan, J. Wang, F. Qiu, C. Chen, C. Kang, and B. Zeng, "Robust Optimization-Based Resilient Distribution Network Planning Against Natural Disasters," IEEE Transactions on Smart Grid, vol. 7, pp. 2817-2826, 2016. [DOI:10.1109/TSG.2015.2513048]
6. [6] L. Che, M. Khodayar, and M. Shahidehpour, "Only Connect: Microgrids for Distribution System Restoration," IEEE Power and Energy Magazine, vol. 12, pp. 70-81, 2014. [DOI:10.1109/MPE.2013.2286317]
7. [7] J. M. Solanki, S. Khushalani, and N. N. Schulz, "A Multi-Agent Solution to Distribution Systems Restoration," IEEE Transactions on Power Systems, vol. 22, pp. 1026-1034, 2007. [DOI:10.1109/TPWRS.2007.901280]
8. [8] C. P. Nguyen and A. J. Flueck, "Agent Based Restoration With Distributed Energy Storage Support in Smart Grids," IEEE Transactions on Smart Grid, vol. 3, pp. 1029-1038, 2012. [DOI:10.1109/TSG.2012.2186833]
9. [9] Y. Jiang and J. Jiang, "An Object-oiented Framework with Multi-objective Cellular Evolutionary Algorithm for Service Restoration of Shipboard Power Networks," Electric Power Components and Systems, vol. 40, pp. 898-914, 2012/04/30 2012. [DOI:10.1080/15325008.2012.666619]
10. [10] J. Hou, Z. Xu, Z. Y. Dong, and K. P. Wong, "Permutation-based Power System Restoration in Smart Grid Considering Load Prioritization," Electric Power Components and Systems, vol. 42, pp. 361-371, 2014 . [DOI:10.1080/15325008.2013.862326]
11. [11] C. Yuan, M. S. Illindala, and A. S. Khalsa, "Modified Viterbi Algorithm Based Distribution System Restoration Strategy for Grid Resiliency," IEEE Transactions on Power Delivery, vol. 32, pp. 310-319, 2017. [DOI:10.1109/TPWRD.2016.2613935]
12. [12] R. K. Mathew, A. Sankar, K. Sundaramoorthy, and A. N. Jayadeebhai, "An Improved Algorithm for Power Distribution System Restoration Using Microgrids for Enhancing Grid Resiliency," Electric Power Components and Systems, vol. 46, pp. 1731-1743, 2018/10/21 2018. [DOI:10.1080/15325008.2018.1527868]
13. [13] T. T. H. Pham, Y. Besanger, and N. Hadjsaid, "New Challenges in Power System Restoration With Large Scale of Dispersed Generation Insertion," IEEE Transactions on Power Systems, vol. 24, pp. 398-406, 2009. [DOI:10.1109/TPWRS.2008.2009477]
14. [14] G. Strbac, N. Hatziargyriou, J. P. Lopes, C. Moreira, A. Dimeas, and D. Papadaskalopoulos, "Microgrids: Enhancing the Resilience of the European Megagrid," IEEE Power and Energy Magazine, vol. 13, pp. 35-43, 2015. [DOI:10.1109/MPE.2015.2397336]
15. [15] Y. Xu, C. Liu, K. P. Schneider, F. K. Tuffner, and D. T. Ton, "Microgrids for Service Restoration to Critical Load in a Resilient Distribution System," IEEE Transactions on Smart Grid, vol. 9, pp. 426-437, 2018. [DOI:10.1109/TSG.2016.2591531]
16. [16] H. Gao, Y. Chen, Y. Xu, and C. Liu, "Resilience-Oriented Critical Load Restoration Using Microgrids in Distribution Systems," IEEE Transactions on Smart Grid, vol. 7, pp. 2837-48, 2016 [DOI:10.1109/TSG.2016.2550625]
17. [17] Y. Xu, C. Liu, Z. Wang, K. Mo, K. P. Schneider, F. K. Tuffner, et al., "DGs for Service Restoration to Critical Loads in a Secondary Network," IEEE Transactions on Smart Grid, vol. 10, pp. 435-447, 2019. [DOI:10.1109/TSG.2017.2743158]
18. [18] Z. Wang, C. Shen, Y. Xu, F. Liu, X. Wu, and C. Liu, "Risk-Limiting Load Restoration for Resilience Enhancement With Intermittent Energy Resources," IEEE Transactions on Smart Grid, vol. 10, pp. 2507-2522, 2019. [DOI:10.1109/TSG.2018.2803141]
19. [19] Y. Xu, C. Liu, K. P. Schneider, and D. T. Ton, "Placement of Remote-Controlled Switches to Enhance Distribution System Restoration Capability," IEEE Transactions on Power Systems, vol. 31, pp. 1139-1150, 2016. [DOI:10.1109/TPWRS.2015.2419616]
20. [20] J. Li, X. Ma, C. Liu, and K. P. Schneider, "Distribution System Restoration With Microgrids Using Spanning Tree Search," IEEE Transactions on Power Systems, vol. 29, pp. 3021-3029, 2014. [DOI:10.1109/TPWRS.2014.2312424]
21. [21] m. i. alizadeh, r. ghaffarpour, and a. m. ranjbar, "Tri-level Robust Resiliency-driven SCUC in Power Systems with High Penetration Rate of Renewables," jiaeee, vol. 17, pp. 113-121, 2020.
22. [22] A. Kwasinski, "Technology Planning for Electric Power Supply in Critical Events Considering a Bulk Grid, Backup Power Plants, and Micro-Grids," IEEE Systems Journal, vol. 4, pp. 167-178, 2010. [DOI:10.1109/JSYST.2010.2047034]
23. [23] P. Chen and M. Kezunovic, "Fuzzy Logic Approach to Predictive Risk Analysis in Distribution Outage Management," IEEE Transactions on Smart Grid, vol. 7, pp. 2827-2836, 2016. [DOI:10.1109/TSG.2016.2576282]
24. [24] A. Zangeneh, S. Jadid, and A. Rahimi-Kian, "A hierarchical decision making model for the prioritization of distributed generation technologies: A case study for Iran," Energy Policy, vol. 37, pp. 5752-5763, 2009/12/01/ 2009. [DOI:10.1016/j.enpol.2009.08.045]
25. [25] R. Saberi, H. Falaghi, and M. Esmaeeli, "Resilience-Based Framework for Distributed Generation Planning in Distribution Networks," ieijqp, vol. 9, pp. 35-49, 2020. [DOI:10.29252/ieijqp.9.4.35]
26. [26] Z. Ye, C. Chen, B. Chen, and K. Wu, "Resilient Service Restoration for Unbalanced Distribution Systems With Distributed Energy Resources by Leveraging Mobile Generators," IEEE Transactions on Industrial Informatics, vol. 17, pp. 1386-1396, 2021. [DOI:10.1109/TII.2020.2976831]
27. [27] S. Yao, P. Wang, and T. Zhao, "Transportable Energy Storage for More Resilient Distribution Systems With Multiple Microgrids," IEEE Transactions on Smart Grid, vol. 10, pp. 3331-3341, 2019. [DOI:10.1109/TSG.2018.2824820]
28. [28] W. Yang, F. Shanshan, W. Bing, H. Jinhui, and W. Xiaoyang, "Towards optimal recovery scheduling for dynamic resilience of networked infrastructure," Journal of Systems Engineering and Electronics, vol. 29, pp. 995-1008, 2018. [DOI:10.21629/JSEE.2018.05.11]
29. [29] M. Borghei and M. Ghassemi, "Optimal planning of microgrids for resilient distribution networks," International Journal of Electrical Power & Energy Systems, vol. 128, p. 106682, 2021/06/01/ 2021. [DOI:10.1016/j.ijepes.2020.106682]
30. [30] S. A. Sedgh, M. Doostizadeh, F. Aminifar, and M. Shahidehpour, "Resilient-enhancing critical load restoration using mobile power sources with incomplete information," Sustainable Energy, Grids and Networks, vol. 26, p. 100418, 2021/06/01/ 2021. [DOI:10.1016/j.segan.2020.100418]
31. [31] H. Wang, Y. Liu, J. Fang, J. He, Y. Tian, and H. Zhang, "Emergency sources pre-positioning for resilient restoration of distribution network," Energy Reports, vol. 6, pp. 1283-1290, 2020/12/01/ 2020. [DOI:10.1016/j.egyr.2020.11.042]
32. [32] J. Zhu, Y. Yuan, and W. Wang, "An exact microgrid formation model for load restoration in resilient distribution system," International Journal of Electrical Power & Energy Systems, vol. 116, p. 105568, 2020/03/01/ 2020. [DOI:10.1016/j.ijepes.2019.105568]
33. [33] M. Nikzad and A. Samimi, "Integration of Optimal Time-of-Use Pricing in Stochastic Programming for Energy and Reserve Management in Smart Micro-grids," Iranian Journal of Science and Technology, Transactions of Electrical Engineering, 2020/05/09 2020.
34. [34] M. Sedighizadeh, M. Esmaili, A. Jamshidi, and M.-H. Ghaderi, "Stochastic multi-objective economic-environmental energy and reserve scheduling of microgrids considering battery energy storage system," International Journal of Electrical Power & Energy Systems, vol. 106, pp. 1-16, 2019/03/01/ 2019. [DOI:10.1016/j.ijepes.2018.09.037]
35. [35] G. Papaefthymiou and D. Kurowicka, "Using Copulas for Modeling Stochastic Dependence in Power System Uncertainty Analysis," IEEE Transactions on Power Systems, vol. 24, pp. 40-49, 2009. [DOI:10.1109/TPWRS.2008.2004728]
36. [36] F. Chen, F. Li, W. Feng, Z. Wei, H. Cui, and H. Liu, "Reliability assessment method of composite power system with wind farms and its application in capacity credit evaluation of wind farms," Electric Power Systems Research, vol. 166, pp. 73-82, 2019/01/01/ 2019. [DOI:10.1016/j.epsr.2018.09.023]
37. [37] D. E. Knuth, The Art of Computer Programming, The: Combinatorial Algorithms, Part 1 vol. 4A: Addison Wesley, 2001.


XML   English Abstract   Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Samimi A, Nikzad M. Optimal Restoration of Active Distribution Systems for Enhancing Resilience Considering the Uncertainty of Renewable Sources. ieijqp. 2021; 10 (3) :97-108
URL: http://ieijqp.ir/article-1-806-fa.html

صمیمی ابوذر، نیکزاد مهدی. بازیابی بهینه سیستم‌های توزیع فعال با هدف بهبود تاب‌آوری و با در نظر گرفتن عدم قطعیت منابع تجدیدپذیر. نشریه کیفیت و بهره وری صنعت برق ایران. 1400; 10 (3) :97-108

URL: http://ieijqp.ir/article-1-806-fa.html



بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.
دوره 10، شماره 3 - ( 7-1400 ) برگشت به فهرست نسخه ها
نشریه علمی- پژوهشی کیفیت و بهره وری صنعت برق ایران Iranian Electric Industry Journal of Quality and Productivity
Persian site map - English site map - Created in 0.04 seconds with 29 queries by YEKTAWEB 4331