تعداد نشریات | 44 |
تعداد شمارهها | 1,303 |
تعداد مقالات | 16,035 |
تعداد مشاهده مقاله | 52,540,395 |
تعداد دریافت فایل اصل مقاله | 15,244,583 |
استفاده از تئوری تصمیم گیری مبتنی بر شکاف اطلاعاتی برای حل مسئله پخش بهینه توان مقید به پایداری ولتاژ در حضور مزارع بادی | ||
مجله مهندسی برق دانشگاه تبریز | ||
مقاله 11، دوره 46، شماره 4 - شماره پیاپی 78، اسفند 1395، صفحه 109-122 اصل مقاله (1.4 M) | ||
نویسندگان | ||
عباس ربیعی* 1؛ احسان هوشمند2؛ سامان نیکخواه2 | ||
1عضو هیئت علمی دانشگاه زنجان | ||
2دانشجوی کارشناسی ارشد دانشگاه زنجان | ||
چکیده | ||
چکیده: در این مقاله به مطالعه و بررسی مسئله پخش بار بهینه مقید به پایداری ولتاژ در حضور عدمقطعیت موجود در تولید توان از مزارع بادی پرداخته شده است. با توجه به غیرقطعی بودن تولید توان مزارع بادی، روشی پیشنهاد میشود که به ازای یک حد مجاز برای افزایش هزینه نسبت به مقدار پایه، بالاترین میزان از عدمقطعیت برای تولید توان از مزارع بادی را مشخص کند. این میزان عدمقطعیت با در نظر گرفتن مقدار مشخصی از حاشیه بارگذاری شبکه تعیین میشود. لازم به ذکر است که حاشیه بارگذاری مهمترین شاخص ارزیابی پایداری ولتاژ است که فاصله نقطه کار فعلی شبکه را از نقطه فروپاشی ولتاژ تعیین میکند. بدینمنظور از روش تئـوری تصمیمگیـری مبتنـی بـر شکـاف اطـلاعـاتی برای مدیریت ارتباط بین عدمقطعیت در تولید توان از مزارع بادی و حد بارپذیری شبکه استفاده میشود. مدل ارائهشده بر روی شبکه 39 و ۱۱۸ شینه IEEE و در محیط نرمافزار بهینهسازی GAMS پیادهسازی شده است. بهمنظور ارزیابی کارایی مدل ارائهشده، نتایج حاصل از آن با نتایج بهدستآمده از روش شبیهسازی مونتکارلو مقایسه شدهاند. نتایج شبیهسازی، نشان میدهد که رهیافت ارائهشده، یک رهیافت بهینه و مقاوم برای لحاظ نمودن همزمان عدمقطعیت و پایداری ولتاژ در مسئله پخش بار بهینه است. | ||
کلیدواژهها | ||
واژه های کلیدی: پخش بار بهینه (OPF)؛ تولید توان بادی؛ تئوری تصمیمگیری مبتنی شکاف اطلاعاتی (IGDT)؛ عدم قطعیت؛ پایداری ولتاژ؛ حاشیه بارگذاری | ||
مراجع | ||
[1] A. Rabiee, A. Soroudi, B. Mohammadi-Ivatloo and M. Parniani, “Corrective voltage control scheme considering demand response and stochastic wind power,” IEEE Transactions on Power Systems, vol. 29, no. 6, pp. 2965-2973, 2014. [2] A. Rabiee, A. Soroudi, and A. Keane, “Information gap decision theory based OPF with HVDC connected wind farms,” IEEE Transactions on Power Systems, vol. 30, no. 6, pp. 3396-3406, 2015. [3] M. J. Hossain, H. R. Pota, M. A. Mahmud, and R. Ramos, “Investigation of the impacts of large-scale wind power penetration on the angle and voltage stability of power systems,” IEEE Systems Journal, vol. 6, no. 1, pp. 76-84, 2012. [4] C. M. Affonso, L. C. Da Silva, F. G. Lima, and S. Soares, “MW and MVar management on supply and demand side for meeting voltage stability margin criteria,” IEEE Transactions on Power Systems, vol. 19, no. 3, pp. 1538-1545, 2004. [5] E. Vittal, M. O'Malley, and A. Keane, “A steady-state voltage stability analysis of power systems with high penetrations of wind,” IEEE Transactions on Power Systems, vol. 25, no. 1, pp. 433-442, 2010. [6] W. Rosehart, C. Canizares, and V. Quintana, “Multiobjective optimal power flows to evaluate voltage security costs in power networks,” IEEE Transactions on Power Systems, vol. 18, no. 2, pp. 578-587, 2003. [7] فرید کربلایی، شهریار عباسی و حسین صابری، «محاسبه سریع و دقیق حاشیه پایداری ولتاژ با تقریب منحنی PV،» مجلـه مهندسـی بـرق دانشـگاه تبریـز، دوره 44، شماره 3، صفحه 33-40، 1393. [8] A. Rabiee, and M. Parniani, “Voltage security constrained multi-period optimal reactive power flowusing benders and optimality condition decompositions,” IEEE Transactions on Power Systems, vol. 28, no. 2, pp. 696-708, 2013. [9] V. Kumar, K. K. Reddy, and D. Thukaram, “Coordination of reactive power in grid-connected wind farms for voltage stability enhancement,” IEEE Transactions on Power Systems, vol. 29, no. 5, pp. 2381-2390, 2014. [10] A. Rabiee, M. Parvania, M. Vanouni, M. Parniani, and M. Fotuhi-Firuzabad, “Comprehensive control framework for ensuring loading margin of power systems considering demand-side participation,” IET Generation, Transmission & Distribution, vol. 6, no. 12, pp. 1189-1201, 2012. [11] R. Al Abri, E. F. El-Saadany, and Y. M. Atwa, “Optimal placement and sizing method to improve the voltage stability margin in a distribution system using distributed generation,” IEEE Transactions on Power Systems, vol. 28, no. 1, pp. 326-334, 2013. [12] A. Soroudi, B. Mohammadi-Ivatloo, and A. Rabiee, “Energy hub management with intermittent wind power,” Green Energy and Technology, ed., Springer, pp. 413-438, 2014. [13] A. Rabiee, and A. Soroudi, “Stochastic multiperiod OPF model of power systems with HVDC-connected intermittent wind power generation,” IEEE Transactions on Power Delivery, vol. 29, no. 1, pp. 336-344, 2014. [14] E. M. Constantinescu, V. M. Zavala, M. Rocklin, S. Lee, and M. Anitescu, “A computational framework for uncertainty quantification and stochastic optimization in unit commitment with wind power generation,” IEEE Transactions on Power Systems, vol. 26, no 1, pp. 431-441, 2011. [15] J. Wang, M. Shahidehpour, and Z. Li, “Security-constrained unit commitment with volatile windpower generation,” IEEE Transactions on Power Systems, vol. 23, no. 3, pp. 1319-1327, 2008. [16] B. Ayyub, “Applied research in uncertainty modeling and analysis,” Springer Science & Business Media, vol. 20, 2007. [17] امیرحسین زارع نیستانک، رحمتا... هوشمند و معین پرستگاری، «بهرهبرداری بهینه از نیروگاههای بادی با استفاده از نیروگاههای تلمبهای- ذخیرهای بهمنظور کاهش عدمقطعیت در عملکرد آنان در بازار برق،» مجلـه مهندسـی بـرق دانشـگاه تبریـز، جلد 41، شماره 2، صفحه 52-59، ١٣۹۱. [18] A. Soroudi, and T. Amraee, “Decision making under uncertainty in energy systems: state of theart,” Renewable and Sustainable Energy Reviews, vol. 28, pp. 376-384, 2013. [19] A. Soroudi, and M. Ehsan, “IGDT based robust decision making tool for DNOs in load procurement under severe uncertainty,” IEEE Transactions on Smart Grid, vol. 4, no. 2, pp. 886-895, 2013. [20] K. Zare, M. P. Moghaddam, and M. K. Sheikh-el-Eslami, “Electricity procurement for large consumers based on Information Gap Decision Theory,” Energy Policy, vol. 38, no. 1, pp. 234-242, 2010. [21] B. Mohammadi-Ivatloo, H. Zareipour, N. Amjady, and M. Ehsan, “Application of information-gap decision theory to risk-constrained self-scheduling of GenCos,” IEEE Transactions on Power Systems, vol. 28, no. 2, pp. 1093-1102, 2013. [22] M. P. Cheong, D. Berleant, and G. Sheblé, “Information gap decision theory as a tool for strategic bidding in competitive electricity markets,” IEEE International Conference on Power Systems, pp. 421-426, 2004. [23] K. Zare, M. P. Moghaddam, and M. K. Sheykh-el-Eslami, “Demand bidding construction for a large consumer through a hybrid IGDT-probability methodology,” Energy, vol. 35, no. 7, pp. 2999-3007, 2010. [24] K. Zare, M. P. Moghaddam, and M. K. Sheykh-el-Eslami, “Electricity procurement for large consumers based on information gap decision theory,” Energy Policy, vol. 38, pp. 234-242, 2010. [25] S. Nojavan, K. Zare, and M. A. Ashpazi, “A hybrid approach based on IGDT–MPSO method for optimal bidding strategy of price-taker generation station in day-ahead electricity market,” International Journal of Electrical Power & Energy Systems, vol. 69, pp. 335-343, 2015. [26] M. Moradi-Dalvand, B. Mohammadi-Ivatloo, N. Amjady, H. Zareipour, and A. Mazhab-Jafari, “Self-scheduling of a wind producer based on Information Gap Decision Theory,” Energy, vol. 81, pp. 588-600, 2015. [27] Y. Ben-Haim, Info-gap Decision Theory: Decisions under Severe Uncertainty, Academic Press, 2006. [28] R. J. Avalos, C. A. Ca˜nizares, F. Milano, and A. J. Conejo, “Equivalency of continuation and optimization methods to determine saddle-node andlimit-induced bifurcations in power systems,” IEEE Transactions on Circuits and Systems-I, vol. 56, no. 1, pp. 210-223, 2009. [29] GAMS, A User Guide, New York, NY, USA, 2008. | ||
آمار تعداد مشاهده مقاله: 1,972 تعداد دریافت فایل اصل مقاله: 1,908 |