دانلود شبیه سازی مقاله هماهنگی رله بهینه برای ریزشبکه ها با بهینه سازی ازدحام ذرات اصلاح شده

هماهنگی رله در ریزشبکه

دغدغه های فزاینده گرمایش جهانی ناشی از مصرف بی رویه سوخت های فسیلی، زمینه ساز و ترغیب کننده استفاده از انرژی تجدیدپذیر تولید شده توسط مصرف کننده، با استفاده از تولید پراکنده (DG) شده است. این وضعیت عملکرد مستقل سیستم توزیع را به همراه دارد و در این حالت بارها و منابع تولیدی به صورت موازی، با یا بدون وابستگی به سیستم برق اصلی در نظر گرفته می شوند. از این سیستم های تولید پراکنده و مستقل با عنوان ریزشبکه یاد می شود. علیرغم برخورداری از مزایای کنترل مستقل، استفاده موثر از توان تجدیدپذیر با ولتاژ کم، فعال شدن ریزشبکه ها به پیچیدگی حفاظت از سیستم می انجامد. علت این است که وجود DG ها در سمت توزیع اندازه و جهت جریان های اتصال کوتاه را تغییر می دهد.حالت کار از حالت اتصال به شبکه، به حالت ایزوله تغییر می کند، و لذا اندازه و جهت جریان ها هم تغییر می کند.

یک راه حل برای مساله هماهنگی رله در سناریوی ریزشبکه، استفاده از رویکرد هیبرید MPSO-ILP است که در این پروژه معرفی شده است. رویکرد ILP برای مدیریت محدودیت های اضافی مساله بهینه سازی، هنگامی که سناریوهای خطای زیادی وجود دارند بکار می رود. با نمایش اندازه جریان خطا و بازه ها، و فرمول بندی یک تابع هدف خطی، با موفقیت بر پیچیدگی هماهنگی رله ریزشبکه ناشی از جریان توان دوسویه، سناریوها و پیکربندی های مختلف خطا غلبه می شود. همچنین این امکان وجود دارد که ضرایب محدودیت را بر حسب بازه ها، و انتخاب مقادیر تنظیمات اتصال (PS) نمایش داد. این امکان وجود دارد که تابع هدف غیرخطی را به تابع هدف خطی با ضرایب داخلی تبدیل کرد. MPSO برای انتخاب بهینه مقادیر PS بکار می رود و مساله ILP حل می شود و مقادیر TMS بهینه بدست می آیند. برای سیستم تست مدنظر، راه حل بهینه برای هر دو پیکربندی ایزوله و شبکه بدست آمده است. نشان داده شده است که روش پیشنهادی در مقایسه با MPSO استاندارد، ویژگی های همگرایی خوبی را به همراه دارد. می توان با افزودن سناریوهای دیگری همچون تغییرات توپولوژیک شبکه همچون قطعی های خط، افزودن یا قطع منابع تولید پراکنده و غیره، این تحقیق را گسترش داد.

این شبیه سازی با استفاده از نرم افزار متلب (MATLAB) انجام شده و در ادامه نیز تعدادی از شکل موج های خروجی شبیه سازی قرار داده شده است: