Many utilities in developing countries are investing in installation and renewing of Electrical Distribution System (EDS) components, such as overhead lines, cables and switching devices, to improve the EDS reliability and meet the rapid increase of load demand. In the beginning stage of investment, it is very difficult to evaluate the EDS reliability by using traditional methods due to EDS topology not being fully determined. This paper presents a comprehensive model for forecasting EDS reliability, which is built separately into two parts, i.e. the models for EDS failures and planned outages. Firstly, a three-layer Artificial Neural Network (ANN) model is proposed to forecast the EDS reliability considering EDS failures. Each neuron in the ANN input layer represents a key influencing factor of EDS failures, which are recognized by Gray Relational Analysis (GRA) method. The proposed ANN is trained using historical reliability data of an EDS. In addition, a planned outage reliability model is also built according to the magnitude of investment and type of planned outage. The priorities of improvement measures can also be obtained using the GRA to improve the EDS reliability. Case studies of practical EDSs illustrate the efficiency and applicability of the proposed techniques

چکیده

فواید بسیاری در کشورهای در حال توسعه در سرمایه گذاری بر روی نصب و بازسازی اجزای سیستم های توزیع برق (EDS) مانند خطوط کلی انتقال برق، کابل ها و ابزارهای سوییچ کردن شبکه توزیع برای بهبود در سیستم توزیع برق و تامین سریعتر تقاضا وجود دارد. البته در ابتدای سرمایه گذاری، تعیین پایایی سیستم توزیع برق به وسیله روش های مرسوم به خاطر تبیین ناکامل ساختار شبکه توزیع بسیار مشکل است. پژوهش حاضر یک مدل جامع برای ارزیابی پایایی شبکه توزیع برق ارایه می دهد که در دو بخش جداگانه: مدل هایی برای خرابی های شبکه توزیع و قطعی های برنامه ریزی شده برق ساخته شده است. در ابتدا یک مدل شبکه عصبی سه لایه برای پیش بینی پایایی شبکه توزیع برق با توجه به خرابی های شبکه فرض شد. بطوریکه هر نرون شبکه عصبی فرض شده به عنوان یک عامل کلیدی تاثیرگذار از خرابی های شبکه توزیع بوده که بوسیله روش خاکستری سازماندهی شده است. شبکه عصبی فرض پیشنهادی بوسیله داده های سلسله مراتبی شبکه توزیع آموزش داده شده است. بعلاوه یک مدل پایایی قطعی های برنامه ریزی شده بوسیله سرمایه های قابل توجه و قطعی های پیش بینی شده ساخته شده است. هم چنین اولویت بندی گزینه های بهبود در شبکه توزیع بوسیله روش خاکستری برای بهبود قابلیت پایایی شبکه توزیع برق انجام پذیرفته است. یافته های پژوهش نشان از کارایی و کابردی بودن مدل پیشنهادی برای شبکه های توزیع برق بوده است.

1-مقدمه

تکنیک پیش بینی به طرز گسترده ای در بسیاری از پژوهش ها مانندک پیش بینی بارلود شده، پیش بینی دما و پیش بینی بازار سهام کاربرد دارد. بر این اساس انتظار می رود پیش بینی پایایی سیستم های قدرت مانند پیش بینی های صورت پذیرفته در سیستم های توزیع برق در آینده با استفاده از اطلاعات کنونی صورت پذیرد. سیستم توزیع برق مهم ترین مولفه بین سیستم تولید برق و مشتریان شبکه توزیع است. تکنیک های پیش بینی پایایی سیستم های توزیع برق می تواند به صورت مستقیم برای ارزیابی عملکرد شبکه های توزیع که گرایش به سیستم های توزیع برق دارند، در آینده، آنالیز عملکرد پایایی سیستم های توزیع برق، شناخت اجزای ضعیف یک سیستم توزیع برق، پیشنهادهای بهبود پایایی سیستم توزیع برای طراحی نقشه های و تعیین محل هزینه های پایایی و تعیین هزینه نااطمینانی های شبکه توزیع در بازار برق مورد استفاده قرار بگیرد...