Abstract
The integration of renewable distributed generation (DG) in power systems has been increasing day by day. One of the most promising DG technologies is wind turbine among the renewable sources. Therefore, the optimization of DG whose the output power is varying with time is very crucial for the future power systems. However, it is difficult to establish a suitable objective function by taking into account of time varying characteristics. In this paper, a methodology based on weighting factors is proposed in order to minimize energy loss by finding the optimal sizes of wind turbines. The optimization is carried out by using the genetic algorithm with utilizing power flow analysis. The contribution of this paper is to allow considering the time varying characteristics of both load and wind-generation profile in a pairwise manner without violating the harmony of correspondence between load and generation profile. In addition, the proposed methodology is merged with the fuzzy-c means clustering to reduce execution time and allow long term planning due to the fact that the computational burden of the genetic algorithm is substantially high. The proposed methodology is applied to the IEEE-30 bus test system for 4 days and annual energy loss minimization scenarios. The results show that energy loss can be reduced significantly by using the proposed methodology
چکیده
روز به روز تجمعی از تولید پراکندهی (DG) تجدیدپزیر در سیستمهای قدرت افزایش یافته است. یکی از امیدبخش ترین فناوریهای DG در میان منابع تجدیدپذیر توربین بادی است. بنابراین بهینهسازی DG ای که در آن توان خروجی با زمان تغییر میکند برای سیستمهای قدرت آینده بسیار مهم است. با اینحال، بنا نهادن یک تابع هدف مناسب با احتساب ویژگیهای متغیر با زمان مشکل است. در این مقاله برای کمینه کردن اتلاف انرژی توسط یافتن اندازه بهینه توربینهای بادی، روشی بر پایه فاکتور وزنی پیشنهاد شده است. بهینهسازی با استفاده از الگوریتم ژنتیک و با بکار بردن تحلیل جریان توان اجرا شده است. سهم این مقاله دادن اجازهی بررسی ویژگیهای متغیر با زمان پروفیل تولید باد و بار در یک روش دو به دو و بدون نقض کردن هماهنگی تناظر میان پروفیل تولید و بار است. به علاوه، به دلیل وجود این حقیقت که بطور ذاتی بار یا فشار محاسباتی الگوریتم ژنتیک زیاد است، برای کاهش زمان اجرا و داشتن توانایی برنامهریزی بلند مدت، این روش پیشنهادی با خوشهبندی میانگینهای c-فازی ادغام شده است. این روش پیشنهادی برای سناریوهای 4 روزه و سالانه در سیستم آزمایش باس IEEE-30 استفاده شده است. نتایج نشان میدهند که اتلاف انرژی میتواند با استفاده از روش پیشنهادی بهطور قابل توجهی کاهش پیدا کند.
1-مقدمه
مفهوم تولید پراکنده (DG) بهعنوان پاسخی امیدبخش در مواجه با افزایش درخواست توان در سیستمهای قدرت پدیدار شده است. توربین بادی (WT) بعلت ویژگیهای دوستدار محیط بودن، یکی از امیدبخشترین فناوریهای (DG) در میان منابع تجدیدپذیر است. توسعه فناوریها در سیستم قدرت، موجب WTهای بادوامتر شده است. تجمع DG بر پایه باد با سیستمهای قدرت، تعدادی از مزیتهای فنی، محیطی و اقتصادی را ارائه داده است [1]. قابل استفاده ساختن این مزیتها با ملاک عملکرد سیستم قدرت، بهینه سازی sizing و تخصیص DG ها، موضوعی اساسی برای طراحان سیستم قدرت شده است [2]. کاهش اتلاف خط بدلیل سیاستهای تنظیمی یکی از مهمترین موضوعات برنامه ریزی است به طوری که متصدیان سیستم قدرت میتوانند جریمه شوند یا طبق سطح آستانه اتلاف خط که از پیش تعیین شده ترغیب شوند [3]. به همین دلیل، تخصیص غیر بهینهی DG ها میتواند به افزایش اتلاف خط و افزایش هزینهی جریمه برای متصدیان سیستم شوند. به همین سبب، تلاشهای بسیاری برای توسعه روشهای ساده و جدید برای کمینه کردن اتلاف خط شده است. علاوه بر این، درحالیکه بهینه سازی اندازه DG ها انجام میشود باید بار سالانه و پروفیلهای تولید بجای بررسی یک لحظه پروفیلها به صورت کلی بررسی شوند....