جايابي و تعيين اندازه بهينه توليد پراكنده با در نظر گرفتن ادوات FACTS و عدم قطعيت بار با استفاده از الگوريتم تركيبي سينوس-كسينوس و بهينه‌سازي ازدحام ذرات (HSCA-PSO)

Optimal placement and sizing of distributed generation considering FACTS devices and load uncertainty using hybrid sine-cosine algorithm and particle swarm optimization (HSCA-PSO)

استفاده از توليد پراكنده (DG) در شبكه‌هاي توزيع الكتريكي، فوائد زيادي را به همراه دارد و بنابراين، جايابي و تعيين اندازه اين واحدها اهميت مي‌يابد. اغلب تحقيقات در اين حوزه از تاثير شبكه انتقال بر بخش توزيع چشم‌پوشي مي‌كنند. همچنين اين تحقيقات تاثير سيستم انتقال جريان متناوب انعطاف‌پذير (FACTS) را نيز ناديده مي‌گيرند. اين مقاله روشي جديد براي جايابي و تعيين اندازه بهينه توليد پراكنده با درنظر گرفتن ادوات FACTS ارائه داده است. در اين روش، از مدل معادل تونن براي مدلسازي بخش انتقال شامل ادوات FACTS استفاده شده و نتايج آن با مدل‌هاي شبكه يكپارچه انتقال-توزيع و شين اسلك مقايسه خواهد شد. براي اين منظور، از خازن سري كنترل‌شونده با تريستور (TCSC) و جبران‌كننده استاتيك توان راكتيو (SVC) استفاده خواهد شد. و عدم قطعيت بار الكتريكي توسط روش درخت سناريو در نظر گرفته مي‌شود. مسئله بهينه‌سازي به صورت حداقل‌سازي يك تابع هدف تركيبي تعريف مي‌شود كه شامل شاخص‌هاي تلفات توان، انحراف ولتاژ و پايداري ولتاژ مي‌باشد. مسئله بهينه‌سازي توسط الگوريتم تركيبي سينوس-كسينوس و بهينه‌سازي ازدحام ذرات (HSCA-PSO) حل مي‌شود. شبيه‌سازي بر روي شبكه تست انتقال-توزيع 9 شينه و 16 شينه IEEE در نرم‌افزار MATLAB انجام مي‌گيرد. نتايج شبيه‌سازي نشان مي‌دهد كه استفاده از FACTS در بخش انتقال و DG در بخش توزيع هر دو موجب كاهش تابع هدف و در نتيجه بهبود كارايي شبكه از منظر شاخص‌هاي تلفات، انحراف ولتاژ و پايداري ولتاژ مي‌گردد. نتايج نشان مي‌دهد كه مدل معادل تونن در مقايسه با مدل شين اسلك، عملكرد بهتري در مدلسازي بخش انتقال و ادوات FACTS دارد. همچنين نتايج نشان‌گر اين است كه عدم قطعيت‌ها موجب افزايش ظرفيت نصب شده واحدهاي DG شده و بنابراين صرف نظر كردن از عدم قطعيت مي‌تواند موجب دست‌يابي به پاسخ‌هايي اشتباه گردد.

Abstract:Using Distributed Generation (DG) in electrical distribution networks brings many advantages and thus, optimal placement and sizing of these units become important. Most of the researches in this field neglect the effect of transmission system on distribution section. These researches also ignore the effect of Flexible Alternating Current Transmission Systems (FACTS). This thesis proposes a new method for optimal placement and sizing of distributed generation considering FACTS devices. In this method, Thevenin’s equivalent model is used to model transmission section include FACTS devices and the results are compare to integrated transmission-distribution network and slack bus models. Thyristor Controlled Series Capacitor (TCSC) and Static VAR Compensator are used for this goal. As an innovation, uncertainty of electrical load is considered using scenario tree method. Optimisation problem is defined as minimizing a combinatory objective function which includes power loss, voltage deviation and voltage stability indexes. As another innovation, optimization problem is solved using hybrid sine-cosine algorithm and particle swarm optimization (HSCA-PSO) method. Simulation is carried out on IEEE 9 and 16 bus transmission-distribution test system in MATLAB software. Simulation results show that using FACTS in transmission section and DG in distribution section both leads to objective function reduction and therefore improves network performance in the terms of losses, voltage deviation and voltage stability indexes. Results indicate that Thevenin’s equivalent model has better performance in the comparison to slack bus model in modeling transmission section and FACTS devices. Results also illustrate that uncertainties increase the installed capacity of DG units and ignoring uncertainty can leads to wrong solutions.