ارزيابي امنيت استاتيكي و ديناميكي سيستم قدرت بر اساس ريسك و بهبود آن به وسیله برنامهریزی مجدد تولید
الموضوعات :
1 - دانشگاه تربیت مدرس
2 - دانشگاه تربیت مدرس
الکلمات المفتاحية: امنيت استاتيکي امنيت ديناميکي پايداري گذرا شاخص ريسک برنامه‌ريزي مجدد توليد الگوريتم بهينه‌سازي گروهي پرندگان,
ملخص المقالة :
تعيين سطح امنيت سيستم قدرت، به‌طور سنتي با استفاده از معيارهاي قطعي انجام مي‌پذيرد. با استفاده از اين معيار در نهايت نقاط بهره‌برداري سيستم قدرت به دو دسته داراي امنيت و فاقد امنيت دستهبندي مي‌شود. اگر در صورت وقوع يک خطاي مشخص، متغيرهاي بهره‌برداري از حدود خود خارج شوند (شرايط فاقد امنيت) لازم است تصميمات پيشگيرانه‌اي اتخاذ شود تا از امنيت سيستم در صورت وقوع خطا اطمينان حاصل گردد. علاوه بر معيار قطعي جهت تعيين سطح امنيت سيستم قدرت، اخيراً از معيار احتمالاتي و يا معيار بر اساس ريسک استفاده مي‌شود. ارزيابي امنيت بر اساس ريسک، بر محاسبه شاخص ريسک استوار مي‌باشد. در اين مقاله شاخص‌هاي ريسک امنيت استاتيکي و امنيت ديناميکي مطالعه و بررسي شده است. يک شاخص جديد ريسک پايداري گذرا تعريف شده و از آن در تصميمات بهره‌بردار استفاده شده است. به‌طور معمول امنيت به‌عنوان يک قيد در تصميمات بهره‌برداري در نظر گرفته مي‌شود. در اين مقاله براي اولين بار، شاخص ريسک امنيت استاتيکي به‌عنوان تابع هدف و شاخص ريسک امنيت ديناميکي به‌عنوان قيد مسأله برنامه‌ريزي مجدد توليد لحاظ شده است. تصميم بهره‌بردار در دو حالت ارزيابي قطعي و ارزيابي بر اساس ريسک مقايسه شده است. متغير حالت بهره‌برداري، ميزان توان اکتيو توليدي نيروگاهها و ولتاژ مرجع ژنراتورها بوده و از الگوريتم بهينه‌سازي گروهي پرندگان به دليل کارایي بالاي آن جهت رسيدن به نقطه بهينه توليد استفاده شده است. تابع هدف پيشنهادي شامل حداقل‌سازي هزينه توليد و حداکثرسازي امنيت (حداقل‌سازي شاخص ريسک امنيت) و قيد مسأله شامل در محدوده‌بودن شاخص ريسک پايداري گذرا مي‌باشد. قابليت بالاي روش پيشنهادي بر روي شبکه 24 شين IEEE نشان داده شده است.
[1] J. D. McCalley, et al., "Probabilistic security assessment for power system operations," in Proc. Power Engineering Society General Meeting, IEEE, vol. 1, pp. 212-220, Jun. 2004.
[2] N. Ming, J. D. McCalley, V. Vittal, and T. Tayyib, "Online risk - based security assessment," IEEE Trans. on Power Systems, vol. 18, no. 1, pp. 258-265, Feb. 2003.
[3] IEEE Reliability Test System Task Force of Applications of Probability Methods Subcommittee, "IEEE reliability test system - 96," IEEE Trans. on Power Systems, vol. 14, no. 3, pp. 1010-1020, Aug. 1999.
[4] H. He, J. Guo, Y. Song, and D. Zhang, "Risk based probabilistic security evaluation algorithm of bulk power system," in Proc. 3rd Int. Conf. on Electric Utility Deregulation and Restructuring and Power Technologies, DRPT 2008, pp. 1231-1236, 6-9 Apr. 2008.
[5] K. Bell and M. Rios, Value of Security - User Guide, Manchester Centre for Electrical Energy, Manchester, UK, Oct. 1999.
[6] D. Z. Fang, Y. Xiaodong, S. Jingqiang, Y. Shiqiang, and Z. Yao, "An optimal generation rescheduling approach for transient stability enhancement," IEEE Trans. on Power Systems, vol. 22, no. 1, pp. 386-394, Feb. 2007.
[7] E. Vaahedi, W. Li, T. Chia, and H. Dommel, "Large scale probabilistic transient stability assessment using B. C. Hydro's on - line tools," IEEE Trans. on Power Systems, vol. 15, no. 2, pp. 661-667, May 2000.
[8] W. Li and J. K. Korczynski, "Risk evaluation of transmission systems operation modes: concept, method, and application," in Proc. IEEE Power Engineering Society Winter Meeting, vol. 2, pp. 1124-1129, Jan. 2002.
[9] W. Li and J. K. Korczynski, "A reliability based approach to transmission maintenance planning and its application in BC hydro system," IEEE Trans. on Power Delivery, vol. 19, no. 1, pp. 303-308, Jan. 2004.
[10] A. L. Bettiol, D. Ruiz - Vega, D. Ernst, L. Wehenkel, and M. Pavella, "Transient stability - constrained optimal power flow," in Proc. IEEE Power Tech Conf., p. 62, Budapest, Hungary, Aug. 1999.
[11] L. Chen, Y. Tada, H. Okamoto, R. Tanabe, and A. Ono, "Optimal operation solutions of power systems with transient stability constraints," IEEE Trans. Circuits Syst., vol. 48, no. 3, pp. 327-339, Mar. 2001.
[12] L. Nepomuceno and P. S. da Silva, "An active/reactive predispatch model incorporating ramp rate constraints solved by dual decomposition/Lagrangian relaxation," in Proc. IEEE/PES Transmission and Distribution Conf. and Exposition: Latin America, pp. 633-638, Nov. 2004.
[13] L. D. Aryaa, L. S. Titareb, and D. P. Kotharic, "An approach to mitigate the risk of voltage collapse accounting uncertainties using improved particle swarm optimization," Applied Soft Computing, vol. 9, no. 4, pp. 1197-1207, Sep. 2009.
[14] J. Hazra and A. K. Sinha, "Congestion management using multiobjective particle swarm optimization," IEEE Trans. on Power Systems, vol. 22, no. 4, pp. 1726-1734, Nov. 2007.
[15] G. Baskar and M. R. Mohan, "Contingency constrained economic load dispatch using improved particle swarm optimization for security enhancement," Electric Power Systems Research, vol. 79, no. 4, pp. 615-621, Apr. 2009.
[16] W. Ongsakul and N. Petcharaks, "Fast Lagrangian relaxation for constrained generation scheduling in a centralized electricity market," Int. J. Electrical Power and Energy Systems, vol. 30, no. 1, pp. 46-59, Jan. 2008.
[17] F. Manfred, Bedrinana, Student Member, IEEE, A. Joao Bosco, A. F. Carlos, Murari, Member, IEEE, and A. Carlos Castro, Senior Member, IEEE, "Decisions in power system operation based on fuzzy economic and environmental Dispatch," 978-1-4244-2190-9/07/$25.00 ©2007 IEEE.
[18] C. Rani, M. Rajesh Kumar, and K. Pavan, "Multi-objective generation dispatch using particle swarm optimization," in Proc. of India Int. Conf. on Power Electronics, pp. 421-424, 19-21 Dec. 2006.
[19] F. Xiao and J. D. McCalley, "Power system risk assessment and control in a multiobjective framework," IEEE Trans. on Power Systems, vol. 24, no. 1, pp. 78-85, Feb. 2009.
