برنامهریزی توسعه شبکههای انتقال در یک سیستم قدرت تجدید ساختاریافته با استفاده از الگوریتم تکامل تفاضلی چندهدفه
الموضوعات :
1 - دانشگاه هرمزگان
الکلمات المفتاحية: الگوریتم تکامل تفاضلی بازار برق برنامه برنامهریزی توسعه شبکه انتقال بهینهسازی پارتو تصمیمگیری فازی,
ملخص المقالة :
با افزایش روزافزون مصرف برق و متعاقب آن افزايش توليد، شبکههای انتقال نیز میبایست همگام با آنها توسعه یابند. اين در حالي است که همزمان با تجدید ساختار در سیستم قدرت، علاوه بر تشدید تأثیر عدم قطعیتهای فعلی، چالشها و عدم قطعيتهاي جديد دیگری نیز به شبکه اضافه شده است. بالابودن ریسک سرمایهگذاری در پروژههای کلان صنعت برق و همچنین عدم قطعیتهای موجود در عرصه رقابت سبب شده تا سرمايهگذاري در پروژههاي توسعه شبکههای انتقال فاقد انگيزههاي لازم برای بخش خصوصی باشد. در این مقاله مدل نسبتاً جامعی برای برنامهریزی توسعه شبکه انتقال با هدف رقابتیماندن بازار و دسترسی آسان مصرفکنندگان به انرژی ارزان و قابل اعتماد و همچنین تشویق سرمایهگذاران بخش خصوصی ارائه شده است. با توجه به این که مسأله مورد نظر در قالب یک مسأله بهینهسازی چندهدفه است، برای حل آن از الگوریتم بهینهسازی تکامل تفاضلی چندهدفه استفاده شده است. به منظور تسریع در فرایند بهینهسازی و جلوگیری از گیرافتادن الگوریتم در بهینههای محلی، راهکارهای ابتکاری جدیدی نیز به الگوریتم اضافه شدهاند. نتيجه اعمال این الگوریتم بر مسأله بهینهسازی مورد نظر، منجر به مجموعهاي از طرحهای بهینهای خواهد شد که نشاندهنده ناحيه مصالحه بين توابع هدف است. برای انتخاب طرح نهایی از بین چندین طرح بهینه موجود، از روش تصميمگيري فازي max-min استفاده شده است. برای ارزیابی عملکرد الگوریتم پیشنهادی، شبیهسازیهای متعددی بر روی شبکه 24شينه IEEE انجام میشوند. نتایج شبیهسازیها نشان میدهند مدل ارائهشده میتواند در حضور عدم قطعیتهای مختلف، علاوه بر کمینهکردن هزینههای سرمایهگذاری و کاهش پرشدگی خطوط، خطوط با سطح ریسک مورد قبول و سودآور را شناسایی و برای سرمايهگذاری به بخش خصوصی پیشنهاد نماید.
[1] H. Zhang, V. Vittal, G. T. Heydt, and J. Quintero, "A mixed-integer linear programming approach for multi-stage security-constrained transmission expansion planning," IEEE Trans. Power Syst., vol. 27, no. 2, pp. 1125-1133, May 2012.
[2] H. Shayeghi and A. Bagheri, "Dynamic sub-transmission system expansion planning incorporating distributed generation using hybrid DCGA and LP technique," Int. J. Electr. Power Energy Syst., vol. 48, pp. 111-122, Jun. 2013.
[3] S. Asadamongkol and B. Eua-arporn, "Transmission expansion planning with AC model based on generalized benders decomposition," Int. J. Electr. Power Energy Syst., vol. 47, pp. 402-407, May 2013.
[4] R. Hemmati, R. A. Hooshmand, and A. Khodabakhshian, "State-of-the-art of transmission expansion planning: comprehensive review," Renew. Sustain. Energy Rev., vol. 23, pp. 312-319, Jul. 2013.
[5] A. Rastgou and J. Moshtagh, "Improved harmony search algorithm for transmission expansion planning with adequacy-security considerations in the deregulated power system," Int. J. Electr. Power Energy Syst., vol. 60, pp. 153-164, Sept. 2014.
[6] A. B. Babic, A. T. Saric, and A. Rankovic, "Transmission expansion planning based on locational marginal prices and ellipsoidal approximation of uncertainties," Int. J. Electr. Power Energy Syst., vol. 53, pp. 175-183, Dec. 2013.
[7] A. A. Foroud, A. A. Abdoos, R. Keypour, and M. Amirahmadi, "A multi-objective framework for dynamic transmission expansion planning in competitive electricity market," Int. J. Electr. Power Energy Syst., vol. 32, no. 8, pp. 861-872, Oct. 2015.
[8] A. Mahmoudabadi and M. Rashidinejad, "An application of hybrid heuristic method to solve concurrent transmission network expansion and reactive power planning," Int. J. Electr. Power Energy Syst., vol. 45, pp. 71-77, Feb. 2013.
[9] G. R. Kamyab, M. Fotuhi-Firuzabad, and M. Rashidinejad, "A PSO based approach for multi-stage transmission expansion planning in electricity markets," Int. J. Electr. Power Energy Syst., vol. 54, pp. 91-100, Jan. 2014.
[10] M. Shivaie and M. T. Ameli, "An implementation of improved harmony search algorithm for scenario-based transmission expansion planning," Soft Computing, vol. 18, no. 8, pp. 1615-1630, Aug. 2014.
[11] P. Murugan, "Modified particle swarm optimization with a novel initialization for finding optimal solution to the transmission expansion planning problem," IET Generat. Transm. Distribut., vol. 6, no. 11, pp. 1132-1142, Nov. 2013.
[12] R. A. Hooshmand, R. Hemmati, and M. Parastegari, "Combination of AC transmission expansion planning and reactive power planning in the restructured power system," Energy Convers. Manage., vol. 55, pp. 26-35, Mar. 2015.
[13] R. C. Leou, "A multi-year transmission planning under a deregulated market," Int. J. Electr. Power Energy Syst., vol. 33, no. 1, pp. 708-714, Mar.. 2014.
[14] J. Valinejad and T. Barforooshi, "Evaluating the impacts of incentives on generation capacity investment under uncertainties in electricity markets," Tabriz J. of Electrical Eng., vol. 46, no. 1, pp. 357-368, Jan. 2016.
[15] M. Moeini-Aghtaie, A. Abbaspour, and M. Fotuhi-Firuzabad, "Incorporating large-scale distant wind farms in probabilistic transmission expansion planning-part ii: case studies," IEEE Trans. Power Syst., vol. 27, no. 3, pp. 1594-1601, Aug. 2012.
[16] P. Maghouli, S. H. Hosseini, M. O. Buygi, and M. Shahidehpour, "A scenario-based multi-objective model for multi-stage transmission expansion planning," IEEE Trans. Power Syst., vol. 26, no. 1, pp. 470-478, Feb. 2012.
[17] P. Maghouli, S. H. Hosseini, M. Oloomi, and M. Shahidehpour, "A multi-objective framework for transmission expansion planning in deregulated enviroments," IEEE Trans. Power Syst., vol. 24, no. 2, pp. 1051-1061, May 2009.
[18] G. B. Shrestha and P. A. J. Fonseka, "Congestion-driven transmission expansion in competitive power markets," IEEE Trans. Power Syst., vol. 19, no. 3, pp. 1658-1665, Aug. 2004.
[19] A. Rastgou and J. Moshtagh, "Application of firefly algorithm for multi-stage transmission expansion planning with adequacy-security considerations in deregulated environments," Applied Soft Computing, vol. 41, pp. 373-389, Apr. 2016.
[20] M. Alinia, N. Poorghorban, and R. Banimahd, "Three modified versions of differential evolution algorithm for continuous optimization," Soft Computing, vol. 15, no. 4, pp. 803-830, Apr. 2011.
[21] H. Shayeghi and H. Aryanpour, "Robust online fuzzy PID design based on improved differential evolution for islanded microgrid frequency control considering nonlinear factors and uncertainties," Tabriz J. of Electrical Eng., vol. 46, no. 3, pp. 246-253, Oct. 2016.
[22] J. Brest, S. Greiner, B. Boskovic, M. Mernik, and V. Zumer, "Self-adapting control parameters in differential evolution: a comparative study on numerical benchmark problems," IEEE Trans. Evol. Comput., vol. 10, no. 6, pp. 646-657, Dec. 2006.
[23] H. A. Abbass and R. Sarker, "The Pareto differential evolution algorithm," Int. J. Artif. Intell. Tools, vol. 11, no. 4, pp. 531-552, Dec. 2002.
[24] C. H. Chen, C. J. Lin, and C. T. Lin, "Nonlinear system control using adaptive neural fuzzy networks based on a modified differential evolution," IEEE Trans. Syst. Man Cybern. Part C, vol. 39, no. 4, pp. 459-473, Jul. 2009.
[25] P. M. Subcommittee, "Reliability test system task force of the application of probability methods subcommittee, IEEE reliability test system," IEEE Trans. Power App. Syst., vol. 98, no. 6, pp. 2047-2054, Nov./Dec. 1979.
[26] A. Arabali, M. Ghofrani, M. Etezadi-Amoli, M. Sami Fadali, and M. Moeini-Aghtaie, "A multi-objective transmission expansion planning framework in deregulated power systems with wind generation," IEEE Trans. on Power Systems, vol. 29, no. 6, pp. 3003-3011, Nov. 2014.
[27] G. Verbic and C. A. Canizares, "Probabilistic optimal power flow in electricity markets based on a two-point estimate method," IEEE Trans. on Power Systems, vol. 21, no. 4, pp. 1883-1893, Nov. 2006.