شبیه سازی جایابی خازن با الگوریتم ژنتیک برای شبکه 33 باسه

جایابی بهینه خازن در شبکه توزیع

توان راکتیو مصرفی بارهای موجود در شبکه از طریق ژنراتورهای سیستم قدرت تامین می گردد. تامین توان راکتیو توسط آن ها باعث اشغال خطوط سیستم های قدرت شده و مشکلاتی برای خطوط انتقال ایجاد می کند. برای تامین توان راکتیو این بارها در محل مصرف از خازن استفاده می شود. حال سوال اینجاست : مکان قرار گیری خازن در کدام قسمت شبکه و نزدیک به کدام بار باشد؟ چندین سال پیش مرکز ثقل بارها را بعنوان مکان بهینه خازن در نظر می گرفتند. اما امروزه این مسئله را توسط الگوریتم های بهینه سازی مورد بررسی قرار داده و مکان بهینه خازن را تعیین می کنند. جایابی خازن در شبکه توزیع نه تنها می تواند باعث بهبود پروفیل ولتاژ شبکه گردد بلکه اگر به صورت بهینه جایابی شود تلفات شبکه را نیز تا حد زیادی کاهش خواهد داد. جایابی خازن در شبکه های توزیع هم چنین می تواند باعث تزریق توان راکتیو در محل مصرف به بارها شده و ظرفیت خطوط را تا حد کافی آزاد نماید.

این محصول جایابی بهینه خازن با متلب بوده و بر روی شبکه 33 باسه مورد بررسی قرار گرفته است. شبکه 33 باسه را در شکل زیر مشاهده می کنید:

در این شبکه ولتاژ شین 18 بسیار کاهش یافته و از نظر کیفیت توان به هیچ عنوان قابل قبول نیست. جهت جلوگیری از این مورد بهترین راه جایابی خازن در این شبکه می باشد.

جایابی بهینه خازن با الگوریتم ژنتیک

حال اگر مسئله را جهت بهینه سازی با الگوریتم ژنتیک مورد بررسی قرار دهیم. خواهیم دید مکان و اندازه ای برای خازن ها به دست می آید که خازن بزرگ تر نزدیک شین 18 و یا سایر شین هایی که افت ولتاژ در آن ها زیاد بوده است، قرار گرفته اند. الگوریتم ژنتیک از جمله قوی ترین الگوریتم های بهینه سازی است که اکثر دانشجویان از این الگوریتم برای بهینه سازی استفاده می کنند. اگر فرض بر این باشد که جایابی خازن با هدف کاهش تلفات شبکه و بهبود پروفیل ولتاژ صورت می گیرد. در این صورت الگوریتم ژنتیک ابتدا برای تمام اعضای خود یک کروموزمی تشکیل داده و هر قسمت از این کروموزم معرف مکان و اندازه ی خازن ها می باشد. سپس از تابع هدف اصلی مقدار تلفات شبکه در هنگام جایگذاری خازن مربوط به هر عضو را محاسبه کرده و این عمل را چندین بار تکرار می کند. البته در داخل الگوریتم ژنتیک مسائل مربوط به crossover و mutation نیز وجود دارد که در این محصول به صورت جداگانه گنجانده شده اند.

در نهایت بعد از جایابی بهینه خازن همانطور که انتظار می رفت پروفیل ولتاژ دچار بهبود گردد ، نمودار پروفیل ولتاژ بهبود یافته به دست می آید. این نمودار نشان دهنده ی قبل و بعد از جایابی خازن با متلب است که رنگ آبی نشان دهنده ی پروفیل ولتاژ بعد از مکان یابی خازن می باشد که با بهبودی همراه است.

از طرف دیگر اکثر مقالات از نمودار همگرایی برای نشان دادن کاهش مقدار تابع هدف استفاده می کنند. این نمودار نیز نشان دهنده ی نمودار همگرایی در کاهش تلفات شبکه با جایابی خازن توسط الگوریتم ژنتیک را نشان می دهد. همانطور که مشاهده می کنید مقدار تابع هدف در هر تکرار کاهش یافته و در نهایت به صفر رسیده است.

در حالت کلی این محصول حاوی فایل های متلب مربوط به بدنه ی اصلی الگوریتم ژنتیک ، crossover ، mutation و تابع هدف شامل پخش بار پسرو پیشرو شبکه 33 باس و … بوده و نحوه ی اجرا و ران کردن آن بسیار آسان است. در پایان نیز شما مکان و اندازه خازن های قرار گرفته در شین های مختلف را نیز مشاهده خواهید نمود. فایل زیر نیز نشان دهنده ی تابع هدف و شرایط لحاظ شده می باشد.