تخمین پارامترهای شبکه قدرت بر اساس کمیات بهره برداری اندازه گیری شده بهنگام …

جایابی بهینه واحدهای اندازه‌گیری فازوری به منظور تخمین حالت و پارامترهای سیستم
ماهیت این مسئله جایابی به گونه‌ای است که برای حل، از روشهای بهینهسازی معمول نمیتوان استفاده کرد. در این مسئله به جای متغیرهای پیوسته و گسسته با حالتهای مختلف انتخاب بسته‌های تخمینگر (قرارگیری واحدهای اندازه‌گیری فازوری) بر روی شبکه سروکار خواهیم داشت. این مسئله به صورت جایابی بهینه بسته‌های تخمین بر روی سیستم برای رسیدن به بیش‌ترین اشتراک این بستهها که به کاهش تعداد واحدهای اندازه‌گیری فازوری میانجامد، خواهد بود. این‌گونه مسائل را با روشهای بهینهسازی هوشمند می‌توان حل کرد و شاید بتوان گفت این روشها تنها راه حل برای این‌گونه مسائل خواهند بود. در این تحقیق برای بهینهسازی از الگوریتم ژنتیک استفاده‌شده است.
در الگوریتم ژنتیک استفاده‌شده برای جایابی بهینه واحدهای اندازه‌گیری فازوری با هدف تخمین حالت سیستم، مطابق با شکل ‏۳‑۱۱ هر کروموزوم به تعداد شینهای سیستم ژن خواهد داشت.
. . .
: Kتعداد باس های سیستم یا تعداد ژن ها
شکل ‏۳‑۱۱: ساختار یک کروموزوم در الگوریتم ژنتیک جایابی بهینه واحدهای اندازه‌گیری فازوری
همان طور که بیان شد برای رویت هر شین می‌توان مجموعه بسته‌های تخمینگر ۳تایی از شینها را تهیه نمود بطوریکه با انتخاب هر کدام از آن تخمینگرها می‌توان اطمینان داشت که شین مورد نظر رویتپذیر خواهد بود. مثلاً در مجموعه تخمینگرهای متناظر با شین iام، ni بسته تخمینگر وجود دارد. این بستهها در مجموعه مربوط به خود از شماره ۱ تا ni برچسبگذاری شدهاند. مطابق با شکل ‏۳‑۱۲ در فرآیند الگوریتم ژنتیک هر یک از این بستهها میتوانند بطور تصادفی انتخاب شده و در ژن iام (Geni) که نماینده رویتپذیری شین iام است قرار گیرند.
شکل ‏۳‑۱۲: نحوه ساختاربندی کروموزوم الگوریتم ژنتیک برای انتخاب بسته‌های تخمینگر
۱ ≤ mgi ≤ ni و mg ϵ اعداد صحیح (‏۳‑۲۴)
mgi عددی است که با توجه به آن، از مجموعهی بسته‌های تخمینگر متناظر با شین iام، بستهای برای جاگذاری در ژن مربوط به آن شین در الگوریتم ژنتیک استفاده میشود؛ بنابراین می‌توان اطمینان داشت هر کروموزوم شامل بسته‌های تخمینگری است که کل شینهای سیستم را رویتپذیر خواهد کرد. تابع هدف سیستم تعداد واحدهای اندازه‌گیری فازوری به‌کاررفته برای رویتپذیر شدن سیستم خواهد بود. الگوریتم بهینهسازی در نهایت، بستههایی را انتخاب خواهد کرد که بیش‌ترین همپوشانی را با هم داشته و کمترین تعداد واحد اندازه‌گیری فازوری را نتیجه میدهد. این ترکیبها رویتپذیری کل شینهای سیستم را ضمانت میکند. برای تخمین پارامتر و حالت سیستم به طور همزمان نیز به همین ترتیب باید عمل کرد. با این تفاوت که هدف کاهش تعداد واحدهای اندازه‌گیری فازوری به منظور رویتپذیری کل خطوط شبکه است. مطابق با شکل ‏۳‑۱۳ برای این کار ژنهای هر کروموزوم به تعداد خطوط سیستم بوده و باید از مجموعه بسته‌های تخمینگر بدست آورده شده برای هر خط انتخاب میشود.
شکل ‏۳‑۱۳: نحوه ساختاربندی کروموزوم الگوریتم ژنتیک برای انتخاب بسته‌های تخمینگر
فصل چهارم
نتایج شبیهسازی
مقدمه
الگوریتم ارائه‌شده بر روی شبکه ۳۹ شینه IEEE نشان داده شده در شکل ‏۴‑۱ مورد بررسی قرارگرفته است. در این شبکه پارامترهای خطوط و ترانسفورماتورها و ولتاژ شینها به صورت همزمان تخمین زدهشده است. در مرحله اول شبیهسازی، به تعیین محل واحدهای اندازه‌گیری فازوری پرداخته شده که برای این کار از الگوریتم ژنتیک استفاده‌شده است. پس از شناسایی محل واحدهای اندازه‌گیری فازوری به تخمین پارامتر و حالت سیستم پرداخته خواهد شد.
شکل ‏۴‑۱: شبکه ۳۹ شینه IEEE
نتایج بدست آمده برای جایابی بهینه واحدهای اندازه‌گیری فازوری
مکان‌یابی بهینه واحد اندازه‌گیری فازور به منظور مشاهده‌پذیری سیستم قدرت با استفاده از کمترین تجهیز اندازهگیری صورت می‌گیرد. همان طور که بیان شد جایابی بهینه واحدهای اندازه‌گیری فازوری را با دو هدف مختلف می‌توان انجام داد. جایابی بهینه واحدهای اندازه‌گیری فازوری به منظور:
۱) تخمین حالت سیستم
۲) تخمین حالت و پارامترهای سیستم به طور همزمان
در این فصل نتایج جایابی با هر دو هدف آورده شده است.
نتایج جایابی بهینه واحدهای اندازه‌گیری فازوری به منظور تخمین حالت سیستم
بدون استفاده از بهینهسازی و بدون در نظر گرفتن چگونگی اتصال شینها به هم می‌توان گفت که با الگوریتم تخمین پارامتر ارائه‌شده در این شبکه تعداد واحدهای اندازه‌گیری فازوری را تا حداقل  تعداد شینها می‌توان کاهش داد. کمترین تعداد واحد اندازه‌گیری فازوری (  تعداد شینها) زمانی بدست میآید که شینها خیلی مرتب به یکدیگر متصل شده باشند که با چینش بد شینها این مقدار افزایش پیدا میکند؛ اما علاوه بر این موضوع، با جایابی بهینه واحدهای اندازه‌گیری فازوری و همپوشانی بسته‌های تخمینگر می‌توان تعداد واحدهای اندازه‌گیری فازوری استفاده‌شده در سیستم قدرت را کاهش داد.
همان طور که اشاره شد در الگوریتم ارائه‌شده، جایابی بهینه واحد اندازه‌گیری فازوری را به دو منظور مختلف می‌توان انجام داد. در این بخش جایابی بهینه واحدهای اندازه‌گیری فازوری به منظور تخمین حالت سیستم را بر روی شبکه تست پیاده کرده و نتایج آن با نتایج روشهای بهینهسازی متداول مقایسه خواهد شد. در ابتدا برای اجرای الگوریتم ژنتیک نیاز است تا شینهای سیستم را به بسته‌های تخمین ۳تایی تقسیم کرد. این بستهها به عنوان متغیرهای ورودی برای الگوریتم بهینهسازی استفاده خواهد شد. با توجه به اتصلات شینها به یکدیگر، برای هر یک از آن‌ها تعدادی از بسته‌های تخمین بدست میآید. جدول ‏۴‑۱ تعداد بسته‌های تخمینگر بدستآمده برای هر شین را که در الگوریتم جایابی بهینه واحد اندازه‌گیری فازوری استفاده میشود، نشان میدهد.

دانلود متن کامل این پایان نامه در سایت abisho.ir

جدول ‏۴‑۱: تعداد بسته‌های بدست آمده برای هر شین در الگوریتم جایابی بهینه واحدهای اندازه‌گیری فازوری با هدف تخمین حالت سیستم
شماره شین تعداد بسته‌های تخمین شماره شین تعداد بسته‌های تخمین شماره شین تعداد بسته‌های تخمین
۱ ۱۰