انتخاب بهینه نوع و اندازه محدودکننده جریان خطا جهت بازیابی هماهنگی رله های جریان زیاد با حضور تولیدات پراکنده در شبکه های توزیع
محل انتشار: بیست و پنجمین کنفرانس بین المللی برق
سال انتشار: 1389
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 2,200
فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
PSC25_101
تاریخ نمایه سازی: 24 بهمن 1390
چکیده مقاله:
با اتصال واحدهای تولید پراکنده به شبکه های توزیع، سطوح اتصال کوتاه در نقاط مختلف شبکه تغییر می کند که منجر به بروز مشکلاتی در هماهنگی رله های اضافه جریان شبکه می شود. استفاده از محدودکننده جریان خطا(FCL) یکی از مؤثرترین روش ها برای محدودکردن جریان خطا و کاهش اثرات تولید پراکنده بر روی هماهنگی بهنگام بروز خطا می باشد. در این مقاله ، ابتدا نحوه ی بازیابی هماهنگی رله های جریان زیاد به کمک انواع FCL و تأثیر انواع مختلفی آن بر روی محدودکردن جریان خطا با حضورDG مورد بررسی قرار گرفته است. در ادامه و در مهمترین بخش این مقاله الگوریتم انتخاب اندازه و نوع هرFCLبه طور مجزا جهت حفظ هماهنگی رله های جریان زیاد و با لحاظ کردن معیار هزینه اقتصادی با حضور تولیدات پراکنده معرفی شده است. برای این منظور یک روش جدید با استفاده از الگوریتم هر FCL ژنتیک ارائه شده است که انتخاب بهینه اندازه و نوع DGرا به طور جداگانه با در نظر گرفتن قیود هماهنگی و کمترین هزینه، ممکن می سازد . کارایی روش پیشنهادی با شبیه سازی بر روی یک شبکه توزیع نمونه حلقوی و با مقایسه نتایج بدست آمده با روش های قبلی مورد ارزیابی قرار گرفته است.
کلیدواژه ها:
تولید پراکنده ، هماهنگی رله های اضافه جریان ، محدودکننده جریان خطا ، الگوریتم ژنتیک ، شبکه توزیع حلقوی
نویسندگان
علی عاقلی
دانشکده مهندسی برق، دانشگاه صنعتی امیرکبیر، ایران، تهران
حسین عسکریان ابیانه
دانشکده مهندسی برق، دانشگاه صنعتی امیرکبیر، ایران، تهران
رضا محمدی
دانشکده مهندسی برق، دانشگاه صنعتی امیرکبیر، ایران، تهران
سیدحمید فتحی
دانشکده مهندسی برق، دانشگاه صنعتی امیرکبیر، ایران، تهران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :