هماهنگ سازی و بهینه سازی پارامترهای کنترلی ادوات FACTS کانورتری SSSC STATCOM و UPFC در شبکه انتقال 230-400 کیلو ولت خوزستان براساس روش MGM-OPF
محل انتشار: کنفرانس ملی علوم مهندسی، ایده های نو (۸)
سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,068
فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
AIHE08_026
تاریخ نمایه سازی: 13 آبان 1393
چکیده مقاله:
تاثیر استفاده از ادوات FACTS در سیستم های قدرت، به یک شین و یا یک خط خاص منحصر نمی گردد و تغییر در ولتاژ و یا توان عبوری از یک خط باعث تغییر در سراسر شبکه مورد مطالعه می گردد. بهمین منظور برای جلوگیری از اثرات زیان بار استفاده همزمان ادوات FACTS باید هماهنگی در تعیین پارامترهای کنترلی ادوات FACTS مورد استفاده در یک شبکه انتقال، صورت گیرد. در این مقاله، روشی جدید برای تعیین بهینه پارامترهای کنترلی ادوات FACTS کانورتری مبتنی برپخش بار بهینه OPF با یک تابع هدف جامع جهت بهبود قابلیت انتقال کل TTC پیشگیری از تراکم خطوط انتقال، کاهش هزینه تولید توان اکتیو و حداقل سازی تلفات توان اکتیو را در بر می گیرد، ارائه شده است. همچنین برای حل معادلات غیر خطی پخش بار بهینه از الگوریتم گرادیان اصلاح شده جدید MGM استفاده شده است که نسبت به دیگر روشهای حل مسائل پخش بار بهینه دارای سرعت همگرایی، دقت و سادگی بالاتری است. ادوات FACTS مورد استفاده، ادوات سری SSSC، موازی STATCOM و همچنین عنصر سری - موازی UPFC می باشند که پارامترهای کنترلی آنها در چند مرحله و به صورت استفاده تکی و چند نوعی همزمان، تعیین شده است. این روش می تواند کارکرد بهینه را در مسئله چند هدفه مورد مطالعه به گونه ای که تابع هدف به خوبی پوشش داده شود، داشته باشد. الگوریتم پیشنهادی در سیستم نمونه 14 شین IEEE و همچنین شبکه انتقال توان ( 230 و 400 کیلو ولت) جنوب غرب ایران (خوزستان) آزمایش گشته و دارای نتایج بسیار مطلوبی است.
کلیدواژه ها:
نویسندگان
ایمان ریاضی
عضو هیئت علمی دانشگاه آزاد اسلامی واحد رامهرمز
محمد تقی اکبر زاده
عضو هیئت علمی دانشگاه آزاد اسلامی واحد رامهرمز
جمشید براتی
عضو هیئت علمی دانشگاه آزاد اسلامی واحد رامهرمز
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 :