تعداد نشریات | 43 |
تعداد شمارهها | 1,651 |
تعداد مقالات | 13,405 |
تعداد مشاهده مقاله | 30,225,810 |
تعداد دریافت فایل اصل مقاله | 12,080,175 |
پیشبینی همزمان وقوع ناپایداری گذرا و ناپایداری ولتاژ کوتاهمدت در شبکههای قدرت با بهکارگیری سیستم هوشمند پایش سراسری | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
هوش محاسباتی در مهندسی برق | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
مقاله 2، دوره 12، شماره 3، مهر 1400، صفحه 1-18 اصل مقاله (1.61 M) | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
نوع مقاله: مقاله پژوهشی فارسی | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
شناسه دیجیتال (DOI): 10.22108/isee.2020.123780.1395 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
نویسندگان | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
محمود لشگری1؛ سیدمحمد شهرتاش* 2 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
1استاد، دانشکده مهندسی برق- دانشگاه علم و صنعت ایران- تهران- ایران | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
2دانشجوی دکتری، دانشکده مهندسی برق- دانشگاه علم و صنعت ایران- تهران- ایران | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
چکیده | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
عمده روشها در تشخیص ناپایداری گذرا یا ناپایداری ولتاژ کوتاهمدت با این فرض است که یکی از این دو پدیده در شبکه حادث خواهد شد. این در حالیست که این دو پدیده بهصورت همزمان اما با غالببودن یکی بر دیگری، بسته به نقطه کار سیستم و شرایط اغتشاش در شبکه بروز میکنند. در این مقاله، الگوریتمی جدید با هدف پیشبینی آنلاین و یکپارچۀ وضعیت پایداری گذرا و پایداری ولتاژ کوتاهمدت بعد از وقوع خطای اتصال کوتاه در سیستم قدرت معرفی شده است. در روش پیشنهادی، با بهکارگیری سیستم هوشمند پایش سراسری، روند تغییرات دو متغیر انحراف فرکانس ((DFi و عدم تعادل توان ((DPi توسط شین های ژنراتوری که به عنوان شین های هوشمند دارای توان محاسباتی در نظر گرفته شده اند، بررسی شده و وقوع ناپایداری های گذرا (به هر دو حالت نوسان اول و یا چند نوسانه) و یا ولتاژ کوتاه مدت، به صورت زودهنگام پیش بینی می شود. عملکرد الگوریتم بهمنظور اعتبارسنجی روش پیشنهادی، روی چهار شبکه شامل تکماشین متصل به شین بینهایت، شبکۀ تکماشین متصل به بار و شبکههای چندماشینه 39 و 118 شین IEEE ارزیابی شده است. مطابق نتایج بهدستآمده، الگوریتم پیشنهادی دارای دقت عملکرد کلی 5/99% در شرایط مختلفی همچون انواع خطاهای اتصال کوتاه، خطای اندازهگیری PMU، شرایط مختلف بهرهبرداری و تغییر توپولوژی است. | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
کلیدواژهها | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
پایداری گذرا؛ پایداری ولتاژ کوتاهمدت؛ پیشبینی زودهنگام؛ سیستم هوشمند پایش سراسری | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
اصل مقاله | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
1- مقدمه[1] سیستمهای قدرت به گونهای طراحی شدهاند تا بتوانند در مواجهه با اغتشاشات مختلفی همچون خطاهای اتصال کوتاه، تغییرات بزرگ در بار یا از دست رفتن واحد تولیدی، در محدودۀ پذیرفتهشدهای از ولتاژ و فرکانس بهطور رضایتبخشی به عملکرد خود ادامه دهند]1[؛ با این حال، آنها طوری طراحی نشدهاند که در برابر تمام رویدادهای ممکن، مصون و ایمن باشند؛ بهویژه رویدادهای غیر منتظرهای که به ناپایداری زاویۀ روتور، فرکانس و ولتاژ منجر میشوند. ناپایداری ولتاژ به دلیل ناتوانی سیستم قدرت در حفظ ولتاژ پایدار و پذیرفتنی در تمام شینها در شرایط کار عادی و پس از اعمال یک اغتشاش به وجود میآید و براساس نوع اغتشاش و مدت زمان مطالعهشده، بهترتیب به اغتشاش بزرگ و کوچک و پدیدۀ کوتاهمدت و بلندمدت تقسیمبندی میشود ]2[. پایداری زاویۀ روتور در دستۀ پایداریهای کوتاهمدت است و به توانایی ژنراتور در حفظ سنکرونیزم اشاره دارد. در حالت وقوع اغتشاش بزرگ، پایداری زاویه با نام پایداری گذرا شناخته میشود و در بین انواع پایداریها، اهمیت بیشتری دارد ]2[. با توجه به یکسانبودن بازه زمانی مطالعات پایداری گذرا و پایداری ولتاژ کوتاهمدت (بازه زمان صفر تا 10 ثانیه)، این دو پدیده همواره درهمتنیدهاند ]3[. به این صورت که صرفنظر کردن از دینامیک ژنراتور در مدلهای سادهشده برای بررسی پایداری ولتاژ کوتاهمدت، در حالت تغییرات چشمگیر شرایط بهرهبرداری ژنراتورها، به نبود دقت در نتیجه منجر خواهد شد ]4[. همچنین، صرفنظر کردن از دینامیک بار، ممکن است به نتیجهگیری نادرست از وضعیت پایداری سیستم قدرت منجر شود ]5[. در ]6[ نشان داده شده است بهمنظور بهبود وضعیت پایداری سیستم قدرت، باید به هر دو پایداری گذرا و ولتاژ کوتاهمدت بهطور همزمان توجه شود؛ در غیر این صورت، ممکن است اتخاذ اقدام اصلاحی به بهبود یک نوع از این ناپایداری منجر شود و نوع دیگر را در وضعیت بحرانی قرار دهد. در روشهای ارائهشده در ]7-12[ با هدف بررسی ناپایداری ولتاژ کوتاهمدت، فرض شده است تنها این نوع ناپایداری در شبکه امکان وقوع دارد و به ناپایداری گذرا توجهی نشده است. درمقابل، در روشهای ارائهشده در ]13-19[ با هدف بررسی ناپایداری گذرا نیز همین شیوه اتخاذ شده است. این در حالیست که با توجه به درهمتنیده بودن این دو نوع ناپایداری، به روشی واحد نیاز است تا چه ناپایداری غالب از نوع گذرا و چه از نوع ولتاژ کوتاهمدت، بتواند میان حالت پایدار و ناپایدار تمایز قائل شود. در این مقاله، با بهکارگیری سیستم هوشمند پایش سراسری[1]، روش جدیدی بهمنظور پیشبینی همزمان و یکپارچۀ ناپایداری گذرا و ناپایداری ولتاژ کوتاهمدت سیستم ارائه شده است. در این روش، هر یک از شینهای ژنراتوری یک شین هوشمند در نظر گرفته شدهاند که با استفاده از واحدهای اندازهگیری فازور[2] (PMU) توانایی محاسبۀ فرکانس را دارند و با محاسبۀ عدم تعادل توان و میزان انحراف فرکانس و درنهایت بررسی نحوۀ تغییرات مسیر این دو متغیر نسبت به یکدیگر، وضعیت پایداری گذرا و ولتاژ کوتاهمدت را پیشبینی میکنند. الگوریتم پیشنهادی دارای قابلیت پیشبینی زودهنگام ناپایداریهای گذرا و ولتاژ کوتاهمدت است و به ساختار شبکه و مدل بار وابسته نیست. این ویژگیها باعث شدهاند روش ارائهشده بهصورت زمان حقیقی، پیادهسازی شود. در ادامه، ساختار مقاله بدین شرح است: در بخش دوم، اصول پایه تشریح شدهاند. در بخش سوم، صفحۀ ارزیابی پایداری معرفی شده است. در بخشهای چهارم و پنجم بهترتیب الگوریتم پیشنهادی و شبیهسازی، ارائه و نتایج بررسی شدهاند. مقایسه در بخش ششم ارائه شده است. درنهایت، نتیجهگیری در بخش هفتم ذکر شده است.
2- اصول پایه2-1- سیستم هوشمند پایش سراسریدر سالهای گذشته، پیدایش سیستم پایش سراسری زمینۀ وقوع تحول را در پایش و کنترل سیستم قدرت فراهم آورده است. با توجه به اینکه اطلاعات دریافتشده از نقاط مختلف شبکه در سیستم پایش سراسری، همزمان و دارای برچسب زمانیاند، این سیستم امکان پایش رفتار دینامیکی سیستم را فراهم میآورد ]20 و 21[. سیستم هوشمند پایش سراسری بهکاررفته در الگوریتم پیشنهادی دارای یک ساختار سلسلهمراتبی است که مطابق شکل (1) از سه سطح تشکیل شده است.
شکل (1): سیستم هوشمند پایش سراسری
سطوح سیستم هوشمند پایش سراسری عبارتاند از: سطح اول) در الگوریتم پیشنهادی این مقاله، شینهای ژنراتوری شینهای هوشمند (IGB[3]) در نظر گرفته شدهاند که توانایی انجام محاسبات را دارند. کامپیوترهای میزبان[4] در پستهای سیستم قدرت میتوانند در نقش IGBها قرار گیرند و وظایف آنها را انجام دهند. در سطح اول سیستم هوشمند پایش سراسری، IGBها قرار دارند که فازور ولتاژ و جریانها را ازطریق PMUهای نصبشده در این شینها دریافت میکنند. سطح دوم) در این سطح، مراکز جمعآوری دادههای فازوری[5] (PDC) اطلاعات از قبل مشخص شده را از چند IGB، دریافت و پس از مرتبسازی، آنها را به سطح سوم منتقل میکنند. سطح سوم) در این سطح، عملکرد Super PDC مشابه با PDCها است و اطلاعات مربوط به تمام PDCها را دریافت و سپس تصمیمی برای انجام اقدامات مناسب اتخاذ میکند.
2-2- تخمین فرکانسزمانی که اغتشاشهایی همچون خطاهای اتصال کوتاه و یا خروج خطوط اتفاق میافتد، میان توان الکتریکی و مکانیکی ژنراتور، عدم تعادلی ایجاد میشود. این عدم تعادل به انحراف زاویۀ روتور ژنراتور و فرکانس ژنراتورهای سنکرون بهترتیب از مقدار حالت ماندگار و نامی منجر میشود ]20[. میزان حرکت زاویۀ روتور در ماشینهای مختلف به مقدار اینرسی ماشینها و میزان نامتعادلی توان ایجادشده بستگی دارد. افزایش فرکانس، تنها در حالت مواجهۀ سیستم با ناپایداری گذرا ایجاد نخواهد شد و حتی در شرایط ناپایداری ولتاژ کوتاهمدت درحالیکه ژنراتورها در شرایط سنکرون باقی میمانند، میتواند بروز یابد ]22[؛ بنابراین، انحراف فرکانس از مقدار نامی، چه در حالت وقوع فقط ناپایداری ولتاژ یا فقط ناپایداری گذرا، به وجود میآید. به همین دلیل، در این مقاله، فرکانس در خروجی ژنراتورهای سنکرون، ورودی الگوریتم در نظر گرفته شده است. فرکانس الکتریکی ژنراتور مطابق رابطه (1) محاسبه میشود ]23[:
در رابطه (1)، Pf و f0بهترتیب بیانکنندۀ تعداد قطبهای ماشین و فرکانس نامی شبکه برحسب هرتزند و w0، wi برحسب رادیان بر ثانیهاند و بهترتیب به سرعت الکتریکی سنکرون و لحظهای روتور اشاره دارند که تا قبل از وقوع اغتشاش، با یکدیگر برابرند. سرعت روتور ژنراتور نیز با حل معادلۀ نوسان، مطابق رابطه (2) محاسبه میشود ]23[.
در رابطه (2)، di، Hi و Diبهترتیب بیانکنندۀ زاویۀ روتور، ثابت اینرسی و ضریب میراییاند و Pim و Pie بهترتیب اشاره به توان مکانیکی و الکتریکی دارند. با توجه به اینکه دورۀ مطالعاتی پایداری گذرا و ولتاژ کوتاهمدت، بازه زمانی کوتاهی است، از ضریب میرایی صرفنظر میشود ]23[. با انتگرالگیری در بازه زمانی یک گام زمانی، سرعت روتور مطابق رابطه (3) به دست میآید:
در رابطه (3)، Pe با استفاده از ولتاژ و جریان خروجی ژنراتور سنکرون محاسبه میشود که ازطریق PMU نصبشده در شین ژنراتور دردسترساند. توان مکانیکی نیز برابر با مقدار توان الکتریکی در زمان قبل از وقوع اغتشاش در نظر گرفته شده است ]23[؛ درنتیجه، سرعت روتور در الگوریتم پیشنهادی، با استفاده از ولتاژ و جریان خروجی ژنراتورها در هر گام زمانی بهصورت آنلاین محاسبه میشود و مطابق رابطه (1)، با معلومبودن مقدار سرعت روتور، مقدار فرکانس ژنراتورها به دست میآید.
3- صفحۀ ارزیابی پایداریدر هر گام زمانی، متغیر انحراف فرکانس ((DFi مطابق رابطه (4) توسط IGB محاسبه میشود ]23[.
در رابطه (4)، fi(nDt) و f0 بهترتیب بیانکنندۀ فرکانس خروجی ژنراتور i اُم و فرکانس نامیاند و هر دو بر حسب هرتزند. همچنین، متغیر عدم تعادل توان ((DPi نیز مطابق رابطه (5) در هر گام زمانی محاسبه میشود ]24[.
در رابطه (5)، SNi بیانکنندۀ اینرسی و توان ظاهری نامی ژنراتور i اُم بر حسب مگاولت آمپر است. صفحۀ ارزیابی پایداری معرفیشده در این مقاله، برای نشاندادن تغییرات دو متغیر DFi و DPi نسبت به یکدیگر ترسیم میشود. الگوریتم پیشنهادی، مبتنی بر تشخیص دو موقعیت کلیدی در صفحۀ ارزیابی پایداری در شرایط آنلاین است که در ادامه تشریح شدهاند.
3-1- موقعیتهای کلیدیIGB به دنبال دو موقعیت P1 وP2در صفحۀ ارزیابی پایداری است که عبارتاند از:
حالت اول) نقطۀ عطـف: مطابق حالت شماره 1 در شـکل (2)، نخستین موقعیتی که بهعنوان نقطۀ عطف برروی متغیر DFi شناسایی میشود، موقعیت P1بهعنوان نقطۀ عطف است که در صفحۀ ارزیابی پایداری در شکل (3) نشان داده شده است. شرط تشخیص موقعیت P1بهعنوان نقطۀ عطف در صفحۀ ارزیابی پایداری مطابق رابطه (6) است:
حالت دوم) نقطۀ ماکزیمم: مطابق حالتهای شماره 2 و 3 در شکل (2)، اولین موقعیتی که بهعنوان نقطۀ ماکزیمم برروی متغیر DFi شناسایی شود، موقعیت P1بهعنوان نقطۀ ماکزیمم است که در صفحۀ ارزیابی پایداری در شکلهای (4) و (5) نشان داده شده است. شرط تشخیص موقعیت P1 بهعنوان نقطۀ ماکزیمم در صفحۀ ارزیابی پایداری، مطابق رابطه (7) است.
در روابط (6) و (7)، nDt بیانکنندۀ موقعیت P1 (np1)و m بیانکنندۀ پارامتری برای اطمینان از صحیحبودن نتایج است. با توجه به رابطه (5)، مقدار متغیر DPi برحسب مشـتـق فرکانس است. در حالـتی کـه موقعیت P1 یک نقطۀ ماکزیمم است (مشتق فرکانس برابر با صفر است)، مقدار متغیر DPi در این موقعیت در صفحۀ ارزیابی پایداری برابر با صفر است.
شکل (2): تغییرات متغیر DFi
شکل (3): صفحۀ ارزیابی پایداری حالت شماره 1 در شکل (2)
شکل (4): صفحۀ ارزیابی پایداری حالت شماره 2 در شکل (2)
شکل (5): صفحۀ ارزیابی پایداری حالت شماره 3 در شکل (2)
نقطۀ مینیمم: مطابق حالتهای شماره 2 و 3 در شکل (2)، اولین موقعیتی که بهعنوان نقطۀ مینیمم بر متغیر DFi شناسایی شود، بهعنوان موقعیت P2انتخاب میشود. این موقعیت در صفحۀ ارزیابی پایداری در شکلهای (4) و (5) نشان داده شده است. شرط تشخیص موقعیت P2در صفحۀ ارزیابی پایداری مطابق رابطه (8) است.
در موقعیت P2 نیز مشابه با موقعیت P1 زمانی که بهعنوان یک نقطۀ ماکزیمم است، مقدار متغیر DPi در صفحۀ ارزیابی پایداری برابر با صفر است.
4- الگوریتم پیشنهادیدر این بخش، گامهای الگوریتم پیشنهادی تشریح شدهاند. فرض در نظر گرفته شده در الگوریتم پیشنهادی، وجود یک واحد PMU در هر شین ژنراتوری برای اندازهگیری فازور ولتاژ و جریان است. گام اول) انتخاب شینهای ژنراتوری بهعنوان شینهای هوشمند هر یک از شینهای ژنراتوری بهعنوان یک شین هوشمند یا IGB انتخاب میشود. گام دوم) محاسبۀ متغیرهای DFi و DPiبا IGBها با استفاده از ولتاژ و جریان خروجی ژنراتور سنکرون که ازطریق PMU نصبشده بر شین ژنراتور دردسترس است، فرکانس مطابق بخش 2-2 توسط IGB محاسبه میشود و سپس دو متغیر DFi و DPi مطابق روابط (4) و (5) محاسبه میشوند. گام سوم) انتخاب IGBهای کاندید با وقوع اغتشاش در شبکه، ژنراتورهایی که ازنظر الکتریکی، کمترین فاصله را تا محل اغتشاش دارند، بیشترین تأثیر را از اغتشاش میپذیرند ]22[ و مقدار متغیر DPi آنها مطابق رابطه (5) بیشترین تغییرات را خواهد داشت. بر همین اساس در طرح پیشنهادی، مقدار DPi محاسبهشده توسط IGBها در لحظۀ وقوع اغتشاش ((DPi(nfault∆t) برای PDCها و سپس برای Super PDC ارسال میشود. در Super PDC مقدار میانگین تمام DPi(nfault∆t)های دریافتی محاسبه شده است؛ سپس هر IGB که DPi(nfault∆t) مربوط به آن دارای مقدار کمتری از مقدار میانگین محاسبهشده داشته باشد، IGB کاندید انتخاب میشود. سپس، فرمان انجام پیشبینی وضعیت پایداری گذرا و ولتاژ کوتاهمدت برای IGBهای کاندید ارسال میشود. با توجه به اینکه الگوریتم پیشنهادی در ساختار سیستم پایش سراسری هوشمند اجرا میشود، لحظۀ وقوع و پاکسازی اغتشاش با تجهیزات حفاظتی برای Super PDC ارسال میشود. گام چهارم) پیشبینی وقوع ناپایداری در الگوریتم پیشنهادی، سه معیار بهمنظور پیشبینی وقوع ناپایداری گذرا و ولتاژ کوتاهمدت با IGBهای کاندید وارسی میشوند. دو معیارP1، نقطۀ عطف و P1، نقطۀ ماکزیمم بهمنظور پیشبینی وقوع ناپایداری ولتاژ کوتاهمدت و ناپایداری گذرا از نوع نوسان اول (first-swing) هستند و معیار نهایی بهمنظور پیشبینی وقوع ناپایداریهای چندنوسانه (multi-swing) ارائه شده است. در ادامه، هر یک از این معیارها تشریح شدهاند.
چنانچه موقعیت P1بهعنوان نقطۀ عطف، با IGB تشخیص داده شود،معیار P1 بهعنوان نقطۀ عطف برآورده میشود و الگوریتم پیشنهادی در همان موقعیت ازنظر زمانی، وقوع ناپایداری گذرا یا ناپایداری ولتاژ کوتاهمدت را پیشبینی میکند. برآوردهشدن معیار P1 بهعنوان نقطۀ عطف در نیم صفحۀ منفی، نشان میدهد همواره Pe از Pmدر رابطه (5) کوچکتر است (مسیر تغییرات در نیم صفحۀ منفی DPi قرار دارد)؛ درنتیجه، همواره حالت Accelerating برقرار است و نقطۀ تعادل پایداری حاصل نخواهد شد.
چنانچه موقعیت P1نقطۀ ماکزیمم تشخیص داده شود، IGB در لحظه رسیدن مسیر به موقعیت P2، ارزیابی خود را از امکان وقوع ناپایداری گذرا یا ناپایداری ولتاژ کوتاهمدت انجام میدهد. نخستین شرطی که با IGB کاندیدا چک میشود، مطابق رابطه (9) است:
در رابطه (9)، DFi(nP1∆t)، DFi(nP2∆t)و DFi(nclear∆t)بهترتیب بیانکنندۀ مقدار متغیر انحراف فرکانس در موقعیت P1، P2 و لحظۀ پاکسازی اغتشاش است. اگر این شرایط برقرار باشد، IGB شیب منفی DPi را مطابق رابطه (10) محاسبه میکند:
برخلاف شرایط پایدار، انتظار میرود در شرایط ناپایدار، مطابق شکل (6)ب، مقدار متغیر a افزایشی باشد.
(الف) (ب) شکل (6): تغییراتمتغیر a، (الف) حالت پایدار (ب) حالت ناپایدار
افزایشی یا کاهشی بودن متغیر a بهازای سه نمونۀ ابتدایی از آن چک میشود. چنانچه روند بهازای این سه نمونه افزایشی باشد، معیار P1 بهعنوان نقطۀ ماکزیمم برآورده میشود و IGB وقوع ناپایداری گذرا یا ولتاژ کوتاهمدت را پیشبینی میکند. برآوردهشدن معیار P1بهعنوان نقطۀ ماکزیمم بیانکنندۀ آن است که انرژی جنبشی ذخیرهشده در زمان پاکسازی خطا از ماکزیمم انرژی پتانسیل در موقعیت P2 بیشتر است؛ درنتیجه، نقطۀ تعادل پایداری حاصل نخواهد شد.
چنانچه وقوع ناپایداری با دو معیار P1 بهعنوان نقطۀ عطف و P1 بهعنوان نقطۀ ماکزیمم پیشبینی نشود، شرط معیار نهایی توسط تمامی IGBها (کاندیدا و غیر کاندیدا) وارسی خواهد شد. براساس این شرط، چنانچه IGB موقعیتی را (موقعیت P3) روی صفحۀ ارزیابی پایداری شناسایی کند که مجدداً رابطه (8) برقرار باشد و DFi دارای مقدار مثبت باشد، شیب منفی DPi مطابق رابطه (10) محاسبه میشود. چنانچه متغیر a بهازای سه نمونۀ متوالی بعد از این موقعیت دارای روند صعودی باشد، معیار نهایی، برآورده و وقوع ناپایداری گذرای چندنوسانه پیشبینی میشود.
5- نتایج شبیهسازیدر این بخش، ابتدا عملکرد الگوریتم روی دو شبکۀ تکماشین متصل به شین بینهایت (SMIB) و تکماشین متصل به بار (SMLB) ارزیابی و سپس اعتبارسنجی نتایج روی شبکههای چندماشینه 39 و 118 شین IEEE بررسی شده است. شبیهسازیهای دینامیکی در نرمافزار DIgSILENT ]25[ انجام شدند و الگوریتم پیشنهادی در نرمافزار متلب اجرا شده است. بازه زمانی نمونهبرداری نیز برابر با 01/0 ثانیه انتخاب شده است.
5-1- شبکۀ تست SMIBدر شبکه SMIB نیز از آنجایی که بار در شبکه حضور ندارد، تنها ناپایداری گذرا میتواند رخ دهد ]26[. در شبکۀ تست SMIB نشان داده شده در شکل (7)، از مدل 2.2 برای ژنراتور استفاده شده ]27[ و نیز سیستم تحریک IEEET1 در نظر گرفته شده است. ثابت اینرسی ژنراتور نیز برابر با 76/2 ثانیه است. بهازای وقوع خطای اتصال کوتاه سهفاز در نقطۀ میانی خط L1، در زمان 1 ثانیه و زمان رفع خـطـای 29/1 و 3/1 ثانیه با بازشدن خط، تغییرات زاویۀ روتور در شکل (8) نشان داده شدهاند. با توجه به شکل (8)، بهازای دو زمان رفع خطای 29/1 و 3/1 ثانیه، شبکه بهترتیب در وضعیت پایدار و ناپایدار گذرا قرار دارد. بهازای این دو شرایط ناپایدار و پایدار، مسیر تغییرات در صفحۀ پایداری بهترتیب در شکلهای (9) (الف) و (ب) نشان داده شده است.
شکل (7): شبکۀ تست SMIB
شکل (8): تغییرات زاویۀ روتور ژنراتور در دو حالت پایدار و ناپایدار
(الف) (ب) شکل (9): مسیر تغییرات در صفحۀ ارزیابی پایداری، (الف) شرایط ناپایدار (ب) شرایط پایدار
مطابق شکل (9) (الف) و (ب)، در هر دو صفحۀ ارزیابی پایداری، شرط (7) برقرار است؛ بنابراین، »مـعیار P1 بهعنوان نقطۀ ماکزیمم« بررسی میشود. بهازای حالت پایـدار، شـرط (9) برقرار نیست (سـمت چـپ رابطه (9) دارای مقدار 7/2 است)؛ بنابراین، شرایط پایدار توسط IGB اعلام میشود. در حالت ناپایدار، شرط (9) برقرار است (سمت چپ رابطه (9) دارای مقدار 52/0 است) و روند افزایشی متغیر a بهازای سه نمونۀ متوالی تأیید میشود؛ درنتیجه، IGB در زمان 57/1 ثانیه بهدرستی وقوع ناپایداری گذرا را پیشبینی میکند.
5-2-
|
موارد پیشبینیشده |
درصد دقت پیشبینی |
||
پایدار |
ناپایدار |
پایدار |
ناپایدار |
3208 مورد از 3232 مورد |
1328 مورد از 1328مورد |
3/99 % |
100 % |
جدول (2): نتایج عملکرد الگوریتم پیشنهادی در شبکه 118 شین IEEE
موارد پیشبینیشده |
درصد دقت پیشبینی |
||
پایدار |
ناپایدار |
پایدار |
ناپایدار |
809 مورد از 812 مورد |
188 مورد از 188 مورد |
6/99 % |
100 % |
جدول (3): مقایسۀ الگوریتم پیشنهادی با سایر مراجع
روش پیشنهادی |
]19[ |
]18[ |
]15[ |
]14[ |
]13[ |
]11[ |
]9[ |
]8[ |
]7[ |
شاخصها |
ü |
û |
û |
û |
û |
û |
û |
û |
û |
û |
پیشبینی هر دو پایداری گذرا و ولتاژ کوتاهمدت |
ü |
û |
û |
û |
û |
û |
û |
û |
û |
û |
پیشبینی ناپایداری چندنوسانه |
ü |
N |
N |
û |
û |
û |
N |
N |
ü |
ü |
پیشبینی پایداری بحرانی |
ü |
N |
N |
N |
N |
ü* |
N |
N |
N |
û |
مصون در برابر خطای اندازهگیری |
ü |
N |
N |
N |
N |
ü |
N |
N |
N |
û |
مصون در برابر تغییر توپولوژی شبکه |
ü |
N |
N |
N |
N |
ü |
ü |
ü |
ü |
ü |
مصون در برابر بارهای وابسته به ولتاژ |
ü |
N |
N |
N |
N |
ü* |
N |
N |
ü |
N |
مصون در برابر شرایط مختلف بهرهبرداری |
ü |
ü |
ü |
ü |
ü |
û |
û |
ü |
û |
ü |
عدم نیاز به مطالعات آفلاین |
ü |
ü |
ü |
ü |
ü |
N |
N |
N |
N |
ü |
قابلیت بهکارگیری الگوریتم در شبکههای بزرگ |
3/99 % |
LC |
LC |
LC |
LC |
100 % |
N |
LC |
7/98 % |
LC |
درصد دقت پیشبینی موارد پایدار |
100 % |
LC |
LC |
LC |
LC |
97 % |
N |
LC |
8/98 % |
LC |
درصد دقت پیشبینی موارد ناپایدار |
N= ذکر نشده است، LC= موارد محدود، بررسی و نتیجه ارائه نشده است، ü*= به انجام فرآیند آموزش مجدد دادهها نیاز است.
در این مقاله، با بهکارگیری سیستم هوشمند پایش سراسری، الگوریتمی جدید بهمنظور پیشبینی زودهنگام وضعیت هر دو پایداری گذرا و ولتاژ کوتاهمدت ارائه شد. در روش ارائهشده، شینهای هوشمند ژنراتوری، تنها با استفاده از فرکانس ژنراتورهای سنکرون، بهصورت آنلاین وضعیتهای مختلف پایداری ازجمله پایداری بحرانی، ناپایداری گذرا (به هر دو حالت نوسان اول یا چند نوسانه) و ناپایداری ولتاژ کوتاهمدت را پیشبینی میکنند. الگوریتم پیشنهادی به ساختار شبکه و مدل بار وابسته نیست و در شبکههای با مقیاس بزرگ نیز به کار گرفته میشود.
مطابق نتایج بهدستآمده از ارزیابی 5560 حالت در چهار شبکه تست SMIB (که تنها امکان بروز ناپایداری گذرا دارد)، SMLB (که تنها امکان بروز ناپایداری ولتاژ کوتاهمدت دارد)، 39 شین IEEE و 118 شین IEEE، در شرایط مختلفی ازجمله شرایط بهرهبرداری مختلف، وقوع انواع خطاهای اتصال کوتاه، تغییر توپولوژی شبکه و خطای اندازهگیری PMU، دارای دقت عملکرد کلی بالای 5/99% و دقت 100% در پیشبینی موارد ناپایدارند.
[1] تاریخ ارسال مقاله: 14/04/1399
تاریخ پذیرش مقاله: 29/07/1399
نام نویسندۀ مسئول: سید محمد شهرتاش
نشانی نویسندۀ مسئول: ایران – تهران –دانشگاه علم و صنعت ایران – دانشکده مهندسی برق
[1] A. D. Rajapakse, F. Gomez, K. Nanayakkara, P. A. Crossley and V. V. Terzija, "Rotor Angle Instability Prediction Using Post-Disturbance Voltage Trajectories", IEEE Transactions on Power Systems, Vol. 25, No. 2, pp. 947-956, 2010.
[2] P. Kundur, et al., "Definition and Classification of Power System Stability", IEEE Transactions on Power Systems, Vol. 19, No. 2, pp. 1387-1401, 2004.
[3] Y. Wang, Y. Sun and S. Mei, "A method of distinguishing short-term voltage stability from rotor angle stability and its application", IEEE PES Innovative Smart Grid Technologies, Tianjin, China, pp. 1-5, 2012.
[4] H. Ge, Q. Guo, H. Sun and W. Zhao, "A model and data hybrid-driven short-term voltage stability real-time monitoring method", International Journal of Electrical Power & Energy Systems, Vol. 114, pp. 1-13, 2020.
[5] S. Dasgupta, M. Paramasivam, U. Vaidya and V. Ajjarapu, "PMU-based model-free approach for short term voltage stability monitoring", IEEE Power and Energy Society General Meeting, San Diego, CA, pp. 1-8, 2012.
[6] K. Kawabe and A. Yokoyama, "Study on short-term voltage stability improvement using batteries on extra-high voltage network", IEEE Grenoble Conference, Grenoble, pp. 1-3, 2013.
[7] S. Dasgupta, M. Paramasivam, U. Vaidya and V. Ajjarapu, "Real-Time Monitoring of Short-Term Voltage Stability Using PMU Data", IEEE Trans. Power Syst, Vol. 28, No. 4, pp. 3702-3711, 2013.
[8] H. Khoshkhoo and S. M. Shahrtash, "Fast online dynamic voltage instability prediction and voltage stability classification", IET Gen. Transm. Distrib., Vol. 8, No. 5, pp. 957-965, 2014.
[9] W. Zhao, Q. Guo, H. Sun, H. Ge and H. Li, "Practical short-term voltage stability index based on voltage curves: definition, verification and case studies", IET Gen. Transm. Distrib., Vol. 12, No. 19, pp. 4292-4300, 2018.
[10] G. Lammert, D. Premm, L. D. P. Ospina, J. C. Boemer, M. Braun, T. Van Cutsem, "Control of Photovoltaic Systems for Enhanced Short-Term Voltage Stability and Recovery", IEEE Trans. Energy Conversion, Vol. 34, No. 1, pp. 243-254, 2019.
[11] Y. Xu and et al., "Assessing Short-Term Voltage Stability of Electric Power Systems by a Hierarchical Intelligent System", IEEE Trans. Neural Networks and Learning Syst, Vol. 27, No. 8, pp. 1686-1696, 2016.
[12] K. Kawabe, Y. Ota, A. Yokoyama and K. Tanaka, "Novel Dynamic Voltage Support Capability of Photovoltaic Systems for Improvement of Short-Term Voltage Stability in Power Systems", IEEE Trans. Power Syst, Vol. 32, No. 3, pp. 1796-1804 , 2017.
[13] F. R. Gomez, A. D. Rajapakse, U. D. Annakkage, I. T. Fernando, "Support Vector Machine-Based Algorithm for Post-Fault Transient Stability Status Prediction Using Synchronized Measurements", IEEE Trans. Power Syst, Vol. 26, No. 3, pp. 1474-1483, 2011.
[14] A. R. Sobbouhi and A. Vahedi, "Online synchronous generator out-of-step prediction by ellipse fitting on acceleration power-Speed deviation curve", Int. J. Electr. Power Energy Syst, Vol. 119, pp. 1-8, 2020.
[15] A. R. Sobbouhi and A. Vahedi, "Online synchronous generator out-of-step prediction by electrical power curve fitting", IET Gen. Transm. Distrib., Vol. 14, No. 7, pp. 1169-1176, 2020.
[16] H. Hosseini, S. Naderi and S.Afsharnia, "New approach to transient stability prediction of power systems in wide area measurement systems based on multiple-criteria decision making theory",IET Gen. Transm. Distrib., Vol. 13, No. 21, pp. 4960-4967, 2019.
[17] H. Yang and et al., "PMU-based model-free method for transient instability prediction and emergency generator-shedding control",Int. J. Electr. Power Energy Syst, Vol. 105, pp. 381-393, 2019.
[18] S. Wang, J. Yu, W. Zhang, "Transient Stability Assessment Using Individual Machine Equal Area Criterion PART I: Unity Principle", IEEE Access, Vol. 6, pp. 77065-77076, 2018.
[19] S. Dasgupta, M. Paramasivam, U. Vaidya, V. Ajjarapu, "PMU-Based Model-Free Approach for Real-Time Rotor Angle Monitoring", IEEE Trans. Power Syst, Vol. 30, No. 5, pp. 2818-2819, 2015.
[20] A. G. Phadke and J. S. Thorp, Synchronized Phasor Measurements and Their Applications. New York: Springer, 2008.
[21] S. Sodeifi and H. K. Karegar, "Wide Area Islanding Protection of Wind Turbine Equipped With Permanent Magnet Synchronous Generator by Using PMU", Computational Intelligence in Electrical Engineering", Vol. 3, No. 3, pp. 115-132, 2016.
[22] K. R. Padiyar, Power System Dynamics, BSP, 2008.
[23] P. Kundur, Power system stability and control, McGraw-Hill, 1994.
[24] D. Lara-Jimenez, J. M. Ramırez and F. Mancilla-David, "Allocation of PMUs for power system-wide inertial frequency response estimation", IET Gen. Transm. Distrib., Vol. 11, No. 11, pp. 2902-2911, 2017.
[25] D. PowerFactory, Version 15.0. DIgSILENT International, Germany.
[26] C.W. Taylor, Power System Voltage Stability, McGraw-Hill, 1994.
[27] IEEE Standard 1110-2002: 'IEEE guide for synchronous generator modeling practices and applications in Power system stability analyses', 2003.
[28] IEEE Standard C37.118-2005 (Revision of IEEE Standard 1344-1995): 'IEEE Standard for Synchrophasors for Power Systems', 2006.
IIT, 'Index of Data Illinois Institute of Technology',Available:motor.ece.iit.edu/data