Βελτιστος Σχεδιασμος Διεσπαρμενης Παραγωγης Στα Δικτυα Διανομης Λαμβανοντας Υποψη Αβεβαιοτητες

Abstract

Σκοπός της διπλωματικής εργασίας είναι ο καθορισμός του βέλτιστου πλάνου τοποθέτησης και διαστασιολόγησης διεσπαρμένης παραγωγής στα δίκτυα διανομής λαμβάνοντας υπόψη αβεβαιότητες. Η μέθοδος, η οποία χρησιμοποιείται, είναι ο γενετικός αλγόριθμος με ενσωματωμένη πιθανοτική ροή φορτίου, που εφαρμόζεται για την επίλυση προβλημάτων βελτιστοποίησης, τα οποία μοντελοποιούνται μαθηματικά με προγραμματισμό υπό πιθανοτικούς περιορισμούς, και αναλύεται για δυο διαφορετικές μεθόδους πιθανοτικής ροής φορτίου, την προσομοίωση Monte Carlo και την μέθοδο εκτίμησης σημείου.Οι αβεβαιότητες που αναλύονται είναι η τυχαία μελλοντική αύξηση του φορτίου στα δίκτυα διανομής, η τυχαία ισχύς εξόδου των ανεμογεννητριών και των φωτοβολταϊκών, λόγω της τυχαιότητας της ταχύτητας του ανέμου και της έντασης της ηλιακής ακτινοβολίας, αντίστοιχα, καθώς επίσης και η τυχαία αύξηση του κόστους των καυσίμων και της τιμής πώλησης της ηλεκτρικής ενέργειας.Στην παρούσα εργασία, υλοποιήθηκε αλγόριθμος σε περιβάλλον MATLAB για την εύρεση της βέλτιστης τοποθέτησης και διαστασιολόγησης διεσπαρμένης παραγωγής λαμβάνοντας υπόψη αβεβαιότητες, χρησιμοποιώντας και κάποια στοιχεία από το λογισμικό πακέτο MATPOWER, το οποίο είναι λογισμικό σε MATLAB, για τον υπολογισμό ροών φορτίου. Επιπλέον, αναπτύχθηκε γραφικό περιβάλλον (GUI) για την καλύτερη και πιο εύχρηστη εφαρμογή του προγράμματος και την εξαγωγή αποτελεσμάτων. Με βάση κάποια υποψήφια σενάρια εγκατάστασης μονάδων διεσπαρμένης παραγωγής διαφόρων τύπων και μεγεθών σε καθορισμένους υποψήφιους ζυγούς του δικτύου, ο γενετικός αλγόριθμος δημιουργεί έναν αρχικό πληθυσμό από χρωμοσώματα, των οποίων κάθε γονίδιο αντιπροσωπεύει την εγκατεστημένη ισχύ του αντίστοιχου τύπου μονάδας διεσπαρμένης παραγωγής στον αντίστοιχο υποψήφιο ζυγό σύνδεσης. Για καθένα από αυτά τα χρωμοσώματα εκτελείται πιθανοτική ροή φορτίου και αξιολογούνται με βάση μια αντικειμενική συνάρτηση. Ο πληθυσμός ταξινομείται, τα καλύτερα από αυτά επιβιώνουν και τα υπόλοιπα διαγράφονται. Έπειτα από εξέλιξη του πληθυσμού με διασταύρωση και μετάλλαξη δημιουργείται μια νέα γενιά. Η διαδικασία αυτή επαναλαμβάνεται μέχρι να βρεθεί η βέλτιστη ή μια πολύ καλή λύση και τερματίζει σύμφωνα με κάποια κριτήρια.Το λογισμικό που αναπτύχθηκε εφαρμόζεται σε δίκτυα των 4, 15 και 33 ζυγών για διάφορες περιπτώσεις και επίσης γίνεται μια συγκριτική μελέτη των δύο μεθόδων πιθανοτικής ροής φορτίου που αναλύονται. Τέλος παρουσιάζονται τα αποτελέσματα και εξάγονται συμπεράσματα.