مكانيابي توليدات پراكنده جهت بهبود قابليت اطمينان با اسـتفاده از شبيه سازي مونت كارلو و اعمال پخش بار در شبكه توزيع فعال

Distributed generation sizing using active distributed network load flow and monte carlo simulation in order to improve relability

در دهه‌‌‌‌‌‌هاي اخير جايابي بهينه‌‌‌‌‌ سيستم‌‌‌‌‌‌هاي ذخيره‌‌‌‌‌‌ساز انرژي و منابع توليد پراكنده به يكي از دغدغه‌‌‌‌‌‌هاي اصلي بهره‌‌‌‌‌‌برداران شبكه‌‌‌‌‌‌ي توزيع بدل گشته است، چرا كه تخصيص ظرفيت و مكانيابي نادرست اين واحدها علاوه بر ناپايداري سيستم منجر به تحميل هزينه‌‌‌‌‌‌هاي ناخواسته مي‌‌‌‌‌‌گردد. به همين دليل ارائه‌‌‌‌‌‌ي مدل برنامه‌‌‌‌‌‌ريزي مطلوب جهت نصب سيستم‌‌‌‌‌‌هاي ذخيره‌‌‌‌‌‌ساز انرژي و واحدهاي توليد پراكنده و اندازه‌‌‌‌‌‌ي بهينه‌‌‌‌‌‌ي آن‌‌‌‌‌‌ها از اهميت بالايي برخوردار مي‌‌‌‌‌‌باشد. در اين مقاله به منظور ارائه‌‌‌‌‌‌ي مدلي مطلوب براي سيستم‌هاي توزيع، به مكانيابي منابع توليد پراكنده جهت بهبود شاخصهاي قابليت اطمينان سيستم با استفاده از شبيه سازي مونت-كارلو پرداخته شده است. همچنين در پخش بار انجام شده در سيستم توزيع، از پخش بار توسعه يافته پيشرو-پسرو استفاده شده است كه بر خلاف پخش بار پيشرو-پسرو رايج در شبكه هاي توزيع سنتي، قابليت پخش بار با در نظر گرفتن منابع توليد در شبكه توزيع را نيز دارا مي باشد. توابع هدف منظور شده در اين مقاله، كاهش تلفات ، افزايش قابليت اطمينان و بهبود پروفيل ولتاژ شبكه توزيع بوده و اين توابع هدف با استفاده از الگوريتم ژنتيك دنبال مي گردد. شبيه سازي ها نيز بر روي شبكه استاندارد 33 شينه IEEE پياده سازي شده است.

In this paper, the economic evaluation of using battery storage in a distribution network in the presence of distributed generation units for a private distribution company is done. For this purpose, a battery bank of lithium-ion with high energy and power density owned by distribution company in the network of IEEE 33-bus is used and the market is run based on retail model in which, there is a competition between distributed generation units in order to sell energy to distribution company, and the distribution company is able to conclude contracts with manufacturers in the form of day ahead market. In order to complete economic assessment, various details including battery and converter’s efficiency as well as utilization costs are considered. In this short-term planning, unit commitment and load flow is done and the results and costs are compared in different scenarios including existence and absence of battery bank. The simulations are done, and load dispatch constraints, the capacity of connection to the upstream network, and limitations of battery banks are considered.