پخش بار بهينه مقيد به پايداري سيگنال كوچك با استفاده از الگوريتم ژنتيك

Small Signal Stability Constrained Optimal Power Flow using Genetic Algorithm

اين مقاله با استفاده از الگوريتم تكاملي ژنتيك به حل پخش بار بهينه با در نظر گرفتن توابع هدف مختلف در شرايط احتمالي متفاوت با محوريت قرار دادن قيد پايداري سيگنال كوچك مي‌پردازد. هدف نهايي از پخش بار بهينه (OPF)، پيدا كردن نقطه كار بهينه در يك سيستم قدرت با در نظر گرفتن محدوديت‌هاي موجود مي‌باشد. با اضافه كردن قيد پايداري سيگنال كوچك به محدوديت‌هاي پخش بار بهينه مي‌توان يك حالت تدافعي و پيشگيرانه را براي جلوگيري از ناپايداري‌هاي سيگنال‌كوچك در نقطه كار بهينه سيستم به وجود آورد و نيز اطمينان حاصل نمود كه هرگاه اختلالات كوچكي در سيستم رخ دهند، نوسانات الكترومكانيكي ايجادشده به‌طور مؤثري ميرا خواهند شد و سيستم به نقطه كار عادي خود باز خواهد گشت. دو نوع تابع هدف مورداستفاده در اين مقاله شامل تابع هدف كمينه كردن هزينه ژنراتورها و تابع هدف امنيت اجتماعي مورد انتظار ضمن برآورده شدن قيود مسئله، به‌طور مناسبي به‌وسيله الگوريتم تكاملي ژنتيك بهينه مي‌شوند. استراتژي پيشنهادي قادر به حل مسئله SSSC-OPF و پيدا كردن نقاط قبل و بعد از بروز اختلال مي‌باشد. نتايج حاصل از پياده‌سازي الگوريتم و نيز شبيه‌سازي‌هاي انجام‌شده بر روي دو سيستم آزمون 9 و 24 شينه IEEE نشان‌دهنده كارايي و اعتبار روش پيشنهادي است.

This paper presents a solving methodology for small signal stability constrained Optimal Power Flow (SSSC-OPF) using evolutionary genetic algorithm (GA) considering various objective functions under different contingency scenarios. The final goal of OPF is finding of optimal operating point of power system according to various constraints. By adding small signal stability constraint to the OPF problem, a preventive state for avoiding from small signal oscillatory instability is achieved. Henec, it can be guaranteed to damp electromechanical oscillations triggered by small disturbances in the system and return the operating point to the optimal condition. Two objective functions, namely minimization of total generation cost and expected-security cost subjected to the problem constraints have been considered and optimized by genetic algorithm. The proposed strategy enables to solve the SSSC-OPF problem and finds optimum operating points of the power system before and after the occurance of disturbance. The performance and effectiveness of the proposed method have been studied and simulated on the IEEE 9 and 24-bus test systems.