ارتقاء شاخص هاي پدافند غير عامل با استفاده از برنامه ريزي بهينه متبع تجديد پذير انرژي در شبكه هاي هوشمند توزيع برق

Optimal Planning of Renewable Energy Resources in Smart Power Distribution Networks for Improvement of Passive Defense Indices

شبكه هاي توزيع برق به عنوان آخرين زير سيستم در شبكه هاي قدرت كه وظيفه نهايي سيستم كه همان توزيع انرژي به مشتركين را ايفا ميكنند، داراي اهميت بسيار مهمي هستند. از اينرو درنظر گرفتن معيارهاي پدافندغيرعامل در مباحث مربوط به مطالعات طراحي و توسعه اين شبكه ها امري ضروري است. با توجه به مشكلات شبكه هاي سنتي توزيع در تامين انرژي پايدار، نياز به ايده اي جديد در اين حوزه به منظور افزايش ضريب امنيت در صنعت برق است. شبكه هوشمند انرژي به عنوان يك طرح جديد ميتواند ميان فرآيندهاي حوزه توليد، انتقال، توزيع و مصرف برق پيوستگي ايجاد كرده و براساس اصل مهم پراكندگي پدافند غيرعامل، با فراهم نمودن امكان استفاده از منابع توليد پراكنده و تجديدپذير و ذخيره سازي آن تهديدها را كاهش دهد. در اين مقاله مدلي جديد براي برنامه ريزي پوياي منابع توليد پراكنده در شبكه هاي توزيع هوشمند با درنظر گرفتن ملاحظات پدافند غيرعامل به صورت يك مسئله بهينه سازي چندهدفه با هدف كمينه سازي مدت زمان خاموشي بارهاي شبكه، كمينه سازي هزينه ها و كمينه سازي تلفات ارائه ميشود. هدف از حل مسئله تعيين بهترين مكان نصب، ظرفيت و زمان نصب اين واحدها ميباشد. عدم قطعيت موجود در ميزان توليد منابع تجديدپذير و عدم قطعيت بار مصرفي شبكه در مدل برنامه ريزي با استفاده از روش برنامه ريزي مقيد به شانس لحاظ خواهد شد

In this paper، a new multi-objective model for the expansion planning of the renewable distributed generation (DG) in smart distribution networks based on the passive defense considerations is proposed. The proposed planning model aims to minimize the outage duration of the distribution network loads considering priority of critical، sensitive and important loads. It also aims to minimize network costs and active power losses، at the same time. The optimum solution of the proposed model consists of DG unit’s size، location، and best year for installation. Uncertainties of load and output power of renewable DG units are handled by chance-constrained programming approach. Multi-objective particle swam optimization algorithm is used as an optimization tool to solve the proposed optimization model. The effectiveness of the proposed expansion model is demonstrated through examination on a 38-bus radial distribution network.