مكان‌يابي چندهدفه واحدهاي اندازه‌گيري فازور با در نظر گرفتن ارزش واقعي نايقيني‌ها در سيستم قدرت مبتني بر اتوماتاي يادگير سلولي

A New Model for Multi-Objective PMU Placement Considering Actual Worth of Uncertainties Using Cellular Learning Automata

واحدهاي اندازه‌گيري فازور، از جمله ادواتي است كه در تخمين حالت سيستم قدرت نقش اساسي داشته، به بهره‌بردار شبكه كمك مي‌كند تا تصميماتِ لازمِ احتمالي را براي حفظ عملكرد سيستم اتخاذ نمايد. در اين مقاله، مساله مكان‌يابي چند‌هدفه واحدهاي اندازه‌گيري فازور با اهدافي، همچون مشاهده‌پذيري كامل سيستم قدرت، افزايش تعداد دفعات مشاهده‌پذيري شين‌ها و ارزش قابليت اطمينان بررسي شده است. براي اين منظور، مساله مكان‌يابي واحدهاي اندازه‌گيري فازور در قالبي جديد فرمول‌بندي و با ارايه نگرشي نوين بر ارزش قابليت اطمينان، تابع هدف جديدي تعريف شده است. سپس، مساله مكان‌يابي چند‌هدفه واحدهاي فازوري در قالب يك مساله بهينه‌سازي، با استفاده از اتوماتاي يادگيرِ سلولي باز، بررسي و مراحل تطابق آن با مساله حاضر تشريح شده است. در پايان، با حل مساله مكان‌يابي واحدهاي فازوري براي چندين شبكه نمونه و نيز شبكه سراسري kV230 و kV400 انتقال ايران، توسط راهكار پيشنهادي و مقايسه نتايج با پاسخ‌هاي ساير روش‌ها، كارايي راهكار پيشنهادي بررسي و نشان داده شده است.

Phasor measurement units (PMUS) are crucial elements of wide-area state estimation system in Smart Grids, as they maintain a high quality of observability on electrical quantities of power system. This paper proposes a new approach for multi-objective PMU placement considering actual worth of contingency conditions. Moreover, a new fitness function is introduced to simultaneously find the minimum number of PMUs as well as to maximize the measurement redundancies. In addition, a cellular learning automata based algorithm is employed for optimization process. The developed method is applied to IEEE test systems and obtained results are reported in several scenarios. Detailed numerical results and comparisons presented in the paper show that the proposed approach could noticeably improve the quality of problem solutions under uncertainties and can be used as an effective tool for multi-objective PMU placement within an actual large-scale transmission network.