Optimalno pozicioniranje sinhrofazorskih jedinica primenom genetičkog algoritma / PMU Optimal Placement Using Genetic Algorithm
Proces energetske tranzicije podrazumeva i veći udeo proizvodnje iz intermitentnih obnovljivih izvora energije povezanih na elektroenergetski sistem (EES), koji u kratkom periodu mogu da promene proizvodnju i tako utiču na naponske prilike i tokove snaga u sistemu. To pred EES postavlja dodatan izaz...
Saved in:
| Main Authors: | , |
|---|---|
| Format: | Article |
| Language: | English |
| Published: |
Savez energetičara
2022-12-01
|
| Series: | Energija, Ekonomija, Ekologija |
| Subjects: | |
| Online Access: | https://doi.ub.kg.ac.rs/2022/10-46793-eee22-4-22o/ |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Summary: | Proces energetske tranzicije podrazumeva i veći udeo proizvodnje iz intermitentnih obnovljivih izvora energije povezanih na elektroenergetski sistem (EES), koji u kratkom periodu mogu da promene proizvodnju i tako utiču na naponske prilike i tokove snaga u sistemu. To pred EES postavlja dodatan izazov u postizanju zahtevane pouzdanosti i stabilnosti u radu. Dobar i blagovremen uvid u trenutno stanje električnih parametara mreže igra važnu ulogu u takvim uslovima. Ugradnjom sinhrofazorskih jedinica, odnosno PMU (Phasor Measurement Unit) uređaja, omogućava se da podaci o električnim veličinama čvorova budu vremenski usklađeni sa mikrosekundnom preciznošću obezbeđujući kontrolisanje čak i dinamičkih procesa EES-a u realnom vremenu.
S obzirom da PMU može pored informacije o fazoru napona u posmatranom čvoru da dâ i informacije o strujama incidentnih grana, moguće je postići opservabilnost sistema čak i ako ne poseduje svaki čvor svoj PMU. Ugradnja PMU uređaja u svaki čvor EES-a ne predstavlja ekonomično rešenje s obzirom na veličinu mreže i broj potrebnih jedinica u tom slučaju. Stoga, neophodno je pažljivo pristupiti određivanju potrebnog i dovoljnog broja PMU-a i njihovom pogodnom lociranju kako bi opservabilnost sistema bila zadržana, a troškovi umanjeni što je više moguće.
U okolnostima kada postoji veliki broj čvorova i grana u modelovanoj mreži, korišćenjem metaheurističkih optimizacionih metoda uz odgovarajuću kriterijumsku funkciju i što preciznije definisana ograničenja može da se smanji računarska kompleksnost algoritma u odnosu na metode linearnog i nelinearnog programiranja, bez značajnog uticaja na kvalitet predloženog rešenja. U ovom radu analizirano je korišćenje genetičkog optimizacionog algoritma sa ciljem određivanja pozicije i broja neophodnih PMU uređaja na primeru nekoliko različitih modela mreža. |
|---|---|
| ISSN: | 0354-8651 2812-7528 |