استعادة الخدمة وإدارة الأحمال لشبكات التوزيع الكهربائية

تعمل الطاقة والاقتصاد على زيادة الترابط على مر السنين، بحيث تصبح الطاقة مورداً مهماً للحفاظ على نمو بلد ما وتدعم اقتصاده، وبعد ذلك يجب أن تصبح الطاقة أكثر موثوقية وخاصة شبكة التوزيع الكهربائية؛ وذلك للحفاظ على تشغيل العملية بأكملها.

أهمية استعادة الخدمة وإدارة الأحمال الكهربائية

تعتبر الطاقة مورداً أساسياً في حياة الإنسان وتؤثر بشكل مباشر في المجتمع والنقل والأمن ودعم الحياة، وكل هذه النقاط معاً لها تأثير اقتصادي كبير في العالم، ومنذ سنوات مضت حاولت الأبحاث حساب مقدار تأثير تكلفة الانقطاع على المستهلكين الصناعيين والتجاريين والمباني السكنية.

ومع مرور الوقت تزداد أهمية الطاقة، وفي الوقت الحاضر؛ يزداد مقدار الطاقة التي يمكن توزيعها وتحدث المزيد من التطوير، كما ويمكن للمصانع الحفاظ على إنتاجها ويمكن للتجارة الحفاظ على مستوى التجارة الآمن، كما ويمكن أن تظهر أفكار جديدة من مرائب المنزل وغيرها الكثير يمكن أن تحدث أشياء جيدة لا تعد ولا تحصى.

كما يجب الحفاظ على الجودة العالية والموثوقية في جميع السلاسل للحفاظ على توزيع الطاقة بشكل مستدام، بحيث تقدم هذه الدراسة مساهمة في هذا الاتجاه لشبكات التوزيع وزيادة جودة التشغيل، بحيث أصبحت هذه الشبكات معقدة طوال العقود الماضية، وبسبب عدد الأجهزة المثبتة وعدد المستهلكين والقوانين البيئية واللوائح الجديدة وتقادم المعدات؛ فإنها توفر العديد من الاحتمالات لحل مشكلة قد يتخذها المشغل قراراً خاطئاً أو يستغرق المزيد من الوقت لحل المشكلة.

وبالتالي، تم إجراء الكثير من الدراسات لإنشاء أنظمة مستقلة، حيث أن الجزء الأكبر منها بمستوى معين من الذكاء، وذلك لتقليل الخطأ من إجراء المشغل وإعطاء المزيد من التعليمات في فترة زمنية قصيرة لاتخاذ قراره في وقت قابل للتطبيق قبل أن يحدث الانقطاع التام للتيار الكهربائي.

كيف يمكن إدارة الخدمة والأحمال الكهربائية

هناك بعض الأعمال الممكنة لتحسين التحكم الكهربائي، وهو نظام إدارة التوزيع المتقدم (ADMS)، وهو عبارة عن منصة برمجية تتضمن العديد من الوظائف لتوجيه نظام التوزيع ليكون أكثر مرونة، وبمعنى آخر يكون لديه القدرة على التعافي من أي كارثة، بشرط أن تكون موثوقة وفعالة في عملياتها، بحيث يتكون (ADMS) الكامل من خوارزميات لتحديد موقع الخطأ الآلي وعزل الأعطال واستعادة الخدمة وتقليل جهد الحفظ وإدارة ذروة الطلب وتحسين التحكم في القدرة الكهربائية (var)، وكذلك تشغيل الشبكة الصغيرة.

ولكل واحدة من هذه الميزات، هناك خوارزمية فريدة تعمل بشكل مستقل عند حدوث مشغل المراسلة، وبشكل عام ليس من الممكن الوصول إلى حل عالمي أمثل وحل مشكلة نظامية فريدة فقط؛ وذلك لأن الخوارزمية تحاول إيجاد أفضل حالة لحل مشكلة منعزلة وفريدة من نوعها، على سبيل المثال في مشكلة الإصلاح الذاتي، هناك بعض الطرق التي تعرض تقنيات لحلها عن طريق أنظمة مركزية أو لامركزية أو موزعة، وذلك باستخدام نظرية الرسم البياني أو الذكاء الاصطناعي.

ولكن في جميع الحالات، يتم حل مشكلة منفصلة في كل مرة، وعلاوة على ذلك؛ فإنه يمكن أن تحتوي وظائف (ADMS) الأخرى على تقنيات مستقلة لـ (Volt / Var) و (microgrid) وإدارة الأحمال وما إلى ذلك، وبالنسبة إلى مشكلة الإصلاح الذاتي؛ فإن هناك سبب آخر مهم للانقطاع، وهو الحمل الزائد، لذلك في هذه الحالة؛ فإن هناك تقنيات خاصة للتخفيف من المشكلات المتعلقة بالنمو المفاجئ للحمل الكهربائي.

استراتيجيات التحفيز الخاصة باستعادة الخدمة وإدارة الأحمال الكهربائية

حالياً هناك عمليتان لحل الأعطال الكهربائية في شبكة التوزيع، بحيث يحاول الأول استعادة خدمة بسيطة، بحيث إذا كان المصدر متاحاً للاستخدام؛ فقد يتم نقل مجموعة من الأحمال إلى وحدة التغذية هذه، وتنتهي العملية في هذه اللحظة، لكن تأخذ العملية الثانية في الاعتبار وظائف (ADMS) المصممة لحل كل مشكلة في كل مرة، أي بطريقة متسلسلة.

على سبيل المثال، في حالة عدم وجود مصدر بديل لحل الإصلاح الذاتي لنقل الحمل دون التسبب في زيادة الحمل؛ فلن يتم تنفيذ استعادة الخدمة مسبقاً، ومع ذلك قد يتم تشغيل وظيفة ثانية لتجنب هذا التحميل الزائد، لذلك يمكن أن يؤدي فصل الأحمال إلى قطع جزء من الحمل، وذلك قبل إجراءات الإصلاح الذاتي، وبعد ذلك يتم التمكين بعد فصل الأحمال الكهربائية.

كما تعتبر هذه العملية الثانية أكثر تعقيداً، كما وستتطلب خبرة تشغيلية أو تشغيلاً تلقائياً للوظائف ولتطويرها، لذا؛ فإن الدافع من هذه الدراسة يستند إلى فكرة حل المشاكل المعقدة بعدة وظائف في وقت واحد، كما تكمن المشكلة في هذا النهج في زيادة مساحة البحث بشكل كبير، ولا يمكن للتقنيات البسيطة إيجاد حل أو حل في وقت قصير، وبعد ذلك تتمثل مساهمة هذه الدراسة في استدعاء النطاق المعزز، والذي تم إعداده للتعامل مع البيئات المعقدة.

الخوارزميات المقترحة للمحافظة على المعدل والنموذج البيئي

يمكن تصنيف الطريقة المقترحة على أنها تقنيات التعلم الآلي (ML)، وهو فرع من مجال الذكاء الحسابي، بحيث يتعامل مع الخوارزميات والنماذج الرياضية والإحصائية، وبشكل أكثر تحديداً؛ فإن الطريقة المقترحة هي فئة (نموذج) من (ML) تسمى التعلم التعزيزي (RL)، حيث يتم استبدال مفهوم النموذج بواسطة عوامل متعددة (خالية من النماذج)، كما يدير كل وكيل تفاعله مع البيئة وتحاول تقييم فكرة المكافأة التراكمية.

كما تستخدم الطريقة المقترحة (Q-Learning – MQL) المعدل المعدل لبيئة توزيع الطاقة، بحيث تم اقتراح خوارزمية (Q-Learning) الأصلية، حيث تمثل (Q) الجودة، وهي أيضاً فئة من (RL)، والتي لا يمكن استخدامها مباشرة لحجم المشكلة الحقيقية في أنظمة التوزيع الكهربائية، حيث أن الهدف الرئيسي لكل وكيل في (MQL) هو معرفة سياسة تشغيل شبكة التوزيع وقضاياها والقيود ونقطة التشغيل الحالية والعمل.

كذلك يمكن أن ينتج عن كل إجراء تغييرات في نقطة التشغيل الحالية لنظام التوزيع، مما يؤدي إلى إنشاء مكافأة (إيجابية أو سلبية) للوكيل وتعديل سلوكه الداخلي، أيضاً تظهر الطريقة المقترحة في الشكل التالي، بحيث تتبع سير عمل الإصلاح الذاتي (موقع الخطأ، العزل، استعادة الخدمة).

بالمجمل تمثل طريقة التعلم المعزز التي تم تصميمها، وذلك لفهم البيئة الكهربائية بناءً على مكافأة تمثل تباين الحمل، بحيث تكون نتائج مرضية أفضل مما يمكن للمشغل التعامل معه بمفرده، أو باستخدام برامج متسلسلة، كما يوضح (Q-Learning) المقترح أنه من الممكن تنفيذ إجراءات مختلفة (التبديل والتخلص) من مشكلة أولية، مثل التيار الزائد والحمل الزائد.

كما أن الهدف الرئيس في هذه الدراسة هو معالجة أكثر من مشكلة في تقنية واحدة، وفي وقت واحد وليس بالتسلسل، وبدلاً من وجود خوارزميات متعددة لحل المشكلات المختلفة لشبكات التوزيع، تم اقتراح طريقة مركزية لحل المشكلات في لحظة الخطأ والحمل الزائد، علاوة على ذلك يتم أيضاً تضمين مصفوفة التعلم (المصفوفة MQ)، بالإضافة إلى نمذجة مواضع المفاتيح وحصر النسبة المئوية واختيار نوع الأحمال التي سيتم اختيارها للنظام النهائي للعودة إلى حالة التشغيل العادية.