التداخل العشوائي لأحمال التوليد والنقل الكهربائي الموزع

مع تطوير وتطبيق التوليد الموزع على نطاق واسع وأحمال النقل الكهربائية الجديدة مثل المركبات الكهربائية والسفن الكهربائية؛ يؤدي التداخل والعشوائية لأحمال التوليد والنقل الموزعة إلى تحديات هائلة في تشغيل وتخطيط شبكة التوزيع، وفي هذه الدراسة تم اقتراح نموذج تخطيط متعدد الأهداف للمولدات الموزعة التي تأخذ في الاعتبار أحمال النقل.

تحليل التداخل العشوائي لأحمال التوليد والنقل الكهربائي الموزع

امتثالاً لمفهوم التنمية المستدامة لتوفير الطاقة وخفض الانبعاثات والاقتصاد منخفض الكربون؛ أصبح التوليد الموزع (DG) الذي يعتمد أساساً على توليد طاقة الرياح الموزعة (DWG) والتوليد الكهروضوئي الموزع (DPV) الجسم الرئيسي للتوليد الحديث نظام الطاقة الكهربائية، كذلك (DG) هو جهاز توليد الطاقة الموزع بالقرب من جانب التحميل في شبكة التوزيع.

لذلك؛ فإنه يمكن لـ (DG) الاستفادة الكاملة من الموارد المحلية المتجددة لتزويد المستخدمين “بالطاقة الخضراء” من خلال خصائصها المنخفضة التكلفة والتركيب السهل والاستهلاك المحلي، كذلك يكون لديها آفاق تطبيق واسعة في شبكة التوزيع الكهربائية.

وفي الوقت الحاضر؛ أصبحت كيفية تخطيط وصول الإدارة العامة بشكل أفضل إلى شبكة التوزيع نقطة ساخنة للبحث، كذلك كانت هناك بعض الدراسات التي حسنت موقع وقدرة (DG) للوصول إلى شبكة التوزيع من وجهات نظر مختلفة، كما تم تحسين موقع وحجم (DG) لتعظيم قيمة (DG) المثبتة، بحيث تم اقتراح طريقة التخصيص الأمثل لتوربينات الرياح مع الأخذ في الاعتبار التشغيل غير المتوازن لنظام التوزيع.

كما تتضمن الوظيفة الموضوعية استقرار الجهد الساكن ومؤشر عدم التوازن ثلاثي الطور وموثوقية النظام وتكلفة الاستثمار، وفيما بعد تم تحسين التخصيص الأمثل لنظام الطاقة المتجددة الهجين بهدف تقليل التكلفة الاقتصادية وتمت دراسة إعادة تشكيل الشبكة وتوزيع التوليد الموزع لشبكة التوزيع مع الحد الأدنى من فقدان الطاقة كوظيفة موضوعية.

مساهمة العوامل الخارجية على التداخل العشوائي لأحمال التوليد

نظراً لتأثير العوامل المناخية مثل سرعة الرياح وكثافة الشمس؛ فإن ناتج (DG) له تقلبات وتقلبات واضحة، ولحل هذه المشكلة؛ تم وضع شجرة سيناريوهات لسرعة الرياح وسعر الكهرباء والطلب على الحمل بواسطة طريقة “محاكاة مونت كارلو” وخفض السيناريوهات الناتجة إلى أفضل عشرة سيناريوهات ضمن الظروف العشوائية باستخدام التقنية المستقبلية.

كذلك تم اقتراح نموذج تخطيط من مستويين لشبكة التوزيع النشطة بما في ذلك التخطيط قصير المدى والتخطيط طويل المدى، بحيث يتم تقدير عدم التيقن من توربينات الرياح الشمسية من خلال طريقة السيناريوهات ويتم حلها عن طريق التخطيط العشوائي، كما أُدخل عدم اليقين والموثوقية في تخطيط التوسع الديناميكي لأصول شبكة التوزيع والتوليد الموزع.

التوقعات الزمانية المكانية لتحميل المصدر الكهربائي

• نموذج (DWG): تعتبر طاقة الرياح هي نوع من الطاقة المتجددة الموجودة على نطاق واسع في الطبيعة، بحيث يستخدم (DWG) تدفق الهواء لدفع ريش المروحة للدوران، ثم يحول طاقة الرياح إلى طاقة ميكانيكية ثم يدفع دوار المولد من خلال علبة التروس لتحويل الطاقة الميكانيكية إلى طاقة كهربائية، كما تتوافق الخصائص العشوائية لسرعة الرياح مع دالة التوزيع الاحتمالي.

حيث أن:

(v): هي سرعة الرياح.

(l): هي معلمة الشكل لتوزيع (Weibull).

(c): هي معامل المقياس.

• نموذج (DPV): يقوم (DPV) بتحويل الطاقة الشمسية إلى طاقة كهربائية من خلال التأثير الكهروضوئي، وخاصةُ عندما يكون الإشعاع الشمسي على سطح أشباه الموصلات، كما أثبتت الأبحاث أن نموذج توزيع بيتا يمكن أن يتطابق بشكل وثيق مع عدم اليقين من الإشعاع الشمسي.

حيث أن (r) هو الإشعاع الشمسي و (α، β) هما هي معاملات خاصة بالشكل.

• نموذج (EL): تكون (EL) عبارة عن مجموعة من الطلب على الطاقة لجميع المعدات الكهربائية، ووفقاً لخصائص استهلاك الطاقة المختلفة؛ فإنه يمكن تقسيم (EL) تقريباً إلى حمل كهربائي تقليدي (CEL) وحمل متحرك جديد، مثل (EV ،ES).

• نموذج الحالة المتوقعة: كما هو مبين في الشكل التالي (1)؛ فإنه يتم الجمع بين أخذ عينات المكعب اللاتيني (LHS) والتخفيض العكسي (BR) والكثافة المشتركة (JD) لتوليد نموذج السيناريوهات، وفيما يلي خطوات إنشاء سيناريوهات الحمل الكهربائي من المصدر النموذجية للموضع الزماني والمكاني.

• إنشاء اقتراح بواسطة (LHS): يتم الحصول على دالات كثافة الاحتمال لـ (DG ،EL) من البيانات التاريخية، كما ويتم حساب وظائف التوزيع التراكمي المقابلة، وبعد ذلك يتم استخدام (LHS) لأخذ عينات من دالة التوزيع التراكمي، كما ويتم الحصول على عدد معين من السيناريوهات الزمانية المكانية، بحيث يظهر الرسم التخطيطي لمبدأ أخذ عينات (LHS) في الشكل التالي (2).

• انشاء اقترح بواسطة (BR): بناءً على طريقة (BR)؛ فإنه يتم تقليل سيناريوهات الزماني المكاني المتولدة بشكل أكبر، كذلك يتم تعيين العدد المستهدف لتقليل سيناريوهات الزمان المكاني على أنه (k) وعدد السيناريوهات الزمانية المكانية في عملية التخفيض هو (k1).

• الحصول على اقتراح من خلال عل(JD): يتم الحصول على سيناريوهات تحميل المصدر النهائية الزمانية المكانية بناءً على طريقة (JD)، كما يتم الجمع بين سيناريوهات (DG) وسيناريوهات (DL) للحصول على السيناريوهات النموذجية للزمان والمكان تحميل المصدر ويتم حساب احتمالية السيناريو المدمج.

نموذج التخطيط متعدد الأهداف للمولدات الكهربائية المتعددة

من أجل جعل التخطيط يلبي المتطلبات المختلفة، تم إنشاء نموذج التخطيط متعدد الأهداف من جوانب الاقتصاد والتكنولوجيا والأمن في هذه الدراسة، بحيث يتم حل النموذج المقترح بواسطة خوارزمية هجينة متعددة الأهداف (HMOA)، ثم يتم اختيار المخطط الأمثل عن طريق التكنولوجيا لتفضيل النظام عن طريق المحاكاة إلى الحل المثالي (TOPSIS)، كما يظهر الإطار الاستراتيجي العام لهذه الدراسة في الشكل التالي (3).

• وظيفة الهدف الاقتصادي: يتم أخذ الحد الأدنى للتكلفة السنوية الشاملة على أنها دالة الهدف الاقتصادي، والتي تشمل متوسط تكلفة الاستثمار السنوية وتكلفة الصيانة وتكلفة التشغيل السنوية وتكلفة المنفعة البيئية.

• وظيفة الهدف الفني: يعتبر الحد الأقصى لمعدل الاستخدام الشامل لـ (DG) بمثابة وظيفة الهدف الفني، والتي تتضمن استخدام موارد طاقة الرياح والطاقة الشمسية في جانب مزود الطاقة وتقليل فقدان شبكة الطاقة النشطة على جانب الشبكة وتقليل الحمل الأقصى على المستخدم.

• وظيفة الهدف الأمني: عندما يكون (DG) متصلاً بشبكة التوزيع؛ فإنه لا يغير تدفق الطاقة للخط فحسب؛ بل يؤثر أيضاً على إزاحة الجهد لكل عقدة، ومن أجل ضمان التشغيل العادي وإنتاج الأحمال المهمة مثل المستخدمين الصناعيين؛ فإن ثبات الجهد الكهربائي للعقد المتصلة مطلوب للغاية.

وأخيراً في هذا البحث، تم وصف عدم اليقين في قدرة خرج (DG) والطلب على (EL)، وذلك من خلال إنشاء سيناريوهات نموذجية للزمان والمكان تحميل المصدر ونموذج تخطيط (DG) متعدد الأهداف مقترح للحصول على المواقع والقدرات المثلى لتركيب (DGs) مع مراعاة العوامل الاقتصادية والتقنية وأهداف أمنية.

كذلك يمكن أن تعكس السيناريوهات النموذجية للزمان المكاني لتحميل المصدر بدقة التباين الزماني المكاني لإخراج (DG) والطلب (EL) لكل ناقل في شبكة التوزيع، والتي يمكن أن توفر البيانات الأساسية الأكثر عملية للتخطيط العقلاني للمدير العام، وبالمقارنة مع خوارزميات (MPSO) الشائعة؛ فإنه لا يمكن لخوارزمية (HMOA) التي تم إنشاؤها في هذه الدراسة تجنب التحسين المحلي.