تقدير الاحتياطي والتحكم في الجهد الكهربائي عند نقطة التحميل

اقرأ في هذا المقال


أهمية تقدير الاحتياطي والتحكم في الجهد الكهربائي عند نقطة التحميل

يعد تقليل مستوى الجهد في نظام التوزيع الكهربائي لتقليل الطلب في وقت الذروة وتوفير الطاقة ممارسة شائعة تتبناها العديد من المرافق في جميع أنحاء العالم، عادةً ما يتم ممارسة “خفض جهد الحفظ” (CVR) من خلال التحكم في مبدل المحول مع تعويض انخفاض الخط المناسب.

ومع ذلك بالنسبة للمغذيات ذات القطرات الكبيرة في الجهد (وهو ما سيكون عليه الحال أثناء حقن الطاقة الكهروضوئية الكبيرة و / أو شحن EV)؛ فإن عمق تقليل الجهد الممكن من خلال مغير الصنبور وحده سيكون محدوداً من أجل الحفاظ على الفولتية في النهاية البعيدة داخل الحدود المنصوص عليها.

وفي مثل هذه الحالات، يكون الخيار الفعال هو نشر منظمات الجهد (مثل الينابيع الكهربائية) في نقاط إمداد العميل للسماح بتخفيض جهد جانب الحمل إلى أدنى مستوى مسموح به (على سبيل المثال 0.94 p.u. في المملكة المتحدة) مع الحفاظ على جهد جانب التغذية ضمن الحدود المنصوص عليها، توفر منظمات الجهد في نقطة التحميل (PoL) مرونة أكبر وهامشاً أعلى لتقليل الجهد (وزيادة ، إذا لزم الأمر) مقارنة باستخدام التحكم في الجهد على مستوى المحطات الفرعية والمغذي وحده.

توفر القدرة على التحكم في استهلاك الطاقة للأحمال المعتمدة على الجهد (ضمن تحمل الجهد المحدد لها) مجتمعة قدراً معيناً من الاحتياطي الذي يمكن لمشغلي الشبكة استخدامه لخدمات الشبكة مثل التحكم في تردد الشبكة، لذا من المهم لمشغلي الشبكة معرفة إجمالي احتياطي الطاقة الذي توفره الأحمال المعتمدة على الجهد عبر النظام خلال أوقات مختلفة من اليوم من أجل جدولة أشكال أخرى من الاحتياطيات وفقاً لذلك.

كما طهر أن الاحتياطي المتاح باستخدام منظم جهد (PoL) في قطاع الصناعة والخدمات في (GB)، كما يمكن مقارنته باحتياطي الغزل الحالي في [GB (1.8 GW)]، ومع ذلك استندت الحسابات إلى بيانات استهلاك الطاقة السنوي لأنواع مختلفة من الأحمال الكهربائية، وذلك دون النظر إلى التباين اليومي لأنواع الأحمال المختلفة.

ونظراً لأن كمية وطبيعة الأحمال المعتمدة على الجهد المتصلة بالنظام تختلف باختلاف الوقت من اليوم؛ فإن الاحتياطي المتاح قد يختلف أيضاً، وعلاوة على ذلك يعتمد الاحتياطي مع التحكم في جهد (PoL) على ملف الجهد عبر المغذيات وهو متقلب، لذلك من الصعب للغاية ولكن من الضروري لمشغلي الشبكة تقدير الاحتياطي الكلي المتاح من الأحمال المعتمدة على الجهد في وجود التحكم في جهد (PoL).

طريقة تقدير الاحتياطي الخاص والتحكم الكهربائي

تعتمد كمية الأنواع المختلفة من الأحمال الموصولة في نقطة زمنية معينة على عدة عوامل مثل مستوى الإشغال في المنزل وظروف الإضاءة المحيطة ويوم الأسبوع والتغير الموسمي وساعات التحول وما إلى ذلك، كما تم تقدير الاحتياطي بناءً على متوسط ​​استهلاك الطاقة من الأحمال الفردية على مدى يوم أو شهر قد يؤدي إلى خطأ كبير مقارنة بالاحتياطي الفعلي.

لذلك تحاول الطريقة المقترحة معالجة هذه المشكلة باستخدام تصنيف الحمل في نقاط الإمداد بالجملة (BSPs) لتحديد حصة كل فئة تحميل (من حيث اعتمادها على الجهد) كل دقيقة، لذلك يتم تحديد الاحتياطي من كل فئة من فئات الحمل بعد مراعاة تغيرات الجهد في (BSP) وأيضاً ملف تعريف الجهد عبر مغذيات التوزيع.

لذلك تم استخدام الشبكة العصبية الاصطناعية (ANN) لغرض تصنيف الحمل كما هو موضح لاحقاً، كما يوضح الشكل التالي (1) مخطط انسيابي لطريقة تقدير الاحتياطي مع مناقشة كل خطوة بالتفصيل في الأقسام الفرعية التالية:

chakr1-2665883-large-300x142

لذلك يمكن أيضاً تمثيل الطلب الكلي في (BSP) بنموذج (ZIP) واحد ويمكن تقدير معلمات النموذج باستخدام تقنيات التحسين (على سبيل المثال Least Square Optimization)، لذلك لا يوجد سوى ثلاث معلمات يمكن تقديرها والتي تتوافق مع نسبة الممانعة الثابتة والتيار الكهربائي الثابت وأحمال الطاقة الثابتة، لذلك في هذا التمرين.

لذلك تم استخدام عوامل تتوافق مع النسبة (عامل الترجيح) لكل مجموعة من المجموعات الخمس لفئات الأحمال السكنية النموذجية (المدرجة في الجدول الأول) لتحسين دقة التقدير، وبالنسبة للأحمال النموذجية المستخدمة في القطاع السكني في المملكة المتحدة وجد أن استخدام أكثر من خمس فئات تحميل يؤدي إلى تعقيد عملية تدريب (ANN) دون داعٍ دون أي تحسن كبير في الدقة، كما تشير عبارة “التفصيل” في هذا السياق إلى تقدير النسبة (عوامل الترجيح) لكل فئة حمل في وقت معين.

التدريب الخاص بالشبكة العصبية الاصطناعية (ANN)

تم تدريب (ANN) باستخدام تقنية (Levenberg-Marquardt back-propagation (LMBP)) لالتقاط العلاقة بين الجهد (V) عند نقطة الإمداد بالجملة (BSP) والجمع النشط (Pagg) والقدرة التفاعلية (Qagg) وحصة كل فئة تحميل في وقت معين بموجب سيناريوهات مختلفة، كما تم النظر في جميع التوليفات الممكنة لتدريب (ANN) لالتقاط العلاقة غير الخطية.

عينات الجهد الكهربائي: في ظل التشغيل العادي، يتم الحفاظ على الجهد في (BSPs) بشكل عام، بحيث ضمن حدود معينة منصوص عليها، ومع ذلك يتراوح نطاق الجهد من (0.94 إلى 1.1 p.u)، بحيث تم اعتباره وفقاً لمعيار (BS EN 50160)، كما تم اختيار عينات الجهد العشوائي من توزيع موحد لضمان احتمالية متساوية لجميع نقاط العينة، بحيث يتم الإشارة إلى العدد الإجمالي لعينات الجهد التي تم النظر فيها بواسطة (Nv).

حصة فئة التحميل الكهربائي: يعتمد عدد فئات الحمولة التي يجب مراعاتها على خليط الحمل في (BSP) على سبيل المثال، كما يمكن أن يكون هناك (10) فئات تحميل (5) منها تمثل أحمالاً ثابتة (مثل الإضاءة والتدفئة و SMPS وما إلى ذلك) بينما يمثل الباقي أحمال المحرك (على سبيل المثال، المحرك التعريفي بعزم الدوران الثابت والحمل البارد السكني).

التحقق من صحة الشبكة العصبية الاصطناعية (ANN): وللتحقق من صحة (ANN)، يمكن إنشاء مصفوفات المدخلات والهدف إما بشكل عشوائي باتباع نفس العملية للحصول على بيانات التدريب أو يمكن استخدام ملف تعريف تحميل محدد في (BSP) مع حصة معروفة من فئات التحميل الفردية.

وبالنسبة الى تصنيف الحمل الكهربائي وبمجرد تدريب (ANN) والتحقق من صحتها، كما يمكن استخدام قياسات (P و Q و V) في (BSP) لتصنيف الحمل، ونظراً لأن (ANN) يتم تدريبه من حيث الكميات لكل وحدة، كما يجب تحويل القياسات المطلقة (rms) باستخدام القيمة الأساسية أو الطلب المقدر (بالكيلوواط / ميجاوات) في (BSP) والذي يختلف بمرور الوقت اعتماداً على كمية الأحمال المتصلة.

التحكم في الجهد (PoL): يتم التحكم في جهد نقطة التحميل (PoL) بواسطة جهاز شبكة ذكي جديد يسمى الزنبرك الكهربائي (ES)، إنه معوض إلكتروني للطاقة متصل في سلسلة مع الحمل (على سبيل المثال ، منزلي) بجزء صغير فقط (لنقل 5-10٪) من تصنيف الحمل، كما يقوم المعوض بفصل الحمل عن وحدة التغذية عن طريق حقن جهد سلسلة يمكن التحكم فيه (VES).

وبناءً على هدف التحكم، يمكن لـ (ES) إما تنظيم الجهد الجانبي للمغذي (VF) مع السماح للجهد عبر الحمل (VL) بالتغير ضمن الحدود المحددة (تنظيم الجهد) أو يمكنه التحكم في جهد جانب التحميل عند الرغبة قيمة لتغيير استهلاك الطاقة للحمل من أجل تنظيم التردد الكهربائي، كما يظهر ترتيب نموذجي في الشكل التالي.

chakr3-2665883-large-300x235


شارك المقالة: