توقع الحمل الكهربائي التفاعلي استناداً إلى شبكة طويلة المدى

أهمية توقع الحمل الكهربائي التفاعلي في الشبكات طويلة المدى

مع تطوير توليد الطاقة الموزعة على جانب الطاقة والشبكات الصغيرة؛ زاد التنوع وعدم اليقين في مصدر الطاقة وجانب الحمل الكهربائي، كما وأصبحت سيناريوهات التشغيل أكثر تعقيداً، بحيث أصبحت الحاجة إلى عمليات شبكة الطاقة لأنواع مختلفة من معدات التحكم في الطاقة التفاعلية في التحكم التفاعلي على نطاق واسع في الشبكة الكهربائية سريعاً وتحقق بشكل عاجل، كما أن التنبؤ الدقيق بالحمل التفاعلي ذو أهمية كبيرة للتحكم الدقيق في الجهد التفاعلي.

وبالنسبة الى استراتيجية التحكم المنسقة، والتي تعتمد على التحكم المشترك في القدرة التفاعلية والجهد؛ فإنا تتضمن التحكم المنسق في الطاقة التفاعلية والجهد للمعوضات المتزامنة الثابتة في التشغيل المتوازي لمزارع الرياح، كما يتم تعديل الجهد عند نقطة الاقتران في نظام الطاقة بسرعة ، ويتم تحسين احتياطي الطاقة التفاعلية الديناميكية لمزرعة الرياح نفسها.

وفيما بعد تم اقتراح استراتيجية تحكم في الجهد التفاعلي ذات مستويين تعتمد على نظام متعدد العوامل (MAS) وخوارزمية حساسية الجهد التفاعلي، وذلك باستخدام معلومات حساسية الجهد التفاعلي، بحيث تم توصيل مجموعة طاقة الرياح بشبكة الطاقة الإقليمية، كما وتم تجهيز شبكة الطاقة الإقليمية بميزات ذكية لا مركزية ومنسقة للحفاظ على الاتصال بين الجهد وشبكة الطاقة عند مستوى معقول.

كذلك استراتيجية تحكم للطاقة والجهد التفاعلي في مزرعة الرياح بناءً على خوارزمية تحسين سرب الجسيمات الثنائية المتكيفة المنفصلة، وذلك مع الأخذ في الاعتبار تقلبات الجهد لحافلة مزرعة الرياح والحد الأدنى من مدخلات الطاقة التفاعلية كأهداف تحكم، كما تم إنشاء معادلة تدفق الطاقة لمزارع الرياح، ومن خلال معالجة متغيرات التحكم في سلامة الجهد الكهربائي كقيود؛ فإنه تم الحصول على تعليمات التحكم الشاملة لفترة التنبؤ وفقاً لبيانات تنبؤات طاقة الرياح.

لذلك؛ فإن معظم طرق تحسين القدرة التفاعلية في المراجع أعلاه هي طرق تحكم بعد التصحيح تعتمد على البيانات عبر الإنترنت في الوقت الفعلي، كما أن استراتيجيات التحكم متخلفة مؤقتاً، وهناك طريقة نشطة للتحكم في القدرة التفاعلية بناءً على نظرية التحكم التنبؤية، ووفقاً لتنبؤات سرعة الرياح؛ فقد تم تعديل الطاقة النشطة قبل تغيير سرعة الرياح لاستكشاف قدرة التحكم في الطاقة التفاعلية للنموذج لتوربينات الرياح وتحقيق التحكم النشط في الطاقة التفاعلية.

تحليل خصائص الحمل التفاعلي وإدخال الشبكات العصبية طويلة المدى للذاكرة

تحليل خصائص الحمل الكهربائي التفاعلي: يعد تحقيق توازن طاقة تفاعلي ضرورياً للحفاظ على استقرار الجهد والجهد عالي الجودة في أنظمة الطاقة، ومع ذلك يتأثر الحمل التفاعلي بخصائص جانب المستهلك والتعويض التفاعلي للمحطة الفرعية وتدفق الخط، بحيث يجعل الانتظام المتأصل للبيانات من الصعب استخراجها وغالباً ما تختلف متطلبات التحكم في الطاقة والجهد التفاعلي في مناطق مختلفة من أنظمة الطاقة الكبيرة.

بالإضافة إلى ذلك، يجب مراعاة تنوع معدات التحكم والخطية القوية للجهد التفاعلي، كما يتم أخذ بيانات الحمل التفاعلي الفعلي من شبكة الطاقة الإقليمية في “مقاطعة هاينان” كمثال لتحليل خصائص الحمل التفاعلي لشبكة الطاقة، بحيث يوضح الشكل التالي (1) منحنيات معامل القدرة لعشر حافلات في شبكة الطاقة خلال يوم واحد، والجدير بالذكر أن عامل الحمولة لشبكة الطاقة ليس ثابتاً، وغالباً ما يعرض التقلبات على مدار اليوم، كما وتختلف خصائص التقلبات لأحمال الحافلات المختلفة.

كما يوضح الشكل التالي (2-a) والشكل (2-b) مخططات السلاسل الزمنية للتغيرات في القيم الفعلية للأحمال النشطة والمتفاعلة على خطين في المنطقة، والإحداثي هو وقت أخذ العينات والإحداثيات هي حمل الناقل.

كما يوضح الشكل (2-a) والشكل (2-b) أن الرقم الأساسي للحمل التفاعلي أصغر بكثير من الحمل النشط، بالإضافة إلى ذلك؛ فإن التغييرات في الأحمال التفاعلية والنشطة ليست متزامنة ومعامل القدرة ليس ثابتاً.

كذلك يمكن توحيد القيم الفعلية لأحمال النواقل للخطين أعلاه، أي القيمة لكل وحدة للحمل الكهربائي النشط = القيمة الفعلية للحمل النشط أو القيمة القصوى للحمل النشط وكذلك قيمة كل وحدة للحمل الكهربائي التفاعلي = القيمة الفعلية للحمل التفاعلي أو الحد الأقصى قيمة الحمل التفاعلي، بحيث يظهر الشكل التالي (3-a) والشكل (3-b) مخططات السلاسل الزمنية المقابلة لقيمة كل وحدة للحمل اليومي.

أيضاً يوضح الشكل (3-a) والشكل (3-b) أن الحمل التفاعلي يعرض اختلافات غير خطية ومعقدة للغاية، ذلك لا يتزامن التغيير في الحمل التفاعلي مع التغيير في الحمل النشط، وبالإضافة إلى ذلك؛ فإن القاعدة صغيرة والمؤشرات اللاخطية قوية والحمل النشط عرضة للضوضاء، وبالتالي؛ فإن استخدام معامل قدرة ثابت لتحليل القدرة التفاعلية لا يمكن أن يعكس الوضع الفعلي في شبكة الطاقة أو يلبي متطلبات التحكم المكرر بشكل متزايد في الطاقة التفاعلية في الشبكة الحالية.

هيكل شبكة (LSTM) وخصائص التدريب: تُستخدم الشبكات العصبية المتكررة (RNNs)، وذلك بشكل أساسي لمعالجة بيانات التسلسل والتنبؤ بها، بحيث تمكّن خصائص (RNNs) إخراج خلية عصبية في وقت معين من إعادة إدخالها إلى الخلية العصبية كمدخل. يمكن أن تحافظ بنية الشبكة هذه على تبعية البيانات، كما يظهر هيكل (RNN) في الشكل التالي (4).

كما تعتبر (RNN) إخراج الطبقة المخفية في اللحظة السابقة كمدخل للطبقة المخفية في هذه اللحظة، ويمكنها استخدام المعلومات السابقة ولا تنسى، ومع ذلك عند استخدام خوارزمية (Back Propagation Trough Time) لحل (RNN)؛ تحدث مشكلات مثل التدرجات المتلاشية أو التدرجات المتفجرة بسهولة، كما تتحكم الشبكة العصبية (LSTM)  في تدفق المعلومات عن طريق إدخال هياكل البوابة ووحدات الذاكرة.

وبالمقارنة مع (RNN) التقليدية، تقدم وحدة (LSTM) ثلاثة أنواع من التحكم في البوابة، وذلك كما هو موضح في الشكل التالي (6)، وهي بوابة الإدخال، كما تستخدم (LSTM) هذه البوابات لتخزين المعلومات وتحديثها، بحيث يتم تنفيذ البوابات من خلال وظيفة السيني وعمليات الضرب على أساس البت، كما تقوم الدالة السينية بتعيين قيمة فعلية للفاصل الزمني (0 ~ 1)، والذي يستخدم لوصف مقدار المعلومات التي يتم تمريرها.

وعندما تكون قيمة خرج البوابة (0)؛ فإنه لا يتم تمرير أي معلومات، ولكن عندما تكون القيمة (1)؛ فإنه يمكن تمرير جميع المعلومات، وبعد هذا التصميم؛ فإنه يمكن للشبكة الكهربائية أن تتعلم بسهولة أكبر الاعتماد طويل المدى بين تسلسلين وحل مشكلة التدرجات المتلاشية التي تحدث بسهولة في (RNN) التقليدية.

كما يتم التعبير عن عملية عمل وحدة (LSTM) على النحو التالي:

• تحدد الطبقة السينية لبوابة النسيان المعلومات التي يجب نسيانها في الخلية العصبية.

• يتم تحديد المعلومات التي يجب تخزينها في الخلايا العصبية وقم بتحديث حالة وحدة الذاكرة، كما تحدد الطبقة السينية لبوابة الإدخال المعلومات التي سيتم تحديثها، ويتم إنشاء معلومات المرشح (C˜t) عبر طبقة (tanh) ويتم دمج كلاهما وتحديثهما للحصول على الحالة (Ct) الحالية للخلايا العصبية.

• تحديد ناتج المعلومات، بحيث يتم تحديد ناتج حالة الوحدة بواسطة الطبقة السينية، كما وتتم معالجة حالة الوحدة بواسطة طبقة (tanh) ويتم تحديد الناتج النهائي (ht).