Определение оптимальных мест расположения и размеров установок распределённой генерации и шунтирующих конденсаторов в распределительных сетях

В настоящее время энергетические компании уделяют особое внимание определению оптимальных мест расположения и размеров установок распределённой генерации (РГ) и шунтирующих конденсаторов (ШК) в радиальных распределительных сетях. В данном исследовании применяется метод переконфигурации сети (RM) для определения оптимальных мест расположения одной установки РГ и одного ШК. Кроме того, используется метод фактора чувствительности потерь (LSF) для выбора подходящих мест расположения нескольких установок РГ и ШК в распределительной сети. Для определения оптимальных размеров установок РГ и ШК используются Алгоритм стаи серых волков (GWO) и Алгоритм оптимизации муравьиных львов (ALO). Основной целью исследования является минимизация потерь активной мощности в распределительной сети, улучшение профилей напряжения и повышение индекса устойчивости напряжения путём определения оптимальных мест расположения и размеров установок РГ/ШК с учётом ограничений равенства и неравенства. Для оценки предложенных алгоритмов использовалась модель 33-шинной радиальной распределительной системы стандарта IEEE (IEEE 33 Bus System). Согласно результатам моделирования и анализа различных сценариев, интеграция установок РГ и ШК значительно снижает потери мощности и улучшает профили напряжения на всех шинах сети.

1. Оптимальное размещение распределенных генераторов DG на основе алгоритма кормления скатов манта-рей (MRFO). М. Г. Хемейда, А. Ахмед, А. А. Мохамед, С. Алкхалаф, А. М. Эль-Дин Ain Shams Engineering Journal 2021; 12(1): 609 – 619. DOI: 10.1016/j.asej.2020.07.009. (In Eng.)

2. Самбайя К. С. Обзор методов оптимального размещения и выбора мощности DG в системах распределения. International Journal of Electrical Power & Energy Systems 2018; 8(3). (In Eng.)

3. Одновременная реконфигурация распределительных сетей и оптимальное размещение возобновляемых распределенных генераторов и шунтирующих конденсаторов при неопределенных условиях. М. М. Сейд, М. Ю. Махди, С. Х. Алим, Х. К. Юсеф, Т. А. Богади. Electric Power Systems Research 2022. (In Eng.)

4. Оптимальное размещение нескольких типов распределенной генерации в радиальных системах распределения с использованием гибридной техники. А. Селим, С. Камель, А. А. Мохамед, Е. Е. Элаттар. International Journal of Electrical Power & Energy Systems 2021. (In Eng.)

5. Исследование внедрения множества распределенных генераторов в радиальные сети IEEE 69-шины с использованием улучшенного алгоритма роя частиц и алгоритма муравьиного льва. А. Р. Али, А. А. Альтахир, С. Алваш, М. В. Аль-Кааби, 2023 3rd International Conference on Electrical Machines and Drives (ICEMD); 2023: 1–7. DOI: 10.1109/ICEMD60816.2023.10429267. (In Eng.)

6. Алгоритм оптимизации серого волка для решения задачи оптимального размещения и выбора мощности источников распределенной генерации в радиальных сетях распределения. Б. Хуссейн, М. Аль-Кааби, П. П. Ощепков, М. В. Мухсин, 2023 International Symposium on Fundamentals of Electrical Engineering (ISFEE); 2023: 1 – 6. DOI: 10.1109/ISFEE60884.2023.10637122. (In Eng.)

7. Аль-Хашеме Л. Т., Аль-Кааби М. Оптимальное размещение распределенной генерации в радиальной распределительной сети с использованием алгоритма серого волка. Energy Reports 2024; 86(3): 372 – 390. (In Eng.)

8. Экономическое распределение нагрузки с использованием оптимизации Harris Hawks с источниками возобновляемой энергии и шунтирующими конденсаторами. А. Наим, А. Сахеб, Д. Назарпур, М. В. Аль-Кааби, 2024 16th International Conference on Electronics, Computers and Artificial Intelligence (ECAI); 2024: 1–8. DOI: 10.1109/ECAI61503.2024.10607530. (In Eng.)

9. Лоне С. Дж., Лоне С. А. Оптимальное место и размер распределенной генерации для систем распределения: Улучшенная аналитическая техника. International Journal of Green Energy 2024; 21(2): 682 – 700. (In Eng.)

10. Мирна Я. А., Эман Б. Гибридный подход к размещению и выбору мощности распределенных генераторов и шунтирующих конденсаторов с реконфигурацией системы с использованием алгоритма дикой лошади. Journal of Advanced Research in Applied Sciences and Engineering Technology 2024; 38(2): 196 – 213. (In Eng.)

11. Ассири А. С. Оптимизация муравьиного льва: модификации, гибриды и применение. IEEE Access 2020; 8. DOI: 10.1109/ACCESS.2020.2990338. (In Eng.)

12. Саху Н. К., Праджапати К. Нечетко-генетический подход к реконфигурации сети для повышения устойчивости напряжения в радиальных системах распределения. Energy Conversion and Management 2006; 47: 3288 – 3306. DOI: 10.1016/j.enconman.2006.01.004. (In Eng.)

13. Кефаят М., Ара А. Л., Ниаки С. А. Гибрид алгоритма оптимизации муравьиной колонии и алгоритма пчел для вероятностного оптимального размещения и выбора мощности распределенных энергоресурсов. Applied Soft Computing 2015; 92: 149 – 161. (In Eng.)