ارزش‌گذاری خطوط سامانه‌های توزیع برق جهت تسریع روند بازیابی و بهبود شاخص تاب‌آوری با در نظر گرفتن تولیدات پراکنده

نوع مقاله : مقاله پژوهشی

نویسندگان

1 گروه سیستم های انرژی، دانشکده فناوری‌های نوین، دانشگاه علم و صنعت، تهران، ایران

2 مدیریت شبکه های توزیع برق

چکیده

برای افزایش میزان تاب­آوری سامانه توزیع در برابر مخاطرات باید قبل از حادثه، ارزش دارایی‌های سامانه تحت کنترل با در نظر گرفتن فاکتورهای مختلف مشخص باشد تا در زمان بحران بازیابی بارهای ازدست‌رفته با سرعت و کیفیت بهتری انجام پذیرد. در این مقاله اساس مدل‌سازی بر مبنای قیمت است که در آن ارزش بار، جهت درنظر گرفتن اهمیت سمت تقاضا؛ نرخ خرابی، جهت بررسی دسترس‌پذیری خط؛ ارزش ذاتی خطوط، جهت درنظر گرفتن هزینه سرمایه‌گذاری و همچنین فاکتور توپولوژی، جهت تأکید بر آرایش شبکه مدنظر قرار داده شد. همچنین برای مشاهده تأثیر DG در ارزش‌گذاری خطوط شبکه، در دو حالت شبکه با DG  و بدون DG  مورد بررسی قرار گرفته شد. نتایج حاصل علاوه برنشان دادن حساسیت شبکه به عوامل اثرگذار، نشان می‌دهد اضافه کردن تولیدات پراکنده این پتانسیل رادار است تا رتبه‌بندی ارزش‌گذاری را تغییر دهد و در بهبود روند بازیابی شبکه توزیع مفید واقع شود.

کلیدواژه‌ها

موضوعات


[1]     Billinton, R.; Wu.; Singh,G. “Extreme adverse weather modeling in transmission and distribution system reliability evaluation”; Power Syst. Comput. Conf.(PSCC), Spain. 2002, 65, p. 66.##
[2]     Haimes, Y. Y. “On the definition of resilience in systems”; Risk Anal. An Int. J. 2009, 29, 498-501.##
[3]     Hosseini, S. ;Barker.K.; Ramirez-Marquez, J. E. “A review of definitions and measures of system resilience”; Reliab. Eng. Syst. Saf. 2016, 145, 47-61.##
[4]     Francis, R.; Bekera,B. “A metric and frameworks for resilience analysis of engineered and infrastructure systems”; Reliab. Eng. Syst. Saf. 2014, 121, 90-103.##
[5]     Righi, A. W.; Saurin, T. A.; Wachs, P. “A systematic literature review of resilience engineering: Research areas and a research agenda proposal”; Reliab. Eng. Syst. Saf. 2015, 141, 142-152.##
[6]     Maliszewski, P. J.; Perrings, C. “Factors in the resilience of electrical power distribution infrastructures”;Appl. Geogr. 2012, 32, 668-679.##
[7]     Nan, C.; Sansavini, G. “A quantitative method for assessing resilience of interdependent infrastructures”; Reliab. Eng. Syst. Saf. 2017, 157, 35-53.##
[8]     Ouyang, M.; Duenas-Osorio, L. “Multi-dimensional hurricane resilience assessment of electric power systems”; Struct. Saf. 2014, 48, 15-24.##
[9]     Cadini, F.; Agliardi, G. L.; E. Zio. “A modeling and simulation framework for the reliability/availability assessment of a power transmission grid subject to cascading failures under extreme weather conditions”; Appl. Energy. 2017, 185, 267-279.##
[10]  Figueroa-Candia, M.; Felder, F. A.; Coit, D. W. “Resiliency-based optimization of restoration policies for electric power distribution systems”; Electr. Power Syst. Res. 2018, 161, 188-198.##
[11]  Walsh, T.; Layton, T.; Wanik, D.; Mellor, J. “Agent based model to estimate time to restoration of storm-induced power outages”. Infrastructures. 2018, 3, p. 33.##
[12]  Zhang, H.; Bie, Z.; Yan, C.; Li, G. “Post-disaster Power System Resilience Enhancement Considering Repair Process”; 2018 China Int. Conf. Electr. Distrib., 2018, 1550-1554.##
[13]  Alizade, M.; Khosravi, M. “Provide a practical approach in planning and placement of distributed generation sources based on multi-objective genetic algorithms” .Adv. Defence Sci & Technol, pp. 267-277, 2019.##