Назад в библиотеку

Обзор планирования модели расширения передачи

Автор: Ibrahim Alhamrouni, Azhar Khairuddin, Mohamed Salem, Abdelrahman Alnajjar
Источник: https://www.researchgate.net

 

Ключевые слова: анализ планирования расширения передачи, математическая оптимизация, эвристика и мета-эвристическа.

 

Аннотация

Ibrahim Alhamrouni, Azhar Khairuddin, Mohamed Salem, Abdelrahman Alnajjar - Обзор планирования модели расширения передачи

Планирование расширения передачи с быстрым ростом сетей передачи стало более сложной процедурой, чем когда-либо, поэтому в этой статье обобщены работы, которые были сделаны до рассмотрения этой темы. В этом обзоре классифицируются существующие работы со многих сторон, такие как методы решения, горизонт планирования и перспективы моделирования, чтобы облегчить работу другого исследователя в этой сфере для того, чтобы получить приемлемый алгоритм в академическом и коммерческом плане. Также включены недостатки процедуры ТЕР и некоторые рекомендации.

 

Введение

Быстрый рост сетей передачи и дерегулирование привели к увеличению неопределенностей и новых требований в планировании расширения передачи (TEP) для планировщиков. В результате этого требуется новый подход и критерии для заполнения дефицита старых в поиске дополнительных линий передачи, необходимые для адекватной оценки прогнозируемой нагрузки в системе с помощью минимальной стоимости. Эффективный план ТЕР предусматривает поиск точных местоположений новой передачи оборудование, которое будет добавлено, мощность и тип этого оборудования и, самое главное, время добавления оборудования к системе передачи [1]. Планирование скважины системы передачи является основным фактором, который может привести к адекватности и безопасности энергосистемы.

Учитывая требуемую задачу в процессе TEP для того, чтобы найти оптимальный план TEP по заданному горизонту, обширные параметры должны были иметь дело с утомительным и сложным вычислительным процессом. Больше знаний об истории ТЕР и предыдущих работах важно на стартовой позиции [2]. Настоящая работа направлена главным образом на представление обзора литературы по процедуре ТЕР.

1. Планирование расширения передачи с точки зрения ограничений

Математическое моделирование проблемы ТЕР представляет собой крупномасштабное сильно ограниченное смешанное целое число нелинейного программирования. Ограничения в проблеме TEP можно разделить на два вида: обязательные ограничения и необязательные ограничения. Обязательные ограничения - это те, которые должны быть учтены. Например, пределы линий передачи и нагрузки. С другой стороны, необязательными ограничениями являются те, которыми можно пренебречь, например, экологические ограничения.

В условиях регулируемой энергетической системы целевая функция TEP заключается в минимизации общей стоимости расширения. В то время, как в дерегулированной энергосистеме основная цель заключается в максимизации прибыли для заинтересованных сторон. Таким образом основная цель процедуры ТЕР может варьироваться от минимизации затрат или максимизации прибыли, в зависимости от среды энергосистемы.

2. Планирование расширения передачи в пределах горизонта планирования

С точки зрения горизонта планирования, процедура TEP может быть классифицирована как статическое TEP и многоступенчатое TEP. В статическом планировании горизонт времени игнорируется и оптимальный обычно считается план полученный за время планирования или один год. Другими словами, расширение статической передачи планирования направлено на поиск новых типов объектов, которые должны быть установлены с учетом минимальной стоимости с учетом известной информации о генерации и нагрузке для указанного периода планирования. В то время как планирование многоступенчатой трансмиссии стремится к STEP, DTEP ищет, когда эти объекты должны быть установлены.

В этой процедуре необходимо изучить годы каждого этапа и установить новые линии ежегодно в соответствии с определенным горизонтом планирования. Эта процедура гарантирует, что система отвечает прогнозируемому спросу, а критерии безопасности будут достигнуты в течение периода планирования. Параллельно с этим снижая затраты на инвестиции, эксплуатацию и ликвидацию. С другой стороны, это сложный процесс, который включает в себя множество соображений [2].

3. Планирование расширения передачи с точки зрения методов решения

Традиционно основной целью планирования является минимизация инвестиционных затрат, но со стремительным ростом мировых сетей есть и другие цели. Нынешняя ситуация сделала ТЕР проблемой многоцелевой оптимизации, которая не может быть эффективно решена традиционными методами планирования. Как правило, существует три основных метода, которые используются для решения проблемы TEP: методы математической оптимизации, эвристические и метаэвристические методы. Эти методы рассматриваются и обсуждаются в следующем разделе.

3.1 Методы математической оптимизации

Методы математической оптимизации ищут оптимальное решение (оптимальный план) использования, которое может решить математическую формулировку задачи планирования [1]. В формировании таких моделей процесс планирования передачи всегда проводится с учетом набора как ограничений, так и проблем оптимизации целевой функции (критерием для измерения так же служит добротность каждого варианта расширения). Эти ограничения моделируют огромную часть технических, экономических критериев и критериев надежности, связанных с энергосистемой. В последнее время многие методы оптимизации соединились с математическими моделями для решения смешанных целочисленных линейных задач [3]. Полученные такими методами результаты лучше и качественнее решения, по сравнению с традиционными математическими методами.

Существует много методов математической оптимизации, например: линейное программирование [4], нелинейное программирование [5], декомпозиция биндера [6] и метод, связанный с ветвью [7].

Преимущества математических методов:

1. Оптимальное решение, полученное такими методами, обычно является точным и время решения относительно короткое.

2. Эти методы дают подходящую сходимость.

Недостатки математических методов:

1. Трудность моделирования уравнений энергетической системы в модели программирования оптимизации.

2. Трудность включения любого нового ограничения, которое требует перегруппировки всей модели.

3. Эти методы не могут проводить и выполнять динамические исследования, такие как стабильность.

3.2 Эвристические методы

Эвристические методы рассматриваются как альтернатива методам математической оптимизации. Как правило, это изобретательные методы, основанные на опыте инженера. В таких методах вычислительная и конвергентная производительность лучше, чем в математических методах.

Система сбалансированных показателей позволяет обеспечивать контроль достижения установленных индикаторов, увязать бюджетный процесс и системы мотивации с результатами развития страны.

Фишл и Пунтель предложили один из первых эвристических подходов, которые были введены для решения проблемы расширения передачи [8]. Фишл представил концепцию «примыкающей сети», которая сочетается с моделью потока постоянного тока, чтобы произвести важное непрерывное изменение восприимчивости для достижения финансовой цели ТЕР, которая сводит к минимуму инвестиционные затраты. Процедура, называемая «метод ближайшего соседа», используется для нахождения ближайшего дискретного значения восприимчивости. Другой подход ранних эвристических методов был предложен в [4]. Гарвер предложил фиктивные «пути перегрузки», чтобы сформировать «сеть перегрузки». Сеть объединяется с использованием «путевых номеров» для наказания тех, у кого нет начальных линий передачи. Алгоритм использует эвристическое правило для решения проблемы ТЕР.

У эвристических моделей есть проблема, которая заключается в том, что они недостаточно надежны, особенно с математической стороны, и их результаты не могут быть эффективными для сложных сетей. Это связано с локальными процедурами поиска, которые часто заканчиваются локальным оптимумом. Более того, логические законы или индексы чувствительности таких моделей относятся только к особенностям схем. Указанные причины ограничивают использование эвристических методов и способствуют потере конкретности в качестве глобальных моделей оптимизации.

3.3 Метаэвристические методы

Метаэвристические методы в основном представляют собой интеграцию двух предыдущих методов (математической оптимизации и эвристические методы). Такие методы всегда дают высококачественные решения независимо от размера сетей передачи с коротким временем вычисления полученного решения. Традиционно метаэвристики делятся на две категории: интеллект роя (SI) и эволюционные алгоритмы (EA). Некоторые модели не имеют одинаковых характеристик этих двух ранее упомянутых категорий. Обычно они классифицируются отдельно, например, Tabu search (TS).

К числу таких методов относятся: искусственная иммунная система [9], муравьиная колония [10], искусственные нейронные сети (ANN) [11], дифференциальная эволюция [12], генетические алгоритмы (GA) [13], оптимизация ромов частиц ( PSO) [14], Tabu search [15] и моделированный отжиг (SA) [16].

Преимущества эвристических методов:

1. Эти методы просты и удобны в использовании.

2. При использовании этих методов нет необходимости преобразовывать энергосистему в набор программирования оптимизации.

3. Простота и способность проводить статические и динамические исследования. Внедрение этих методов легко и динамично.

Недостатки метаэвристических методов:

1. Оптимальное решение обычно занимает много времени.

2. Возможность попадания в локальные минимумы вместо глобальных минимумов.

3. Возможность расхождения выше по сравнению с математическими методами.

4. Планирование расширения передачи с точки зрения моделирования.

Как правило, проблема планирования расширения передачи моделируется с использованием модели потока мощности переменного тока, как в [17]. Другой способ моделирования проблемы планирования расширения передачи - использование модели потока постоянного тока, как в [18]. Фактически, сетевые планировщики пренебрегли моделью питания переменного тока, основываясь на некоторых предположениях:

1) Линия электропередачи предназначена для поддержания активной мощности и, если наблюдаются протечки реактивной мощности - это потери.

2) Поток мощности постоянного тока обеспечивает хорошее приближение и простоту по сравнению с переменным током.

3) Полученные результаты могут быть дополнительно подтверждены использованием модели потока мощности переменного тока.

Недостатки модели постоянного тока:

1) Необходимость усиления плана, полученного моделью постоянного тока при рассмотрении операции с моделью переменного тока.

2) Необходимость отделить распределение реактивной мощности от проблемы ТЕР.

3) Трудность рассмотрения потерь мощности на начальном этапе процесса планирования.

Преимущества модели переменного тока:

1) Это позволяет планировщику продолжить другие исследования после решения проблемы TEP.

2) Обладает возможностью использования нелинейных рабочих устройств при решении проблемы, таких как контроллеры FACTS.

3) Имеется возможность выполнять этап усиления, когда используются планы, полученные из линеаризованной модели.

4) Использование модели переменного тока позволяет планировщику решать проблему TEP параллельно с проблемой распределения реактивной мощности.

5. TEP из вида устройств FACTS

В проблеме планирования расширения передачи расширение сети всегда выполнялось путем добавления новых линий в сеть для увеличения пропускной способности системы передачи. Другой способ увеличить пропускную способность сети - использовать устройства FACTS. Он применяется в нескольких работах, таких как [19].

6. Недостатки и рекомендации

Существующие методы решения проблемы расширения передачи с учетом вышеизложенного еще не нашли оптимального решения, которое удовлетворяло бы всем требованиям TEP. При решении проблемы ТЕР традиционными методами было замечено несколько недостатков. Как правило, методы, которые были предложены для решения проблемы планирования расширения передачи, имеют некоторые из следующих недостатков:

1. Игнорирование планирования реактивной мощности, хотя это важный фактор, который следует учитывать в процедуре TEP. Этот вопрос не получил достаточного внимания исследователей, поэтому он должен быть охвачен.

2. Неопределенности с изменением размера нового поколения всегда игнорировались и считались локальными. В этой связи этот сценарий следует рассматривать в каждом плане, поэтому результирующий план может быть гибким в любой ситуации.

3. Метод, в котором модель TEP моделируется, всегда использует модель потока мощности постоянного тока. Хотя модель потока нагрузки переменного тока имеет ряд преимуществ, но ею пренебрегли.

4. Критерии безопасности и надежности наряду с проверкой ограничений не рассматривались во многих предыдущих исследованиях.

5. Больше внимания следует уделить долговременной планировке расширения. Из предыдущих исследований проблема ТЕР была широко рассмотрена для краткосрочного исследования. Хороший долгосрочный план для сети может помочь сэкономить время и свести к минимуму инвестиционные затраты.

Заключение

Изложен общий обзор подходов к планированию расширения трансмиссии. В документе рассматривается ТЕР со многих точек зрения, таких как: обработка ограничений, горизонт планирования, метод решения и моделирование. Авторы объяснили недостатки и некоторые рекомендации по лучшему планированию сети.

Литература

  1. Hemmati, R., Hooshmand, R.-A. and Khodabakhshian, A. (2013). Comprehensive Review of Generation and Transmission Expansion Planning. Generation, Transmission & Distribution, IET. 7(9).
  2. Latorre, G., Cruz, R. D., Areiza, J. M. and Villegas, A. (2003). Classification of Publications and Models on Transmission Expansion Planning. Power Systems, IEEE Transactions on. 18(2), 938-946.
  3. Guaman, W., Ojeda, D. and Vargas, A. (2010). Centralized Expansion Planning of the Transmission Network in Competitive Markets. A Solution Based on a Hybrid Approach. Transmission and Distribution Conference and Exposition: Latin America (T&D-LA), 2010 IEEE/PES. 581-588.
  4. Garver, L. L. (1970). Transmission Network Estimation Using Linear Programming. Power Apparatus and Systems, IEEE Transactions on. (7), 1688-1697.
  5. Al-Hamouz, Z. M. and Al-Faraj, A. S. (2003). Transmission-Expansion Planning Based on Anon-Linear Programming Algorithm. Applied energy. 76(1), 169-177.
  6. Akbari, T., Rahimikian, A. and Kazemi, A. (2011). A Multi-Stage Stochastic Transmission Expansion Planning Method. Energy Conversion and Management. 52(8), 2844-2853.
  7. Garces, L. P., Conejo, A. J., Garcia-Bertrand, R. and Romero, R. (2009). A Bilevel Approach to Transmission Expansion Planning within a Market Environment. Power Systems, IEEE Transactions on. 24(3), 1513-1522.
  8. Fischl, R. and Puntel, W. (1972). Computer-Aided Design of Electric-Power Transmission Networks. IEEE TRANSACTIONS ON POWER APPARATUS AND SYSTEMS. 1728-&.
  9. Rezende, L. S., Da Silva, A. M. L. and De Mello Honorio, L. (2009). Artificial Immune System Applied to the Multi-Stage Transmission Expansion Planning. Artificial Immune Systems. 178-191. Springer.
  10. Leite Da Silva, A. M., Rezende, L. S., Da Fonseca Manso, L. A. and De Resende, L. C. (2010). Reliability Worth Applied to Transmission Expansion Planning Based on Ant Colony System. International Journal of Electrical Power & Energy Systems. 32(10), 1077-1084.
  11. Al-Saba, T. and El-Amin, I. (2002). The Application of Artificial Intelligent Tools to the Transmission Expansion Problem. Electric Power Systems Research. 62(2), 117-126.
  12. Georgilakis, P. S. (2010). Market-Based Transmission Expansion Planning by Improved Differential Evolution. International Journal of Electrical Power & Energy Systems. 32(5), 450-456.
  13. Cadini, F., Zio, E. and Petrescu, C.-A. (2010). Optimal Expansion of an Existing Electrical Power Transmission Network by Multi-Objective Genetic Algorithms. Reliability Engineering & System Safety. 95(3), 173-181.
  14. Shayeghi, H., Mahdavi, M. and Bagheri, A. (2010). Discrete Pso Algorithm Based Optimization of Transmission Lines Loading in Tnep Problem. Energy Conversion and Management. 51(1), 112-121.
  15. Sadegheih, A. and Drake, P. (2008). System Network Planning Expansion Using Mathematical Programming, Genetic Algorithms and Tabu Search. Energy Conversion and Management. 49(6), 1557-1566.
  16. Cortes-Carmona, M., Palma-Behnke, R. and Moya, O. (2009). Transmission Network Expansion Planning by a Hybrid Simulated Annealing Algorithm. Intelligent System Applications to Power Systems, 2009. ISAP'09. 15th International Conference on. 1-7.
  17. Rider, M., Garcia, A. and Romero, R. (2007). Power System Transmission Network Expansion Planning Using Ac Model. IET Generation, Transmission & Distribution. 1(5), 731-742.
  18. Bustamante-Cedeno, E. and Arora, S. (2009). Multi-Step Simultaneous Changes Constructive Heuristic Algorithm for Transmission Network Expansion Planning. Electric Power Systems Research. 79(4), 586-594.
  19. Blanco, G. (2010). Optimal Transmission Expansion Planning with Facts. Electrical Engineering: National University of San Juan, Argentina.