مدلسازی بار بااستفاده از اطلاعات pmu به روش ترکیبی با استفاده از آلگوریتم ژنتیک

هدف از طراحی هر سیستم قدرت الکتریکی تحویل انرژی الکتریکی (تامین انرژی) مناسب ،ایمن و پیوسته( بدون قطعی و خاموشی) برای مصرف کننده می باشد.از طرف دیگر در شبکه های قدرت الکتریکی،پدیده رشد بار با افزایش تقاضا وجود دارد و این مهم را بایستی در طراحی اولیه سیستم مد نظر داشت تا در آینده پایداری شبکه را دچار مشکل نکند. در حال حاضر مدلسازی بار هنوز یکی از مسائل سخت در سیستم قدرت می باشد.مدلسازی بار تاثیر مهمی روی شبیه سازی و کنترل دینامیک سیستمهای قدرت دارد.مدلهای مختلف بار،در آنالیز پایداری ولتاژ،پایداری زاویه و پایداری سیگنال کوچک تاثیر خیلی مهمی در نتایج شبیه سازی دارد.اگر یک مدل غیر مناسب برای بار استفاده شود،نتایج غیر صحیحی کسب خواهد شد و تجربه نشان داده است که مدلهای مختلف بار،نتایج متفاوتی خواهند داشت. تا کنون مدل اکثر عناصر سیستم قدرت اعم از ژنراتور،موتور،خط،خازن،راکتور،ادوات الکترونیک قدرت و ادوات facts بدست آورده شده و در تحلیل سیستم های قدرت از آن استفاده شده است.در این تحلیل ها غالباً بارها را به صورت یک عنصر امپدانس ثابت یا یک عنصر با مقادیر p و q مشخص در نظر گرفته شده است.در حالیکه چنین مدلی در آنالیز پایداری سیستم قدرت نه تنها پاسخگو نیست بلکه گاهاً نتایج برعکس نیز به دنبال خواهد داشت.بعلت متغیر بودن بارو همچنین متغیر بودن ترکیب اجزای بار ارائه مدلی همانند دیگر عناصر سیستم قدرت برای بارهای الکتریکی کار مشکلی است .در این پروژه روشی جهت مدلسازی بار های سیستم قدرت ارائه شده است. مدلسازی بار یک مسئله شناسایی پارامترها می باشد.تابع هدف مورد بررسی ،مجموع مربعات تفاضل های بین مقادیر اندازه گیری شده توان اکتیو و راکتیو بار و مقادیر شبیه سازی شده آن میباشد.در واقع هدف پیدا کردن پارامتر های مدل ترکیبی بار است چنانکه تابع هدف مذکور را مینیمم نماید. ویژگی این پروژه اینست که در آن بر اساس روش مدلسازی مبتنی بر اندازه گیری از چند سناریو جهت مدلسازی هر باراستفاده شده است.سپس پارامتر های بار را برای هر یک از سناریو ها بدست آورده و مقدار متوسط هر یک از پارامترها را بعنوان مدل بار در نظر میگیرد.در آخر ازسناریو های دیگری جهت اعتبار سنجی مدل استفاده می کند.خطای ارزیابی در این پروژه نسبت به کارهای مشابه صورت گرفته به مقدار قابل ملاحظه ای بهبود یافته است. آلگوریتم مورد استفاده در این پروژه جهت شناسایی پارامترهای مدل بار ،آلگوریتم ژنتیک می باشد که تعداد 16 پارامتر مدل بار را بوسیله آن میتوان پیدا کرد