دوره 21، شماره 4 - ( مجله مهندسی برق و الکترونیک ایران - جلد 21 شماره 4 1403 )
جلد 21 شماره 4 صفحات 38-23 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Golzari-kolur H, Bathaee S M, Amraee T. Generation Rescheduling to Ensure Small-Signal Stability in The Presence of Renewable Energy Sources. Journal of Iranian Association of Electrical and Electronics Engineers 2024; 21 (4) :23-38
URL: http://jiaeee.com/article-1-1706-fa.html
URL: http://jiaeee.com/article-1-1706-fa.html
گلزاری کلور حسن، بطحایی سیدمحمدتقی، امرایی تورج. برنامه ریزی مجدد تولید جهت تضمین پایداری سیگنال کوچک در حضور منابع انرژی تجدیدپذیر. نشریه مهندسی برق و الکترونیک ایران. 1403; 21 (4) :23-38
دانشگاه صنعتی خواجه نصیرالدین طوسی
چکیده: (1622 مشاهده)
با افزایش نفوذ منابع انرژی تجدیدپذیر در سیستم‌های قدرت، پایداری سیگنال کوچک (SSS) به دلیل کاهش اینرسی با چالش روبرو می‌شود. در این مقاله با در نظر گرفتن مدل دینامیکی عمومی برای منابع انرژی تجدیدپذیر، یک مدل بهینه سازی برنامه ریزی مجدد واحدهای تولیدی متوالی به صورت پخش بار بهینه با محدودیت SSS (SSS-OPF) با هدف بهبود پایداری سیگنال کوچک ارائه شده است. مدلسازی ژنراتور توربین بادی، منابع خورشیدی و سیستم ذخیره ساز انرژی با استفاده از این مدل دینامیکی عمومی امکان پذیر است. از حساسیت مقادیر ویژه نسبت به توان¬های حقیقی و راکتیو ژنراتورها برای توصیف محدودیت SSS استفاده شده است. با استفاده از تکنیک آرام¬سازی برنامه ریزی نیمه معین، مدل SSS-OPF به یک مدل بهینه سازی محدب تبدیل می‌شود. این امر سبب افزایش قابلیت اطمینان هم‌گرایی و بهبود کارایی محاسباتی حل مدل شده و روش پیشنهادی را برای سیستم‌های قدرت بزرگ مقیاس مناسب و کاربردی می‌کند. مدل بهینه سازی با استفاده از حل کننده SDPT3 در نرم افزار matlab قابل حل است. مطالعات موردی بر روی سیستم‌های 9 باس IEEE و 39 باس IEEE جهت اعتبارسنجی الگوریتم پیشنهادی انجام شده است. روش برنامه ریزی مجدد تولید، نسب میرایی سیستم قدرت با نفوذ زیاد منابع انرژی تجدیدپذیر را افزایش می‌دهد.
چکیده مبسوط [PDF 227 KB] (37 دریافت)
فهرست منابع
1. [1] Kundur, Prabha S., and Om P. Malik. 2022. Power System Stability and Control. 2nd ed. New York: McGraw Hill.
2. [2] Meegahapola, L. G., Bu, S., Wadduwage, D. P., Chung, C. Y., & Yu, X. (2020). Review on oscillatory stability in power grids with renewable energy sources: Monitoring, analysis, and control using synchrophasor technology. IEEE Transactions on Industrial Electronics, 68(1), 519-531. [DOI:10.1109/TIE.2020.2965455]
3. [3] Kim, Jongju, Sungshin Kim, and June Ho Park. "A Novel control strategy to improve stability and performance of a synchronous generator using jacobian gain control." IEEE Transactions on Power Systems 38, no. 1 (2022): 302-315. [DOI:10.1109/TPWRS.2022.3167706]
4. [4] Afaq, Umer, Farhan Ali, Ammar Hasan, Iftikhar Ahmad Rana, and Mansoor Asif. "Non-linear Synergetic Control of UPFC for Efficient Damping of Local and Inter-Area Oscillations." IEEE Transactions on Power Systems (2023). [DOI:10.1109/TPWRS.2023.3263891]
5. [5] Chung, C. Y., Wang, L., Howell, F., & Kundur, P. (2004). Generation rescheduling methods to improve power transfer capability constrained by small-signal stability. IEEE Transactions on Power Systems, 19(1), 524-530. [DOI:10.1109/TPWRS.2003.820700]
6. [6] Li, C., Chiang, H. D., & Du, Z. (2017). Network-preserving sensitivity-based generation rescheduling for suppressing power system oscillations. IEEE Transactions on Power Systems, 32(5), 3824-3832. [DOI:10.1109/TPWRS.2017.2649618]
7. [7] Li, Peijie, Hua Wei, Bin Li, and Yude Yang. "Eigenvalue‐optimisation‐based optimal power flow with small‐signal stability constraints." IET Generation, Transmission & Distribution 7, no. 5 (2013): 440-450. [DOI:10.1049/iet-gtd.2012.0171]
8. [8] Huang, Zhenyu, Ning Zhou, Francis Tuffner, Yousu Chen, Daniel Trudnowski, William Mittelstadt, John Hauer, and Jeffery Dagle. "Improving small signal stability through operating point adjustment." In IEEE PES General Meeting, pp. 1-8. IEEE, 2010. [DOI:10.1109/PES.2010.5589519]
9. [9] Condren, J., & Gedra, T. W. (2006). Expected-security-cost optimal power flow with small-signal stability constraints. IEEE Transactions on Power Systems, 21(4), 1736-1743. [DOI:10.1109/TPWRS.2006.882453]
10. [10] R. Zarate-Minano, F. Milano, and A. Conejo, "An OPF methodology to ensure small-signal stability," IEEE Transactions on Power Systems, vol. 26, no. 3, pp. 1050-1061, Aug. 2011. [DOI:10.1109/TPWRS.2010.2076838]
11. [11] P. Li, H. Wei, B. Li, and Y. Yang, "Eigenvalue-optimisation-based optimal power flow with small-signal stability constraints," IET Generation, Transmission & Distribution, vol. 7, no. 5, pp. 440-450, 2013. [DOI:10.1049/iet-gtd.2012.0171]
12. [12] M. M. Othman and S. Busan, "A novel approach of rescheduling the critical generators for a new available transfer capability determination," IEEE Transactions on Power Systems, vol. 31, no. 1, pp. 3-17, 2016. [DOI:10.1109/TPWRS.2015.2398118]
13. [13] Li, C., Chiang, H. D., & Du, Z. (2017). Network-preserving sensitivity-based generation rescheduling for suppressing power system oscillations. IEEE Transactions on Power Systems, 32(5), 3824-3832. [DOI:10.1109/TPWRS.2017.2649618]
14. [14] Parreiras, T. J. M. A., Gomes Jr, S., Taranto, G. N., & Uhlen, K. (2018). Closest security boundary for improving oscillation damping through generation redispatch using eigenvalue sensitivities. Electric Power Systems Research, 160, 119-127. [DOI:10.1016/j.epsr.2018.02.010]
15. [15] Thams, F., Halilbasic, L., Pinson, P., Chatzivasileiadis, S., & Eriksson, R. (2017, August). Data-driven security-constrained OPF. In Proc. 10th Bulk Power Syst. Dyn. Control Symp (Vol. 1, pp. 1-10). [DOI:10.23919/PSCC.2018.8442786]
16. [16] Pareek, P., & Nguyen, H. D. (2021). A convexification approach for small-signal stability constrained optimal power flow. IEEE Transactions on Control of Network Systems, 8(4), 1930-1941. [DOI:10.1109/TCNS.2021.3090205]
17. [17] Singh, M. K., & Kekatos, V. (2022). Optimal power flow schedules with reduced low-frequency oscillations. Electric Power Systems Research, 212, 108301. [DOI:10.1016/j.epsr.2022.108301]
18. [18] Li, P., Qi, J., Wang, J., Wei, H., Bai, X., & Qiu, F. (2016). An SQP method combined with gradient sampling for small-signal stability constrained OPF. IEEE Transactions on Power Systems, 32(3), 2372-2381. [DOI:10.1109/TPWRS.2016.2598266]
19. [19] Li, Y., Geng, G., Jiang, Q., Li, W., & Shi, X. (2019). A sequential approach for small signal stability enhancement with optimizing generation cost. IEEE Transactions on Power Systems, 34(6), 4828-4836. [DOI:10.1109/TPWRS.2019.2918171]
20. [20] Golzari-Kolur, H., Bathaee, S. M. T., & Amraee, T. (2023). A Sequential Generation Redispatch Algorithm to Ensure Power System Small Signal Stability under Low-Frequency Oscillations. International Transactions on Electrical Energy Systems, 2023. [DOI:10.1155/2023/2990504]
21. [21] Murzakhanov, I., Venzke, A., Misyris, G. S., & Chatzivasileiadis, S. (2020). Neural networks for encoding dynamic security-constrained optimal power flow. arXiv preprint arXiv:2003.07939.
22. [22] Wang, L., Yang, D., Cai, G., Gao, H., & Chen, Z. (2023). Synchronized-ambient-data-driven participation-factor-based generation rescheduling strategy for enhancing the damping level of interconnected power systems. International Journal of Electrical Power & Energy Systems, 146, 108740. [DOI:10.1016/j.ijepes.2022.108740]
23. [23] Pullaguram, D., Madani, R., Altun, T., & Davoudi, A. (2021). Small-signal stability-constrained optimal power flow for inverter dominant autonomous microgrids. IEEE Transactions on Industrial Electronics, 69(7), 7318-7328. [DOI:10.1109/TIE.2021.3102454]
24. [24] Yang, Z., Lin, S., Yang, Y., Chen, S., & Liu, M. (2023). Small-signal stability constrained optimal power flow of power system with DFIGs considering wind power uncertainty. International Journal of Electrical Power & Energy Systems, 154, 109467. [DOI:10.1016/j.ijepes.2023.109467]
25. [25] WECC Second Generation Wind Turbine Models, January 23, 2014 https://www.wecc.biz/Reliability/WECC-Second-Generation-Wind-Turbine-Models- 012314.pdf
26. [26] Farantatos, E. "Model user guide for generic renewable energy system models." Technical Update 3002027129 (2023).
27. [27] P. W. Sauer and M. Pai, Power system dynamics and stability, 1st ed. Urbana-Champaign: Prentice Hall, 1998.
28. [28] P. S. Kundur and O. P. Malik, Power System Stability and Control, McGraw-Hill Education, New York, NY, USA, 2022.
29. [29] R. D. Zimmerman, C. E. Murillo-Sanchez, and R. J. Thomas. MATPOWER: Steady-state operations, planning, and analysis tools for power systems research and education. IEEE Transactions on Power Systems, 26(1):12-19, Feb 2011. [DOI:10.1109/TPWRS.2010.2051168]
30. [30] Chowdhury, M. M. U. T., Kamalasadan, S., & Paudyal, S. (2023). A Second-Order Cone Programming (SOCP) Based Optimal Power Flow (OPF) Model with Cyclic Constraints for Power Transmission Systems. IEEE Transactions on Power Systems. [DOI:10.1109/TSG.2023.3241216]
31. [31] Xiaoqing Bai, Hua Wei, Katsuki Fujisawa, and Yong Wang. Semidefinite programming for optimal power flow problems. International Journal of Electrical Power & Energy Systems, 30(6):383-392, 2008. [DOI:10.1016/j.ijepes.2007.12.003]
32. [32] Michael Grant and Stephen Boyd. CVX: Matlab software for disciplined convex programming, version 2.0 beta. https://cvxr.com/cvx, September 2013.
33. [33] Michael Grant and Stephen Boyd. Graph implementations for nonsmooth convex programs, Recent Advances in Learning and Control (a tribute to M. Vidyasagar), V. Blondel, S. Boyd, and H. Kimura, editors, pages 95-110, Lecture Notes in Control and Information Sciences, Springer, 2008. http://stanford.edu/~boyd/graph_dcp.html. [DOI:10.1007/978-1-84800-155-8_7]
34. [34] P. M. Anderson and A. A. Fouad, Power System Control and Stability, 2nd ed. New York: IEEE Press, 2008.
35. [35] Jabr, R. A., & Pal, B. C. (2009). Intermittent wind generation in optimal power flow dispatching. IET Generation, Transmission & Distribution, 3(1), 66-74. [DOI:10.1049/iet-gtd:20080273]
36. [36] Souza, R. R., Balbo, A. R., Martins, A. C., Soler, E. M., Baptista, E. C., Sousa, D. N., & Nepomuceno, L. (2022). A gradient-based approach for solving the stochastic optimal power flow problem with wind power generation. Electric Power Systems Research, 209, 108038. [DOI:10.1016/j.epsr.2022.108090]
37. [37] M. A. Pai, Energy Function Analysis for Power System Stability. Boston, MA: Kluwer Academic Publishers, 1989. [DOI:10.1007/978-1-4613-1635-0]
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License (CC BY NC 4.0) قابل بازنشر است. |
