پیشرفت‌ها در سیستم های انتقال و توزیع برق

پیشرفت‌ها در سیستم های انتقال و توزیع برق

در اینجا نگاهی عمیق به سیستم‌های انتقال و توزیع برق و اجزایی که به بهینه‌سازی آن‌ها کمک می‌کنند، مانند مبدل‌ها، یادگیری ماشین و تحلیل‌های پیشرفته، مدیریت بار و اتوماسیون توزیع، خواهیم داشت.

در یک سیستم شبکه برق، انتقال و توزیع اطمینان از تحویل کارآمد و قابل اعتماد برق بسیار مهم است . در طول سال‌ها، پیشرفت‌های قابل توجهی در فناوری انتقال و توزیع برق صورت گرفته است. این مقاله به بررسی عمیق‌تر این نوآوری‌ها از جمله مبدل‌های جریان مستقیم ولتاژ بالا (HVDC)، تحلیل‌های پیشرفته و الگوریتم‌های یادگیری ماشین، فناوری مدیریت بار و اتوماسیون توزیع خواهیم پرداخت .

شمای کلی از سیستم تولید ، انتقال و توزیع

مبدل های جریان مستقیم ولتاژ بالا (HVDC)

مبدل‌های جریان مستقیم با ولتاژ بالا (HVDC) دستگاه‌های الکتریکی هستند که جریان متناوب  (AC)را به جریان مستقیم (DC) و بالعکس تبدیل می‌کنند، که این امکان را برای اتصال و انتقال بلندمدت قدرت در سیستم شبکه با فرکانس‌های مختلف فراهم می‌کنند. پیشرفت‌های در الگوریتم‌های کنترل و فناوری دیجیتال در HVDC منجر به بهبود چشم‌گیری در قابلیت اطمینان، کارایی و انعطاف‌پذیری این سیستم شده است.

یکی از مزایای اصلی  HVDC ، کاهش حداقلی از تلفات انتقال انرژی در فواصل طولانی است . این امکان به وجود می‌آید زیرا انتقال انرژی DC با ولتاژ‌های بالاتر از انرژی AC انجام می‌شود، که در نتیجه مقاومت افزایش یافته در شبکه، کاهش می‌یابد. تعیین ظرفیت انتقال قدرت در سیستم HVDC با استفاده از حداکثر جریان و ولتاژ قابل انتقال انجام می‌شود. ظرفیت انتقال قدرت با استفاده از فرمول زیر قابل محاسبه است:

P = V × I

در این فرمول  (P)نمایانگر توان انتقالی (به واحد وات)،  (V)ولتاژ در خط انتقال (به واحد ولت) و  (I) جریان در آمپر است .

تجزیه و تحلیل پیشرفته و یادگیری ماشین (Machine Learning)

تجزیه و تحلیل پیشرفته و یادگیری ماشینی در انتقال و توزیع برق در سیستم‌های شبکه به طور فزاینده‌ای قابل توجه می‌شوند. استخراج بینش‌ها و تجزیه و تحلیل داده‌ها با استفاده از مدل‌های ریاضی و آماری به عنوان تجزیه و تحلیل پیشرفته شناخته می‌شود. از سوی دیگر، یادگیری ماشینی شامل استفاده از الگوریتم‌های آموزشی برای یادگیری از داده‌ها به منظور اتخاذ تصمیمات یا انجام پیش‌بینی‌ها است.

در نگهداری پیش‌بینی‌شده، تجزیه و تحلیل پیشرفته و یادگیری ماشینی برای تجزیه و تحلیل داده‌های سنسور به منظور پیش‌بینی زمان احتمالی خرابی استفاده می‌شوند. این امر به تیم نگهداری اجازه می‌دهد تا تعمیرات را برنامه‌ریزی کنند و از زمان‌های از کار افتادگی غیرمنتظره جلوگیری کرده و قابلیت اطمینان شبکه را بهبود بخشند.

پیش‌بینی بار نیز یکی از حوزه‌هایی است که در آن تجزیه و تحلیل پیشرفته و یادگیری ماشینی برای پیش‌بینی مقدار برق مورد نیاز در زمان‌های مختلف سال استفاده می‌شود. این امر به نیروگاه‌ها اجازه می‌دهد تا نیازهای مصرف‌کنندگان را برآورده کنند. پیش‌بینی دقیق بار به نیروگاه کمک می‌کند تا استفاده از نیروگاه‌های پیک گران‌قیمت را به حداقل برساند.

فناوری‌های مدیریت بار

فناوری مدیریت بار از الگوریتم‌ها و مدل‌های ریاضی برای کنترل تقاضای برق در سیستم شبکه استفاده می‌کند. یک مثال از این فناوری برنامه تقاضای مدل کشش قیمتی است که پیش‌بینی می‌کند مشتریان چگونه به تغییرات قیمت برق واکنش نشان خواهند داد. این مدل از فرمول زیر استفاده می‌کند.

که در اینجا :

 E  کشش قیمتی تقاضا است.

∆Q  تغییر در مقدار تقاضا است.

∆P  تغییر قیمت است .

P  قیمت اولیه است.

Q  مقدار تقاضای اولیه است .

مدل ریاضی دیگری که در ساختار بهینه‌سازی قیمت در سیستم‌های توزیع شبکه استفاده می‌شود، قیمت‌گذاری بر اساس زمان استفاده است. این مدل از داده‌های زمان اوج برای برآورد هزینه توزیع در زمان‌های مختلف روز و سال استفاده می‌کند. ناحیه‌ای که مشتریان در زمان‌های ناپایداری شبکه یا تقاضای بالا دچار قطعی می‌شوند، می‌تواند با استفاده از مدل‌های جریان برق در قطع بار به صورت پیش‌بینی‌شده شناسایی شود.

اتوماسیون توزیع (Distribution Automation)

اتوماسیون توزیع  و(DA) از سیستم‌های خودکار و فناوری پیشرفته در شبکه‌های توزیع برای بهبود قابلیت اطمینان و کارایی استفاده میشود . این فناوری‌ها شامل سیستم‌های تشخیص و جداسازی خطا، زیرساخت‌های اندازه‌گیری پیشرفته و سیستم‌های مدیریت فناوری‌ها که امکان کنترل و نظارت بلادرنگ بر شبکه‌های توزیع را دارند هستند . این تشخیص سریعتر قطعی و بازگرداندن خدمات را فراهم می‌کنند .

تشخیص و جداسازی خطا  (FDI) جزء کلیدی DA است که از داده‌های سنسورها و دیگر منابع داده استفاده می‌کند. برای تعیین مکان خطا در شبکه توزیع، از فرمول زیر استفاده میشود.

که در آن V ولتاژ، L فاصله خطا، Z امپدانس خط و T زمان بین اندازه‌گیری و خطا است. بر اساس اصل برآورد مکان خطا، زمان با ارزیابی دوره‌ای که در آن یک سیگنال از منبع به خطا و بازگشت سفر می‌کند، اندازه‌گیری می‌شود.

سیستم‌های مدیریت توزیع  (DMS)یکی دیگر از فناوری‌های مهم DA هستند. برای به حداقل رساندن هزینه توزیع برق در حالی که کیفیت و قابلیت اطمینان برق حفظ می‌شود، از سیستم‌های DMS استفاده می‌شود. این سیستم از الگوریتم‌های بهینه‌سازی و مدل‌های ریاضی استفاده می‌کند. بنابراین برای توزیع بهینه انرژی در سیستم‌های DMS، می‌توان از فرمول زیر استفاده کرد؛

که در آن:

Ci = هزینه توزیع برق

Di = انرژی الکتریکی توزیع‌شده به مصرف‌کننده  i

Gi = انرژی تولیدشده توسط منابع انرژی توزیع‌شده در مصرف‌کننده  i

Si = انرژی الکتریکی تأمین‌شده به مصرف‌کننده  i

λi = ضریب لاگرانژ برای مصرف‌کننده  i

با استفاده از فرمول بالا می‌توان هزینه توزیع برق را در حالی که تقاضای مشتری حفظ می‌شود، به حداقل رساند.

یکی دیگر از اجزای ضروری DA، زیرساخت اندازه‌گیری پیشرفته (AMI) است که از داده‌های مصرف برق در زمان واقعی با استفاده از کنتورهای هوشمند استفاده می‌کند. AMI می‌تواند تقاضای انرژی را کنترل کند، در مدیریت بار کمک کند و داده‌های مصرف را فراهم آورد.

تحولات قابل توجهی در زمینه انتقال و توزیع برق رخ داده است که تمرکز زیادی بر روی فناوری‌هایی مانند مبدل‌های HVDC، اتوماسیون توزیع، فناوری مدیریت بار، تحلیل‌های پیشرفته و یادگیری ماشین دارد. مبدل‌های HVDC امکان انتقال برق به فواصل طولانی را با حداقل تلفات فراهم می‌کنند و انرژی‌های تجدیدپذیر را در شبکه یکپارچه می‌کنند. از سوی دیگر، مدیریت بار، توزیع برق را بر اساس تقاضای انرژی تنظیم می‌کند، در حالی که اتوماسیون توزیع، تشخیص و جداسازی خطا را ساده می‌کند. این فناوری‌ها نقش مهمی در طراحی یک سیستم برق قابل اعتماد و پایدار ایفا خواهند کرد.

منابع :

https://eepower.com/technical-articles/understanding-advances-in-transmission-and-distribution/#