جداسازی سلسله‌مراتبی طیفی مقید در شبکه‌های قدرت

در سال های اخیر جداسازی شبکه قدرت بعنوان آخرین ابزار جهت پیشگیری از ناپایداری سیستم مورد توجه قرار گرفته است. هدف از جداسازی کنترل شده، تشکیل جزایر پایدار در شبکه به منظور جلوگیری از خاموشی سراسری و سهولت بازیابی مجدد شبکه می باشد. در این راستا یک الگوریتم تصمیم گیری مناسب مورد نیاز است که در زمان کوتاه با دقت کافی نقاط جداسازی را تعیین نماید.در این مقاله ضمن توسعه الگوریتم خوشه بندی سلسله مراتبی طیفی، استفاده از آن در جداسازی شبکه پیشنهاد شده است. روش ارائه شده با استفاده از مقادیر توان عبوری خطوط و در نظر گرفتن لزوم همنوایی ژنراتورها در هر جزیره، بر مبنای حداقل تغییرات پخش بار نقاط جداسازی را مشخص می نماید. بعلاوه، این روش امکان اعمال محدودیت های جداسازی بر روی برخی خطوط را نیز فراهم می آورد. روش پیشنهادی از نظر محاسباتی بسیار سریع بوده و امکان تعیین تعداد جزایر نیز در آن میسر می باشد. این روش بر روی شبکه های استاندارد انتقال ieee39 و ieee118 پیاده سازی شده و عمکرد آن با سایر روش های موجود مورد مقایسه قرار گرفته است. نتایج حاصل از شبیه سازی، کارآیی بالای این روش در مقایسه با روش های موجود و قابلیت پیاده سازی بصورت بلادرنگ در شبکه های قدرت را نشان می دهد.

Constrained Hierarchical Spectral Clustering of Power Grids

In recent years, power system islanding is considered as the last resort to prevent network instability. The purpose of controlled islanding is to establish selfsustaining electrical islands to prevent a blackout and lead to ease of restoration. In this regard, an appropriate decision making algorithm is required to determine the best separation points in a short time.This paper proposes a novel methodology by developing the hierarchical spectral clustering algorithm. This method is computationally very efficient and determines an islanding solution with minimal power flow disruption while ensuring that each island contains only coherent generators. The proposed method also enables operators to constrain any branch to be excluded from the islanding solution. The method is tested using the models of the IEEE 39 and IEEE 118bus test systems and comparative analysis with existing methods have been performed. The simulation results demonstrate that the methodology is more efficient than another existing approach and could be utilized in the realtime application of the power grid.