مکان‌یابی خطاهای دوفاز در ریز‌شبکه‌ها با حضور خودرو برقی و استفاده از مدل گسترده خط

امروزه استفاده از انرژی‌های تجدید پذیر در شبکه‌های هوشمند و ریز‌شبکه‌ها به‌منظور کاهش استفاده از سوخت‌های فسیلی و افزایش کارایی شبکه رو به افزایش است. مشابه تمام دستگاه‌های شبکه برق، ریز‌شبکه‌ها نیز تحت خطاهای گذرا و ماندگار مانند اتصال کوتاه قرار دارند. این خطاها منجر به کاهش قابلیت اطمینان، نارضایتی مصرف‌کننده‌ها و تحمیل خسارت‌های مالی به شرکت‌های برق می‌شود. برای تعیین دقیق، خودکار و اقتصادی یافتن محل خطا، برای ایجاد ثبات و ترمیم بخش آسیب‌دیده شبکه، یک روش دقیق و خودکار مکان‌یابی خطا موردنیاز است. با توجه به قابلیت رویت‌پذیری در ریزشبکه‌ها، می‌توان مکان خطا را بر اساس داده‌های ولتاژ و جریان در دو پایانه انجام داد. بر این اساس، در این مقاله یک روش تعیین فاصله و بخش خطا در ریزشبکه‌های جزیره‌ای و متصل به شبکه پیشنهاد شده است. روش پیشنهادی با استفاده از مدل گسترده خط و بر اساس اطلاعات ولتاژ و جریان دو سمت هر بخش، مکان خطاهای دوفاز را با در نظر گرفتن انرژی‌های تجدید پذیر و خودرو برقی محاسبه می‌کند. این روش به مدل خودرو برقی و منابع تولید پراکنده حساس نیست و فقط از داده‌های کمتر از نیمی از چرخه برای اجرای الگوریتم استفاده می‌کند. عملکرد روش پیشنهادی با کمک یک ریز‌شبکه 9 شینه در نرم‌افزار متلب بررسی شده است. تاثیر تغییرات در پارامترهای خط، مکان‌های مختلف خطا، مقاومت‌ها و زاویه‌های شروع خطا، حالت‌های مختلف عملکرد منابع تولید پراکنده و خطاهای اندازه‌گیری موردمطالعه قرارگرفته و نتایج تائید می‌کند که روش پیشنهادی از دقت بالایی برخوردار است.

double phase fault location in microgrids with the presence of electric vehicles and distributed parameters line model

nowadays, renewable energy is increasingly used in smart grids and microgrids to reduce the use of fossil fuels and improve network efficiency. like all power system devices, microgrids are subject to transient and steady-state faults, such as short circuits. these faults impair reliability and consumer dissatisfaction. to accurately, automatically, and economically determine the location of a fault, a robust fault location method is needed to stabilize and repair the damaged part of the network. given the access to the data of all nodes, the fault in these networks can be located based on the data on the two terminals. accordingly, this paper proposes a method for determining fault distance and faulty section in the island and grid-connected microgrids. the proposed method uses distributed parameters line model and calculates the location of double-phase faults in the microgrid based on voltage and current data on both sides of each section, taking renewable energies and electric vehicles into account. at first, the measurement devices receive and store the current and voltage data at the beginning and end of each section. if a fault occurs, the fault distance is determined by calculating the difference between voltages and currents on both sides of the fault. according to the sampling rate, many voltage and current samples are obtained during the fault. the proposed method calculates a fault distance for each sample. as a result, many fault distances are obtained. these calculations are done for all sections. in the next step, the distances obtained for each section are plotted on the coordinate axis, and a curve is obtained for each section. among the curves obtained, one curve has a global minimum, which indicates the faulty section. other curves are ascending or descending. in addition, the global minimum point indicates the calculated distance of the fault from the beginning of the section. this method is not sensitive to electric vehicle models and distributed generation sources and uses only less than half-cycle data to execute the algorithm. the performance of the method is investigated with the simulation of a 9-bus microgrid in matlab/simulink. the effects of changes in line parameters (two scenarios), different fault locations, fault resistance (0, 25, and 50 ω), fault inception angles (36, 90, 180, and 270 degrees), different dgs operation modes (three scenarios), and measurements error (±3%) are studied. the maximum and minimum errors of this method are obtained to be 0.97% and 0.02%, respectively. the results indicate the high accuracy of the proposed method compared to other fault location methods.