بازآرایی مقاوم شبکه های توزیع به منظور بهبود انعطاف پذیری در حضور منابع انرژی تجدیدپذیر

بازآرایی شبکه های توزیع هوشمند به عنوان یک استراتژی مقرون به صرفه برای کاهش تلفات و انحراف ولتاژ، به ویژه در مواجهه با ادوات نوظهوری مانند سیستم های ذخیره سازی انرژی، مدیریت سمت تقاضا و منابع تولید پراکنده می باشد. مطالعات اخیر، اهداف بهینه سازی را گسترش داده است تا نه تنها کاهش تلفات سیستم توزیع، بلکه به حداقل رساندن تامین برق از شبکه انتقال در پست های توزیع را نیز شامل شود. این مقاله یک مدل بازآرایی مقاوم را معرفی می کند که از بهینه سازی مخروط مرتبه دوم دو مرحله ای استفاده می کند. منابع انرژی تجدیدپذیر و مدیریت تقاضا به همراه منابع تولید پراکنده مبتنی بر سوخت فسیلی مانند ژنراتورهای گاز و دیزل را پوشش می دهد. هدف این مدل بهینه سازی یک تابع چند هدفه است که تلفات، خرید برق در پست های توزیع و هزینه های مرتبط با محدود کردن منابع انرژی تجدیدپذیر را کاهش می دهد. عملکرد مدل پیشنهادی در شبیه سازی شبکه 33 باس ieee نشان می دهد که تلفات توان در مقایسه با وضعیت بدون مدیریت سمت تقاضا (معادل 0.71 مگاوات) تا 22.5% کاهش یافته است. مصرف انرژی خریداری شده از شبکه تا 19.5% کاهش یافته است (از 1.54 به 1.24 مگاوات ساعت). ولتاژ حداقل بهبود یافته است (افزایش 1.03% از 0.972 به 0.982 p.u). در سناریوی بهینه سازی مقاوم، کاهش 10% در تعداد خطوط بازشده نشان دهنده بهبود عملکرد در شرایط عدم قطعیت است. این نتایج نشان دهنده تاثیر قابل توجه مدل پیشنهادی در بهینه سازی عملکرد شبکه های توزیع هوشمند و کاهش هزینه ها و تلفات است.

robust reconfiguration of distribution networks to improve flexibility in the presence of renewable energy sources

reconfiguring smart distribution networks is an economical strategy for reducing losses and voltage deviations, particularly in the face of emerging devices such as energy storage systems, demand-side management, and distributed generation sources. recent studies have expanded optimization objectives to not only reduce distribution system losses but also minimize electricity procurement from the transmission network at distribution substations. this paper introduces a resilient reconfiguration model that uses a second-order cone programming optimization approach. it covers renewable energy sources, demand-side management, and fossil fuel-based distributed generation sources such as gas and diesel generators. the goal of this optimization model is to minimize a multi-objective function that reduces losses, electricity purchase at distribution substations, and costs associated with limiting renewable energy sources. the performance of the proposed model is validated through a simulation of the 33-bus ieee network, showing that power losses have decreased by 22.5% (from 0.71 mw to 0.55 mw) compared to the case without demand-side management. the energy purchased from the grid has decreased by 19.5% (from 1.54 to 1.24 mwh). the minimum voltage has improved by 1.03% (from 0.972 p.u to 0.982 p.u). in the robust optimization scenario, there is a 10% reduction in the number of open lines, indicating improved performance under uncertainty conditions. these results highlight the significant impact of the proposed model in optimizing the performance of smart distribution networks and reducing costs and losses.