پخش بار اقتصادی سیستم تولید همزمان برای قرارداد دو جانبه فیزیکی با استفاده از الگوریتم ژنتیک

چکیده
برای حل اقتصادی سیستم های تولید همزمان که با استفاده از چندین ژنراتور Mw را به مشتریان خاصی (باس بارها) از طریق قرارداد دو جانبه تحویل می دهند، از روش الگوریتم ژنتیک استفاده می کنیم. در این روش محدودیت های سیستم دو جانبه در تولید همزمان در نظر گرفته می شود. پارامترهای الگوریتم ژنتیک برای عملیات همگرایی بررسی می شوند. سیستم 30 باسه نمونه IEEE برای تست الگوریتم مورد بررسی قرار می گیرد.

1. مقدمه

در کشورهای زیادی هم اکنون برای بازسازی بازارها، مقررات جدیدی وضع شده است. در این میان مزایده و قراردادهای دو جانبه دو مدل از داد و ستدهای اصلی هستند که به دو بخش قراردادهای فیزیکی و مالی تقسیم شده اند. قرار داد دوجانبه فیزیکی شامل دو موسسه است (فروشنده و خریدار) که به ازای مقدار Mw انتقالی مشخصی قرارداد می بندند ]2[. در یک بازار انرژی، صاحب سیستم انتقال می تواند به عنوان سومین بخش برای فراهم کردن چرخه مورد نیاز برای خریداران (بارها یا شرکت های توزیع) و فروشندگان (نیروگاهها و یا شرکت های وابسته به نیروگاهها) عمل کنند. قرارداد دو جانبه مالی وابسته به نرخ بازار برای مشترکین است. در این پروژه روی قراردادهای دوجانبه فیزیکی کار می شود.
قراردادهای دوجانبه فیزیکی از قوانین اصلی در بازارهای انرژی هستند که ناشی از رشد چشمگیر تولیدات توان مستقل (IPP) و ژنراتورهای غیر مفید (NUG) می باشند. در گذشته تحقیقات زیادی بر روی چرخه محاسبه هزینه ]3-7[ و ارزیابی گنجایش شبکه های مورد استفاده ]7[ انجام شده است. هزینه جابجایی (روش تمبر پستی و روش مسیرقراردادی) ]3,4,5[ ، هزینه حاشیه ای]3,5,6[ و هزینه افزایشی ]3,5[ وهزینه Mw-mile ]3,5,7[ در گذشته بحث شده اند. متلبی
سیستم تولید همزمان یکی از NUGهاست. این سیستم نقش بسیار مهمی را در صنعت انرژی بازی می کند. سیستم تولید همزمان در کارخانه ها نه تنها انرژی مورد نیاز را فراهم می کند، بلکه گرمای مورد استفاده در کارخانه را نیز تامین می کند. اگر انرژی الکتریکی تولید شده در کارخانه بیش از نیاز کارخانه باشد، این انرژی می تواند به خریداران در باس های دیگر منتقل شود.
در این پروژه یک روش اقتصادی برای انتقال انرژی الکتریکی از سیستم تولید همزمان در باس های مختلف به خریداران در باس های مشخص مطرح شده است. این سیستم های تولید در باس های مختلف باید همزمان مقدار Mw مورد نیاز را انتقال دهند. از الگوریتم ژنتیک برای حل مسئله بهینه سازی دوجانبه سیستم تولید همزمان استفاده می شود.
در بخش بعدی در مرحله اول مدلی برای سیستم تولید همزمان فراهم می شود. سپس فرمول مسئله در مرحله بعد داده می شود. نمای کلی الگوریتم ژنتیک مشخص می شود و نتایج شبیه سازی بر اساس مدل 30 باسه IEEE در بخش بعدی نشان داده می شود.

1. مدلی برای سیستم تولید همزمان
   1. سیستم تولید همزمان back-pressure

همانطوری که در شکل 1 نشان داده شده است، سیستم تولید همزمان از چندین بویلر، توربین و ژنراتور تشکیل شده است. بخار با فشار بالا از بویلرها به 3 بخش تقسیم می شود: بخش اول برای تولید الکتریسیته به توربین منتقل می شود. بخش دوم برای فرآیندها استفاده می شود. بخش باقیمانده از طریق لوله به بخش بخار با فشار متوسط منتقل می شود. بخار خروجی از توربین به هدرهای بخار با فشار متوسط پمپ می شود.

شکل1. یک سیستم تولید همزمان back-pressure

• 1. توابع آنتالپی بویلر و ژنراتور

تصور کنید I سیستم تولید همزمان در I باس مختلف وجود دارند،i=1,….I. فرض می شود این سیستمهای تولید همزمان جداگانه متعلق به یک شرکت هستند. برای iامین سیستم تولید همزمان، بویلر وجود دارد. تابع آنتالپی برای بویلر با فشار بالا از رابطه زیر به دست می آید:

به طوریکه:

• : آنتالپی سوخت (MBTU/h) داخل jامین بویلر فشار بالا برای (T/h) بخار خروجی.

: بخار با فشار بالا (T/h), تولید شده از jامین بویلر در باس i
: ثابت های تابع آنتالپی بویلر برای jامین بویلر در باس i,
به عبارت دیگر, تابع آنتالپی برای توربین- ژنراتور مطابق رابطه زیر می باشد:

به طوریکه:
: آنتالپی (MBTU/h) مصرف شده بوسیله jامین توربین برای تولید (MW) در باس i,
: توان تولیدی (MW) بوسیله jامین توربین ژنراتور در باس i
: ثابت های تابع آنتالپی برای jامین توربین- ژنراتور در باس i,

1. فرمول بندی مسئله
   1. فرضیات

مسئله بهینه سازی شامل آنالیز عملکرد اقتصادی برای توابع جداگانه سیستم تولید همزمان در باس های مختلف برای انتقال MW به خریداران مشخص توسط قرارداد دوجانبه می باشد. برای سادگی 4 فرض برای این مسئله در نظر گرفته می شود:

1. تنها یک شرکت صاحب سیستم های تولید همزمان در باس های مختلف می باشد.
2. سیستم تولید همزمان از نوع back-pressure می باشد.
3. سیستم گنجایش لازم برای انتقال (ATC) بر طبق قرارداد دوجانبه را دارد.
4. توزیع کننده در سیستم تولید همزمان مسئول امنیت سیستم نمی باشد اما تمایل به اجتناب از انتقال تولید همزمان توسط قراداد دوجانبه را دارد.
   1. تابع هدف

تابع هدف که شامل هزینه سوخت (آنتالپی) و هزینه سیکل می باشد، مطابق رابطه زیر است:

به طوریکه:
i: شماره باس ها،
j: شماره سیستم های تولید همزمان،
CT: تابه نهایی ($(
UCSi: هزینه سوخت ($/MBTU) برای تولید بخار با فشار بالا در باس i
WCT: هزینه سیکل ($/MWh)
PGi: MW نهایی تولید شده در باس i

• تبادل لینک با سایت متلبی

جمله اول در معادله (3) هزینه سوخت برای همه سیستم های تولید همزمان می باشد. جمله دوم هزینه سیکل است که با استفاده از روش تمبر پستی محاسبه می شود.

• 1. ثابت های تعادل بخار

تعادل فشار متوسط و فشار بالا در یک سیستم تولید همزمان طبق روابط زیروجود دارد:

به طوریکه:
: بخار فشار بالا (T/h) مورد نیاز در باس i
: آنتالپی مصرف شده (MBTU/T) برای تولید الکتریسیته بین بخار وارد و خارج شده به توربین
: شار بخار با فشار متوسط (T/h) عبور کرده از شیرهای بخار در باس i

• : سرعت جهش آب از شیرهای بخار در باس i

: مصرف بخار با فشار متوسط (T/h) در باس i

• 1. ثابت های تعادل توان

MW تولید شده در باس I طبق رابطه زیر برای مصارف داخلی و همینطور خریداران صرف می شود:

به طوریکه:
: بار داخلی (MW) در باس i
: بار نهایی خریداران (MW) در باس های مختلف
: MW تولیدی برای jامین ژنراتور در باس i

• 1. ثابت های محدودیت عملیات

بخار، MW و شار بخار در شیرهای بخار برای سیستم های تولید همزمان دارای محدودیت هایی می باشند:

که
:محدودیت ماکزیمم (مینیمم) بخار برای jامین بویلر در باس i
:محدودیت ماکزیمم (مینیمم) تولید MW برای jامین ژنراتور در باس i
:محدودیت ماکزیمم (مینیمم) بخار برای شیرهای بخار در باس i

1. روش شبیه سازی

محاسبه یک بار در محیط M-file و بار دیگر با استفاده ازOptimization Tool انجام شده است.

• 1. Optimization Tool

گزینه هایی که در این محیط استفاده شده اند، در پایین توضیح داده شده اند.
Options: عملیاتی که در این بخش صورت گرفته شده در شکل 2 نشان داده شده است.


شکل 2. تنظیمات انجام شده در optimization tool
Problem Setup and Results: برای تنظیم مسئله اصلی و فراخوانی دو تابع fitness و constraint تغییرات زیر را در قسمت problem setup and results از optimization tool اعمال می کنیم.

شکل 3. تغییرات انجام شده در optimization tool برای تنظیم مسئله
راه دیگر اجرای برنامه این است که دستورات مورد استفاده در الگوریتم ژنتیک را در محیط M-file می نویسیم. برای استفاده از الگوریتم ژنتیک در حل مسئله از 3 تابع M-file استفاده می کنیم، که شامل تابع simple_constraint برای قیود، simple_fitness برای نوشتن تابع اصلی و objectivefunction برای تطبیق مسئله در الگوریتم ژنتیک می باشد.
فرضیاتی که درتابع الگوریتم ژنتیک در نظر گرفته می شود به این صورت می باشد که تابع fitness وconstraint دارای یک ورودی x هستند که شامل تعدادی المان به اندازه متغیرهایمان می باشد. تابع fitness مقدار تابع اصلی را محاسبه می کند و یک مقدار عددی می دهد.
Objectivefunction نیز شامل دستورات مربوط به الگوریتم ژنتیک می باشد. این دستورات برای بهینه سازی مسئله در نظر گرفته می شوند، که در اینجا از دستورات crossover، migration و mutation استفاده شده است.
Crossover برای تعین این که چطور والدین با هم ترکیب شوند تا فرزندان به وجود آیند، در نظر گرفته می شود. که در اینجا از crossovertwopoint برای اینکار استفاده می شود. Crossovertwopoint دو عدد صیح m و n بین 1و تعداد متغیرها به طور تصادفی انتخاب می کند و روند زیر را برای به دست آوردن فرزند طی می کند.
m عدد اول از بردار حاصله (فرزند) شامل m عدد اول از اولین والد می باشند و از m+1 تا n شامل اعداد والد دوم می باشند و از n+1 به بعد دوباره شامل اعداد والد اول می باشند.
Migration مشخص می کند که چطور در زیر جمعیت های مشخص شده حرکت کرده و نقطه بهینه را بیابیم، که ما از گزینه ی bothdirection برای این منظور استفاده کردیم.
Mutation نشان می دهد که چطور الگوریتم ژنتیک تغییرات کوچکی را در والدین ایجاد می کند تا فرزندان ایجاد شوند. که در اینجا از گزینه mutationadaptfeasible برای این کار استفاده شده است. که mutationadaptfeasible با در نظر گرفتن قیود مسئله یک جواب ممکن در کل جمعیت را انتخاب می کند. برای شروع بهینه سازی یک حدس اولیه برای آن در نظر گرفته می شود.

1. نتایج شبیه سازی

در این پروژه سیستم 30باسه IEEE به عنوان مثال در نظر گرفته شده است که در شکل 4 دیده می شود. در این شکل 2 سیستم تولید همزمان در 2 باس مختلف قرار دارند. هر سیستم تولید همزمان 5 ژنراتور و بویلر با توابع انتالپی یکسان دارند.
واحدهای تولید همزمان در باس های 8 و 11 قرار دارند. در حالی که خریداران در باس های 21 (MW 13.5) و 30 (MW 7.5) می باشند. نرخ گردشی 0.092 است. دیگر اطلاعات سیستم تولید همزمان در جدول 1 مشخص شده اند. Mi و Pi، بخار و تولید در بویلر و ژنراتور iام را نشان می دهند.
جدول 1. اطلاعات دو سیستم تولید همزمان در باس های 8 و 11 برای سیستم 30 باسه IEEE

واحد 2	واحد 1
5	5	شماره واحد
باس 11	باس 8	موقعیت
157.12	157.12
113	113
656	635
25	25	بار داخلی (MW)
0	0
200	200
0.315395	0.315395
11.54%	11.54%	Ri

نتایج شبیه سازی در جدول 2 مشاهده می شود.
جدول 2. نتایج به دست آمده از شبیه سازی

نیروگاه 2	نیروگاه 1
204.8954	199.3721	M1
119.9508	62.3872	M2
97.9198	62.5771	M3
104.8083	92.1220	M4
249.9418	131.3598	M5
777.5161	547.8182	بخار نهایی (MBTU)
0	15.8331
10.9154	15	P1
9.8349	15	P2
7.3819	15	P3
8.781	15	P4
10.7762	14.9999	P5
47.6894	74.9999	تولید نهایی(MW)
1136900		هزینه($/h)

فایل های مطلب برای اجرای برنامه نیز ضمیمه شده است.
فروشگاه متلبی