چکیده پخش بار سری زمانیدر این تحقیق به کاربرد مدلهای سری زمانی در سیستم قدرت پرداخته شده است. سریهای زمانی برای مدلسازی پارامترهای مختلف شبکه قدرت و در کاربردهای متنوع به کار گرفته میشود. این مدلها قادرند همبستگی زمانی متغیرهای شبکه قدرت را در نظر بگیرند. با توجه به مدلسازی بارها و تولیدات سیستم قدرت به صورت مدل سری زمانی، روش پخش باری بر اساس مدلهای سری زمانی پیشنهاد شده است. در روش پیشنهادی از مدلهای سری زمانی به صورت مستقیم در حل مسئله پخش بار، برای یافتن متغیرهای حالت شبکه استفاده میشود. خروجی این روش مدلهای سری زمانی چند متغیره برای مجهولات شبکه است.در ادامه از پخش بار سری زمانی معرفی شده در این پایاننامه در مسئله تجدید ساختار شبکههای توزیع و برای یافتن بهترین ساختار شبکه با هدف کمینه کردن تلفات در سیستم قدرت استفاده میشود.در انتها نیز از مدلهای سری زمانی معرفی شده در سالهای اخیر جهت شبیه سازی پارامترهای گسسته در سیستم قدرت استفاده شده است. سریهای زمانی مرسوم ARMA جهت مدلسازی دادههای پیوسته کاربرد دارند. متغیرهایی چون توان خروجی واحدهای تولید پراکنده CHP و وضعیت بانکهای خازنی در سیستم قدرت ماهیت گسسته دارند. این مدلها میتوانند برخی توابع توزیع گسسته را برای متغیرهای مختلف در نظر بگیرند. کلمات کلیدی: پخش بار، سریهای زمانی، متغیرهای همبسته، تجدید ساختار شبکههای توزیع، مدلسازی پارامترهای گسسته فهرست مطالبفصل اول: مقدمه1-1-اهمیت مسئله21-2- پخش بار احتمالی31-3- مروری بر کارهای انجام شده121-4- اهداف پایان نامه241-5- ساختار پایان نامه25فصل دوم: سری های زمانی2-1- مقدمه272-2- مدلهای ARMA272-2-1- فرآيندهاي ايستا وناايستا272-2-2- فرآيندهاي ميانگين متحرک (MA)292-2-3- فرآيندهاي خودبازگشتي (AR)292-2-4-فرآيندهايARMA302-2-5- فرآیندهای ARIMA302-2-6- فرآیندهای SARIMA312-2-7- فرآیندهای Multivariate ARMA312-3- ویژگی مدل سریهای زمانی322-3-1- توابع خود همبستگي و خود همبستگي جزيي322-3-2-تعيين ايستايي وناايستايي سري هاي زماني با استفاده از تابع ACF352-3-3- شناسايي الگو با استفاده از توابع ACF و PACF362-3-4- شرط ايستايي و وارون پذيري با توجه به ضرايب مدل372-3-5- آ‍زمونهاي تشخيص الگو38فصل سوم: پخش بار سری زمانی3-1- مقدمه403-2- پخش بار احتمالی413-3- معرفی روش پخش بار فرمولاسیون4433-4- فرمول بندی روش پیشنهادی473-5- شبیه سازی شبکه مورد مطالعه513-5-1- مدلسازی سری زمانی توان خروجی توربین بادی523-5-2- مدلسازی توان اکتیو و راکتیو تزریقی553-5-3- نتایج شبیه سازی56فصل چهارم: استفاده از پخش بار سری زمانی برای تغییر ساختار شبکه با هدف مینیمم کردن تلفات4-1- مقدمه674-2- مسئله بازآرایی شبکه در سیستم های قدرت684-3- معرفی الگوریتم BPSO704-4- استفاده از مدل های سری زمانی در بازآرایی شبکه714-5- نتایج شبیه سازی734-5-1- شبکه مورد مطالعه734-5-2- نتایج744-5-3- بررسی درستی روش پیشنهادی77فصل پنجم:استفاده از سری زمانی DAR برای مدلسازی پارامترهای گسسته در سیستم قدرت5-1- مقدمه835-2- متغیرهای گسسته در سیستم قدرت845-2-1- مدلسازی تپ ترانس845-2-2- مدلسازی واحدهای تولید پراکنده CHP855-3- فرآیندهای خودبازگشتی گسسته (DAR)875-3-1- معرفی مدل875-3-2- انتخاب درجه مدل885-3-3- بررسی درستنمائی مدل انتخاب شده905-3-4- تخمین پارامترهای مجهول در مدل925-4- نتایج شبیه سازی93فصل ششم: نتیجه گیری و پیشنهادات6-1- نتیجه گیری996-2- پیشنهادات100ضمیمه7-1- اطلاعات شبکه 14 باسه IEEE1027-2- اطلاعات شبکه 69 باسه104منابع و مآخذ108 فهرست جدولها جدول 1‑1: مقایسه کیفی روشهای مختلف تخمین نقطه ای]25[9جدول 3‑1: ضرائب مجهول و واریانس نویز تصادفی مدل سری زمانی توان خروجی توربین بادی54جدول 3‑2: واریانس مولفه نویز تصادفی برای توان هایتزریقی ورودی55جدول 3‑3: ثوابت و واریانس مولفه نویز تصادفی مدل های سری زمانی خروجی57جدول 3‑4: ماتریس ضرایب AR در مدل سری زمانی چند متغیره خروجی57جدول 3‑5: ماتریس ضرایبMA برای مدل سری زمانی چند متغیره خروجی و تاخیر زمانی درجه اول58جدول 3‑6: ماتریس ضرایبMA برای مدل سری زمانی چند متغیره خروجی و تاخیر زمانی درجه دوازدهم59جدول 4‑1: وضعیت سوئیچ های شبکه در حالت های مختلف74جدول 4‑2: مقایسه وضعیت سوئیچ های شبکه در حالت های مختلف78جدول 4‑3: مقایسه زمان اجرای روش ها پخش بار در مسئله تجدید ساختار شبکه قدرت81جدول 5‑1: احتمال وقوع تولید در هر کدام از سطوح مشخص شده94جدول 5‑2: نتایج مربوط به ضرایب مجهول مدل و شاخص بایاس تصحیح شده AIC95جدول 5‑3: ثوابت انتخاب شده برای روش پارامتری بوتس تراپ95جدول 5‑4: نتایج حدود خطای مجاز و مقدار شاخصTn تجربی به دست آمده از داده ها96جدول 5‑5: تابع چگالی برای داده های شبیه سازی شدهاز مدل اولیه96جدول 5‑6: ضرایب مدل سری زمانی برای داده های شبیه سازی شده از مدل اولیه96جدول 5‑7: تابع چگالی برای داده های شبیه سازی شده از مدل اولیه97جدول 5‑8: ضرایب مدل سری زمانی برای داده های شبیه سازی شده از مدل اولیه97جدول 7‑1: داده های مربوط به شبکه 14 شینه102جدول 7‑2: داده های مربوط به خطوط شبکه 14 شینه102جدول 7‑3: اطلاعات مربوط به بارها و خطوط در شبکه 69 باسه104 فهرست شکلها شکل 2‑1: ضرائب خودهمبستگی برای مدل....... 33شکل 2‑2: ضرائب خودهمبستگی برای مدل....... 33شکل 2‑3: ضرائب خودهمبستگی برای مدل....... 34شکل 2‑4: ضرائب خودهمبستگی برای مدل....... 34شکل 2‑5: كاهش مولفه ها به صورت كند35شکل 2‑6: كاهش مولفه ها به صورت نمائي سريع36شکل 2‑7: كاهش ناگهاني مولفه ها36شکل 3‑1: نمایش یک پخش بار قطعی در سیستم با ورودی های مشخص]1[42شکل 3‑2: نمایش یک پخش بار سری زمانی با ورودی های مدل سری زمانی]1[43شکل 3‑3: نمایش ضرائب خودهمبستگی توان خروجی مزرعه بادی53شکل 3‑4: نمایش ضرائب خودهمبستگی جزئی توان خروجی مزرعه بادی54شکل 3‑5: سری زمانی مربوط به زاویه باس شماره 3 با استفاده از برابری مقادیر نویز تصادفی61شکل 3‑6: سری زمانی مربوط به زاویه باس شماره 6 با استفاده از برابری مقادیر نویز تصادفی61شکل 3‑7: سری زمانی مربوط به دامنه ولتاژ باس شماره 10 با استفاده از برابری مقادیر نویز تصادفی62شکل 3‑8: سری زمانی مربوط به دامنه ولتاژ باس شماره 13 با استفاده از برابری مقادیر نویز تصادفی62شکل 3‑13: تابع توزیع احتمالی زاویه باس شماره 363شکل 3‑14: تابع توزیع احتمالی زاویه باس شماره 663شکل 3‑15: تابع توزیع احتمالی دامنه ولتاژ باس شماره 1064شکل 3‑16: تابع توزیع احتمالی دامنه ولتاژ باس شماره 1364شکل 4‑1: نمایش وضعیت تولید واحدهای CHP در 6 گروه به صورت ساعتی ]54[94شکل 4‑2: تابع توزیع شاخص Tn برای آزمون درستنمایی مدل انتخاب شده95شکل 7‑1: نمایش تک خطی شبکه 14 باسه استاندارد IEEE103شکل 7‑2: شبکه 69 باسه]52[107 فصل اولمقدمه 1- مقدمه 1-1- اهمیت مسئله اولین و اصلیترین قدم در بهرهبرداری، برنامهریزی و طراحی سیستمهای قدرت داشتن اطلاعات کافی از شرایط شبکه قدرت، شامل توانهای عبوری از خطوط و ولتاژ باسها در حالت دائمی است. داشتن چنین اطلاعاتی نیازمند انجام پخش بار در شبکه قدرت است.ضرورت انجام مطالعات پخش بار از دیر باز مورد توجه محققین بوده است، به طوری که همه ساله روشها و الگوهای جدیدی جهت بهبود روشهای موجود پخش بار ارائه میگردد. روشهای مختلف پخش بار به صورت گستردهای برای مطالعات برنامهریزی و بهرهبرداری در شبکه قدرت استفاده میشود.ابزار پخش بار با پاسخ به ورودیهای توان تزریقی ژنراتور، بار و توپولوژی شبکه، متغیرهای حالت شبکه و توانهای عبوری از خطوط را در خروجی محاسبه میکند. در پخش بار قطعی[1] سیستم قدرت، مقادیر توانهای تولیدی ژنراتورها و مصارف بارهای سیستم و همچنین توپولوژی شبکه به صورت کاملا مشخص در نظر گرفته میشوند. بنابراین این روش نمیتواند عدم قطعیت موجود در بار سیستم، نرخ خروج ژنراتورها از مدار و همچنین تغییرات توپولوژی شبکه را مدل نماید. در حالی که متغیرهای حالت سیستم به دلیل احتمالی بودن بارها، خطای پیشبینی بار و تخمین غیر دقیق پارامترهای سیستم، دارای طبیعت متغیر است. روش پخش بار احتمالی[2]، راه حل موثری جهت ورودیهای غیر قطعی با دانستن مشخصات آماری آنها میباشد.با تحول در سیستمهای قدرت به دلیل نفوذ منابع انرژی پراکنده و عدم کنترل بر روی محرکهای طبیعی در برخی از این منابع، همانند توربینهای بادی و سیستمهای فوتوولتائیک[3]، یک پخش بار معمولی، متغیرهای حالت سیستم را در یک بازه زمانی محدود معین میکند. با گسترش تولیدات پراکنده در شبکه قدرت، کاربرد سری زمانی تولید و مصرف در آنالیز پخش بار میتواند مفید باشد، زیرا دادههای تولید و مصرف در یک دوره زمانی به دست میآیند و میتوانند به صورت یک سری زمانی نوشته شوند ]1[.در یک سیستم قدرت بارها تغییر میکنند و توزیع آماری و ارتباط بین آنها باید مدل شود. بر خلاف آنالیز پخش بار احتمالی که دادههای ورودی آنها از توزیعهای آماری حاصل میشود، در این جا از سری زمانی تولید و مصرف به طور مستقیم استفاده میگردد. در این تحقیق سعی بر معرفی پخش بار سری زمانی و همچنین استفاده از مدلسازی سری زمانی برای برخی پارامترهای با ماهیت گسسته همچون تپ ترانس، وضعیت بانک های خازنی و توان خروجی واحدهای تولید پراکنده [4]CHP در سیستم قدرت می باشد. 1-2- پخش بار احتمالی برای در نظر گرفتن موارد عدم قطعیت در سیستمهای قدرت، همانطور که پیشتر نیز گفته شد روشهای مختلفی بر مبنای ریاضیات آماری برای آنالیز این پدیدههای تصادفی پیشنهاد شده که به سه صورت کلی زیر است:1- روشهای احتمالی[5]2- روش فازی[6]3- آنالیز بازهای[7]روشهای احتمالی در این میان دارای مبانی ریاضیاتی است و در جنبههای دیگر سیستم قدرت نیز استفاده میشود.پخش بار احتمالی ابتدا در سال 1974 توسط آلن[8] و برکوسکا[9] پیشنهاد شد و سپس در بهرهبرداری از سیستمهای قدرت و برای برنامهریزیهای کوتاه مدت و بلند مدت از آن استفاده شد ]2[.در پخش بار احتمالی و در حالت کلی، ورودیهای مسئله به صورت تابع توزیع چگالی[10] یا تابع توزیع تجمعی[11] متغیرهای تصادفی است و در خروجی نیز متغیرهای حالت سیستم و توانهای عبوری از خطوط به صورت PDF یا CDF خواهند بود، بنابراین عدم قطعیت در این حالت میتواند در نظر گرفته شود.مسئله پخش بار احتمالی میتواند به یکی از سه روش کلی زیر حل شود:1- روشهای عددی[12] که بارزترین مثال آن روش مونت کارلو[13] است.2- روشهای تحلیلی[14] که به عنوان مثال از تکنیک کانولوشن[15] استفاده میشود.3- روشهای تقریبی[16] که از آن جمله میتوان به تخمین نقطهای[17] اشاره کرد.البته در برخی موارد از ترکیب روشهای فوق نیز استفاده شده است.در ادامه به موازات تکنیک PLF تکنیک مشابه پخش بار اتفاقی[18] نیز برای حل مسئله پخش بار مورد استفاده قرار گرفت ]3[. این روش بر پایه فرض نرمال بودن متغیرهای سیستم و توانهای عبوری از خطوط استوار بود که موجب سادهتر شدن محاسبات میگردید، اما در ادامه پاسخهای این روش توسط محققان مورد استناد قرار نگرفت. الگوریتم SLF با در نظر گرفتن عدم قطعیت لحظهای تولید و مصرف، عدم قطعیت را به صورت کوتاه مدت مدل میکند و بیشتر برای اهداف بهرهبرداری مناسب است. [1]Deterministic Load Flow (DLF)[2]Probabilistic Load Flow (PLF)[3]Photovoltaic Distributed Generation (PV)[4]Combined Heat and Power Distributed Generation[5]Probabilistic Approach[6]Fuzzy Sets[7]Interval Analysis[8]Allan[9]Borkowska[10]Probability Density Function (PDF)[11]Cumulative Distribution Function (CDF)[12]Numerical Approach[13]Mont Carlo(MC)[14]Analytical Approach[15]Convolution[16]Approximation Method[17]Point Estimate[18]Stochastic Load Flow (SLF)