Đánh giá tổng tổn thất điện năng tác dụng khi đặt các nhà máy quang điện khác nhau bằng phương pháp tối ưu hóa North Goshawk hiệu quả
Email tác giả liên hệ:
trantrongdao@tdtu.edu.vnDOI:
https://doi.org/10.54644/jte.2024.1559Từ khóa:
Tổng tổn thất công suất tác dụng, nhà máy quang điện, lưới điện phân phối, phương pháp tối ưu Northern Goshawk, hệ thống điệnTóm tắt
Nghiên cứu này trình bày đánh giá chi tiết về tổng tổn thất công suất tác dụng (TAPL) theo các vị trí đặt khác nhau của các nhà máy quang điện (PVP) trong mạng phân phối điện (EDN) IEEE 33-node. Ba trường hợp nghiên cứu đã được thực hiện nhằm phục vụ mục đích ban đầu, bao gồm 1) tối ưu hóa cả công suất định mức và vị trí của PVP trên EDN đã chọn; 2) tối ưu hóa vị trí của số lượng PVP khác nhau một cách độc lập với lưới điện có cùng công suất định mức và 3) tối ưu hóa một PVP duy nhất có phạm vi công suất định mức rộng. Trong cả ba trường hợp nghiên cứu, tối ưu hóa goshawk phía bắc (NGO) là phương pháp tìm kiếm chính để xác định kết quả và dữ liệu cần thiết, đặc biệt là trong hai trường hợp cuối, sau khi chứng minh hiệu suất cạnh tranh của nó trong trường hợp đầu tiên so với các phương pháp khác. Kết quả trong trường hợp nghiên cứu 2 và 3 chỉ ra rằng để đạt được giá trị TAPL tối thiểu, việc đặt đồng thời nhiều PVP độc lập trên lưới là cách triển khai tốt nhất. Đáng chú ý, việc bố trí 7 PVP với tổng công suất định mức là 2800kW đã mang lại TAPL tốt hơn đáng kể so với tất cả các kết quả trong trường hợp nghiên cứu 3. Tuy nhiên, đối với trường hợp EDN chỉ có thể áp dụng một PVP duy nhất, tất cả dữ liệu và kết quả được trình bày trong trường hợp nghiên cứu 3 cũng là tài liệu học tập tốt.
Tải xuống: 0
Tài liệu tham khảo
T. T. Nguyen and F. Mohammadi, “Optimal Placement of TCSC for Congestion Management and Power Loss Reduction Using Multi-Objective Genetic Algorithm,” Sustainability, vol. 12, no. 7, p. 2813, Apr. 2020, doi: 10.3390/su12072813. DOI: https://doi.org/10.3390/su12072813
F. Mohammadi and M. Saif, “A comprehensive overview of electric vehicle batteries market,” e-Prime - Adv. Electr. Eng. Electron. Energy, vol. 3, p. 100127, Mar. 2023, doi: 10.1016/j.prime.2023.100127. DOI: https://doi.org/10.1016/j.prime.2023.100127
F. Mohammadi, “Design, Analysis, and Electrification of a Solar-Powered Electric Vehicle,” J. Sol. Energy Res., vol. 3, no. 4, pp. 293–299, 2018, [Online]. Available: www.jser.ut.ac.ir
M. G. Hemeida, A. A. Ibrahim, A. A. A. Mohamed, S. Alkhalaf, and A. M. B. El-Dine, “Optimal allocation of distributed generators DG based Manta Ray Foraging Optimization algorithm (MRFO),” Ain Shams Eng. J., vol. 12, no. 1, pp. 609–619, 2021, doi: 10.1016/j.asej.2020.07.009. DOI: https://doi.org/10.1016/j.asej.2020.07.009
T. T. The, S. N. Quoc, and D. V. Ngoc, “Symbiotic Organism Search Algorithm for Power Loss Minimization in Radial Distribution Systems by Network Reconfiguration and Distributed Generation Placement,” Math. Probl. Eng., vol. 2020, pp. 1–22, Jun. 2020, doi: 10.1155/2020/1615792. DOI: https://doi.org/10.1155/2020/1615792
B. Sun, Y. Li, Y. Zeng, J. Chen, and J. Shi, “Optimization planning method of distributed generation based on steady-state security region of distribution network,” Energy Reports, vol. 8, pp. 4209–4222, Nov. 2022, doi: 10.1016/j.egyr.2022.03.078. DOI: https://doi.org/10.1016/j.egyr.2022.03.078
A. Asrari, T. Wu, and S. Lotfifard, “The Impacts of Distributed Energy Sources on Distribution Network Reconfiguration,” IEEE Trans. Energy Convers., vol. 31, no. 2, pp. 606–613, 2016, doi: 10.1109/TEC.2015.2514191. DOI: https://doi.org/10.1109/TEC.2015.2514191
X. Hao, C. Jiang, L. Wu, and L. Zhang, “Based on the power factors of dfig wind farm for power flow optimization,” Lect. Notes Electr. Eng., vol. 334, pp. 157–165, 2015, doi: 10.1007/978-3-319-13707-0_18. DOI: https://doi.org/10.1007/978-3-319-13707-0_18
P. Siano and G. Mokryani, “Evaluating the Benefits of Optimal Allocation of Wind Turbines for Distribution Network Operators,” IEEE Syst. J., vol. 9, no. 2, pp. 629–638, Jun. 2015, doi: 10.1109/JSYST.2013.2279733. DOI: https://doi.org/10.1109/JSYST.2013.2279733
M. R. Nayak, D. Behura, and K. Kasturi, “Optimal allocation of energy storage system and its benefit analysis for unbalanced distribution network with wind generation,” J. Comput. Sci., vol. 51, p. 101319, Apr. 2021, doi: 10.1016/j.jocs.2021.101319. DOI: https://doi.org/10.1016/j.jocs.2021.101319
T. Datta and P. Bajpai, “Steady-State Modeling of DFIG-Based Wind Energy System for Unbalanced Operation,” in Handbook of Renewable Energy Technology & Systems, WORLD SCIENTIFIC (EUROPE), 2021, pp. 3–35. doi: 10.1142/9781786349033_0001. DOI: https://doi.org/10.1142/9781786349033_0001
S. Pazouki, A. Mohsenzadeh, M. R. Haghifam, and M. E. Talebian, “Optimal allocation of wind turbine in multi carrier energy networks improving loss and voltage profile,” ELECO 2013 - 8th Int. Conf. Electr. Electron. Eng., pp. 67–71, 2013, doi: 10.1109/eleco.2013.6713805. DOI: https://doi.org/10.1109/ELECO.2013.6713805
I. Calero, C. A. Canizares, K. Bhattacharya, and R. Baldick, “Duck-Curve Mitigation in Power Grids With High Penetration of PV Generation,” IEEE Trans. Smart Grid, vol. 13, no. 1, pp. 314–329, Jan. 2022, doi: 10.1109/TSG.2021.3122398. DOI: https://doi.org/10.1109/TSG.2021.3122398
A. P. Adeagbo, F. K. Ariyo, K. A. Makinde, S. A. Salimon, O. B. Adewuyi, and O. K. Akinde, “Integration of Solar Photovoltaic Distributed Generators in Distribution Networks Based on Site’s Condition,” Solar, vol. 2, no. 1, pp. 52–63, 2022, doi: 10.3390/solar2010004. DOI: https://doi.org/10.3390/solar2010004
O. D. Montoya, L. F. Grisales-Noreña, L. Alvarado-Barrios, A. Arias-Londoño, and C. Álvarez-Arroyo, “Efficient Reduction in the Annual Investment Costs in AC Distribution Networks via Optimal Integration of Solar PV Sources Using the Newton Metaheuristic Algorithm,” Appl. Sci., vol. 11, no. 23, p. 11525, Dec. 2021, doi: 10.3390/app112311525. DOI: https://doi.org/10.3390/app112311525
O. D. Montoya, L. F. Grisales-Noreña, and D. A. Giral-Ramírez, “Optimal Placement and Sizing of PV Sources in Distribution Grids Using a Modified Gradient-Based Metaheuristic Optimizer,” Sustainability, vol. 14, no. 6, p. 3318, Mar. 2022, doi: 10.3390/su14063318. DOI: https://doi.org/10.3390/su14063318
R. K. Samala and K. Mercy Rosalina, “Optimal Allocation of Multiple Photo-Voltaic and/or Wind-Turbine Based Distributed Generations in Radial Distribution System Using Hybrid Technique with Fuzzy Logic Controller,” J. Electr. Eng. Technol., vol. 16, no. 1, pp. 101–113, 2021, doi: 10.1007/s42835-020-00577-5. DOI: https://doi.org/10.1007/s42835-020-00577-5
A. Arasteh, P. Alemi, and M. Beiraghi, “Optimal allocation of photovoltaic/wind energy system in distribution network using meta-heuristic algorithm,” Appl. Soft Comput., vol. 109, p. 107594, Sep. 2021, doi: 10.1016/j.asoc.2021.107594. DOI: https://doi.org/10.1016/j.asoc.2021.107594
T. Rawat, K. R. Niazi, N. Gupta, and S. Sharma, “Impact analysis of demand response on optimal allocation of wind and solar based distributed generations in distribution system,” Energy Sources, Part B Econ. Planning, Policy, vol. 16, no. 1, pp. 75–90, Jan. 2021, doi: 10.1080/15567249.2020.1844346. DOI: https://doi.org/10.1080/15567249.2020.1844346
H. A. Taha, M. H. Alham, and H. K. M. Youssef, “Multi-Objective Optimization for Optimal Allocation and Coordination of Wind and Solar DGs, BESSs and Capacitors in Presence of Demand Response,” IEEE Access, vol. 10, pp. 16225–16241, 2022, doi: 10.1109/ACCESS.2022.3149135. DOI: https://doi.org/10.1109/ACCESS.2022.3149135
R. Fathi, B. Tousi, and S. Galvani, “A new approach for optimal allocation of photovoltaic and wind clean energy resources in distribution networks with reconfiguration considering uncertainty based on info-gap decision theory with risk aversion strategy,” J. Clean. Prod., vol. 295, p. 125984, May 2021, doi: 10.1016/j.jclepro.2021.125984. DOI: https://doi.org/10.1016/j.jclepro.2021.125984
T. T. Nguyen, L. H. Pham, F. Mohammadi, and L. C. Kien, “Optimal Scheduling of Large-Scale Wind-Hydro-Thermal Systems with Fixed-Head Short-Term Model,” Appl. Sci., vol. 10, no. 8, p. 2964, Apr. 2020, doi: 10.3390/app10082964. DOI: https://doi.org/10.3390/app10082964
M. Dehghani, S. Hubalovsky, and P. Trojovsky, “Northern Goshawk Optimization: A New Swarm-Based Algorithm for Solving Optimization Problems,” IEEE Access, vol. 9, pp. 162059–162080, 2021, doi: 10.1109/ACCESS.2021.3133286. DOI: https://doi.org/10.1109/ACCESS.2021.3133286
K. Nadhir, D. Chabane, and B. Tarek, “Firefly algorithm based energy loss minimization approach for optimal sizing & placement of distributed generation,” in 2013 5th International Conference on Modeling, Simulation and Applied Optimization (ICMSAO), Apr. 2013, pp. 1–5. doi: 10.1109/ICMSAO.2013.6552580. DOI: https://doi.org/10.1109/ICMSAO.2013.6552580
S. Dahal, A. K. Jha, N. Bhattarai, and A. K. Panjiyar, “Determining the Hosting Capacity of Solar Photovoltaic in a Radial Distribution Network Using an Analytical Approach,” J. Adv. Coll. Eng. Manag., vol. 5, pp. 15–25, 2019, doi: 10.3126/jacem.v5i0.26673. DOI: https://doi.org/10.3126/jacem.v5i0.26673
S. Rajeswaran, and K. Nagappan, “Optimum simultaneous allocation of renewable energy DG and capacitor banks in radial distribution network,” Circuits Syst, vol.7. no. 11, pp. 3556-3564, 2016, doi: 10.4236/cs.2016.711302. DOI: https://doi.org/10.4236/cs.2016.711302
E. S. Ali, S. M. Abd Elazim, and A. Y. Abdelaziz, “Ant Lion Optimization Algorithm for optimal location and sizing of renewable distributed generations,” Renew. Energ., vol. 101, pp. 1311-1324, 2017, doi: 10.1016/j.renene.2016.09.023. DOI: https://doi.org/10.1016/j.renene.2016.09.023
M. A. Tolba, A. A. Z. Diab, V. N. Tulsky, and A. Y. Abdelaziz, “LVCI approach for optimal allocation of distributed generations and capacitor banks in distribution grids based on moth–flame optimization algorithm,” Electr. Eng., vol. 100, pp. 2059-2084, 2018, doi: 10.1007/s00202-018-0684-x. DOI: https://doi.org/10.1007/s00202-018-0684-x
https://www.jasolar.com: https://www.jasolar.com/uploadfile/2022/0511/20220511060029354.pdf
3MW PV system solution from Bluesun. https://www.bluesunpv.com/3mw-grid-tied-solar-system-power-plant-commercial-solution_p273.html
4MW PV system solution from Nidec. https://www.nidec-industrial.com/document/solar-production-energy-storage-system-case-study/
F. U. H. Faiz, R. Shakoor, A. Raheem, F. Umer, N. Rasheed, , and M. Farhan, “Modeling and analysis of 3 MW solar photovoltaic plant using PVSyst at Islamia University of Bahawalpur, Pakistan,” Int. J. Photoenergy, vol. 2021, pp. 1-14, 2021, doi: 10.1155/2021/6673448. DOI: https://doi.org/10.1155/2021/6673448
J. Sreedevi, N. Ashwin, and M. N. Raju, “A study on grid connected PV system,” In 2016 National Power Systems Conference (NPSC) (pp. 1-6). IEEE, December 2016, doi: 10.1109/NPSC.2016.7858870. DOI: https://doi.org/10.1109/NPSC.2016.7858870
Tải xuống
Đã Xuất bản
Cách trích dẫn
Số
Chuyên mục
Categories
Giấy phép
Bản quyền (c) 2024 Tạp chí Khoa học Giáo dục Kỹ Thuật
Tác phẩm này được cấp phép theo Giấy phép quốc tế Creative Commons Attribution-NonCommercial 4.0 .
Bản quyền thuộc về JTE.
