Farsi

تحلیل جریان قدرت تولید پراکنده و ذخیره‌سازی پراکنده در میکروگرید DC با استفاده از روش نیوتن رافسون

نمودار معماری تولید پراکنده و ذخیره‌سازی پراکنده

چکیده

در این مقاله، دو معماری مهم در حوزه انرژی الکتریکی بررسی می‌شود: معماری تولید متمرکز و ذخیره‌سازی متمرکز (CGCSA) و معماری تولید پراکنده و ذخیره‌سازی پراکنده (DGDSA) که هر کدام در سطوح مختلف ولتاژ توزیع مورد ارزیابی قرار می‌گیرند. تحلیل جریان قدرت این دو معماری با بهره‌گیری از روش نیوتن رافسون انجام شده است. نتایج به‌دست‌آمده نشان می‌دهند که DGDSA به دلیل کاهش افت ولتاژ در باس، افزایش کارایی سیستم و کاهش تلفات قدرت در خط، دارای مزایای بیشتری نسبت به CGCSA است.

واژه‌های کلیدی

جریان قدرت، تولید پراکنده، ذخیره‌سازی پراکنده، نیوتن رافسون

مقدمه

جریان مستقیم (DC) به عنوان یک گزینه بسیار کارآمد برای تأمین نیازهای بارهای مدرن با قابلیت کارکرد مطلوب، به طور گسترده‌ای مورد بررسی قرار گرفته است. در این راستا، تبدیل جریان متناوب (AC) به DC که از شبکه‌های توزیع قدرت سنتی تأمین می‌شود، به شدت نیازمند است. به علاوه، تمایل فزاینده به جایگزینی انرژی‌های فسیلی با منابع انرژی تجدیدپذیر به‌واضحی مشاهده می‌شود، چرا که این منابع می‌توانند به کاهش آلودگی محیط‌زیست کمک کنند. به همین دلیل، تولید پراکنده به عنوان یک ایستگاه برق تجدیدپذیر مستقل که به شبکه توزیع متصل است، در حال افزایش است.

تولیدکنندگان پراکنده به ایجاد یک سیستم الکتریکی میکروگرید کمک می‌کنند که شامل انواعی از شبکه‌ها مانند شبکه‌های شعاعی و حلقه‌ای می‌شود و رفتارهای متفاوتی در تحلیل جریان قدرت از خود نشان می‌دهند. میکروگریدها به دو نوع DC و AC تقسیم می‌شوند. بین این دو، میکروگریدهای DC مزایای قابل توجهی دارند که شامل کارایی بالاتر، مدل‌های کنترلی ساده‌تر، هزینه کمتر و عدم وجود توان واکنشی، فرکانس و فاز است. طراحی سیستم توزیع قدرت نیازمند تحلیل دقیق جریان قدرت برای تعیین کیفیت برق است و همچنین سیستم میکروگرید DC در مراحل برنامه‌ریزی و عملیاتی به این تحلیل نیاز دارد.

معماری الکتریکی برای میکروگریدهای DC ایزوله شامل دو بخش است: تولید متمرکز-ذخیره‌سازی متمرکز (CGCS) و تولید پراکنده-ذخیره‌سازی پراکنده (DGDS). منابع متمرکز معمولاً از نظر سیستم کنترل کارآیی بالایی دارند، زیرا تمامی فرآیندها در یک مکان قابل نظارت هستند و این امر به افزایش قابلیت اطمینان سیستم کمک می‌کند. با این وجود، CGCSA همزمان با بروز تلفات توزیع بالا و چالش‌های گسترش در آینده، با ضعف‌هایی روبه‌رو است. از این رو، این معماری از نظر دو جنبه بهینه نیست: (الف) هزینه بالای اولیه تولید متمرکز PV به دلیل نیاز به ظرفیت بالا در پنل‌های خورشیدی و (ب) تلفات عمده در توزیع برق به خانه‌های دورافتاده.

با توجه به محدودیت‌های موجود در معماری‌های میکروگرید DC، از جمله (الف) کارایی پایین توزیع، (ب) چالش‌های گسترش در آینده و (ج) نیاز به کنترل جامع در منطقه، ما پیشنهاد می‌کنیم که یک معماری تولید پراکنده و ذخیره‌سازی پراکنده (DGDSA) با روش اتصال حلقه‌ای طراحی شود. به منظور ارزیابی عملکرد این معماری، جریان قدرت با استفاده از روش نیوتن رافسون بررسی خواهد شد.

مدل میکروگرید DC

مدل پیشنهادی میکروگرید DC به عنوان یک سیستم اتصال الکتریکی مستقل طراحی شده است که قادر به تولید، ذخیره‌سازی و توزیع برق به بارها می‌باشد. پنل‌های خورشیدی PV به عنوان منبع اصلی انرژی عمل می‌کنند و سایر منابع تولید نیز می‌توانند به راحتی به این میکروگریدهای DC متصل شوند، زیرا توپولوژی ارائه شده به گونه‌ای طراحی شده که قابلیت انطباق را فراهم می‌آورد. به عنوان مثال، یک ژنراتور بادی می‌تواند از طریق یک مدار یکسوکننده با میکروگرید ادغام شود. با این حال، در این مطالعه تنها به منابع PV پرداخته شده است.

معماری تولید پراکنده و ذخیره‌سازی پراکنده

معماری الکتریکی پیشنهادی به شکل تولید پراکنده و ذخیره‌سازی پراکنده طراحی شده است. خانوارها به عنوان جزء اصلی این سیستم عمل می‌کنند و هر خانه قادر به تولید، ذخیره‌سازی و جریان قدرت دوطرفه است. تجمع چندین نانوگرید که توانایی به اشتراک‌گذاری منابع را دارند، به عنوان یک DGDSA در یک شبکه میکروگرید DC تعریف می‌شود که به تأمین تعادل بار قدرت کمک می‌کند و می‌تواند بارهای جمعی را به طور مشترک تأمین نماید.

شکل ۱ نشان می‌دهد که یک نانوگرید می‌تواند از ترکیب منابع PV، بارهای خانگی، ذخیره‌سازی باتری محلی، مبدل‌های افزایش و مبدل‌های دوطرفه Buck-Boost ساخته شود. مبدل‌های افزایش در پنل‌های خورشیدی به دلیل ویژگی‌های غیرخطی خروجی ولتاژ-جریان، ضروری هستند و بنابراین پیگیری نقطه حداکثر توان (MPPT) اهمیت می‌یابد. ادبیات موجود [۱۳، ۱۴] چندین روش MPPT را برای به حداکثر رساندن توان خروجی PV ارائه کرده است. در این مطالعه، توپولوژی DGDSA از روش MPPT Perturb and Observe (P&O) استفاده می‌کند، زیرا این طراحی سیستم را ساده‌تر کرده و دستیابی به نقطه همگرایی سریع‌تر را فراهم می‌آورد. همچنین، باتری‌ها به عنوان یک سیستم ذخیره‌سازی برای تأمین خودکفایی لازم به کار گرفته می‌شوند.

تحلیل جریان قدرت در میکروگرید DC

در مواقعی که بارها تغییر می‌کنند، مبدل دوطرفه باک-بوست (bidirectional buck-boost converter) وظیفه تنظیم ولتاژ داخلی باس را بر عهده دارد تا آن را به ولتاژ قابل قبول شبکه برساند یا برعکس. به این ترتیب، جریان دوطرفه قدرت می‌تواند به تأمین انرژی انعطاف‌پذیر برای سیستم‌های DGDSA کمک کند. با استفاده از این سیستم دوطرفه، نه تنها می‌توان بارهای خانگی را تأمین کرد، بلکه باتری‌ها نیز می‌توانند شارژ شوند و در نهایت، انرژی مازاد تولید شده در منزل به‌طور مستقیم به شبکه برق تزریق گردد.

نمودار معماری تولید پراکنده و ذخیره‌سازی پراکنده
نمودار ۱: نمایی از معماری تولید پراکنده و ذخیره‌سازی پراکنده

شکل ۱. مدل نانوگرید DGDSA

طرح میکروگرید DC از هم‌پیوندی

شبکه میکروگرید DC شامل چندین خوشه است که هر خوشه دارای تعدادی نانوگرید می‌باشد، همان‌طور که در شکل ۲ نشان داده شده است. در این سیستم، مقاومت هم‌پیوندی بین نانوگریدها، مقاومت فیدر را مدل‌سازی می‌کند. هم‌پیوندی‌های حلقه‌ای بین نانوگریدها نیز در شکل ۲ ترسیم شده است. این هم‌پیوندی‌های حلقه‌ای که از یک لایه رسانای اضافی (نقطه‌چین) استفاده می‌کنند، به‌گونه‌ای طراحی شده‌اند که فیدرها را به‌صورت دایره‌ای در لبه شبکه به یکدیگر متصل سازند. این روش نه تنها به بهبود کارایی سیستم کمک می‌کند، بلکه قابلیت اطمینان را نیز افزایش می‌دهد، حتی در شبکه‌های توزیع ولتاژ پایین. ماتریس رسانایی G می‌تواند با توجه به مقادیر مقاومت فیدر و طراحی هم‌پیوندی و توپولوژی خوشه ایجاد شود. در واقع، G از مرتبه 2n × 2n برای یک خوشه با n نانوگرید تشکیل می‌شود، چراکه برای هر نانوگرید دو باس وجود دارد: باس داخلی و باس خارجی. بنابراین، عناصر ماتریس‌های رسانایی Gij و G به‌صورت رسانایی بین باس‌های i و j نمایش داده می‌شوند، که i می‌تواند بین ۱ تا 2n تغییر کند:

شکل سیستم میکروگرید DC
شکل ۲: مدل میکروگرید DC با جزئیات

شکل ۲. هم‌پیوندی حلقه‌ای در DGDSA

تحلیل جریان قدرت تولید پراکنده و ذخیره‌سازی پراکنده در میکروگرید DC با استفاده از روش نیوتن رافسون - تصویر 3

روش نیوتن رافسون برای تحلیل جریان قدرت

برای تعیین سطح ولتاژ بهینه و راندمان توان در عملکرد شبکه برق میکروگرید DC، از تحلیل جریان قدرت بهره می‌برند. معمولاً در سیستم‌های برق AC از تکنیک‌های متعددی نظیر گاوس سیدل (Gauss-Seidel)، نیوتن رافسون (Newton Raphson) و جداسازی سریع (Fast decoupling) استفاده می‌شود. در این مقاله، یک رویکرد نیوتن-رافسون برای تحلیل جریان قدرت DC معرفی گردیده است. این روش به بررسی چندین پارامتر مهم از جمله افت خط، کارایی و افت ولتاژ کمک می‌کند.

بر اساس نیاز بار، قدرت مورد نیاز برای هر بار در هر باس با استفاده از معادله زیر تعیین می‌شود:

تحلیل جریان قدرت تولید پراکنده و ذخیره‌سازی پراکنده در میکروگرید DC با استفاده از روش نیوتن رافسون - تصویر 4

پس از شناسایی قدرت مورد نیاز برای بارها، قدرت لحظه‌ای می‌تواند از طریق ولتاژ باس و مجموع جریان جاری به هر باس با استفاده از فرمول ریاضی زیر محاسبه گردد.

تحلیل جریان قدرت تولید پراکنده و ذخیره‌سازی پراکنده در میکروگرید DC با استفاده از روش نیوتن رافسون - تصویر 5

معادله (۸) به‌طور خاص ماتریس بار Pcal را نمایش می‌دهد:

علاوه بر این، معادله (۴) از معادله (۸) کاسته می‌شود و باقی‌مانده عبارات با استفاده از سری تیلور گسترش یافته و عبارات سطح بالا نادیده گرفته می‌شوند، تا معادله (۱۰) شکل بگیرد:

تحلیل جریان قدرت تولید پراکنده و ذخیره‌سازی پراکنده در میکروگرید DC با استفاده از روش نیوتن رافسون - تصویر 6

∆𝑃i(k) نشان‌دهنده تفاوت بین قدرت‌های زمان‌بندی شده 𝑃isch و 𝑃ical بر روی باس i در مرتبه kام است. عبارت ∆𝑉i,t در ماتریس نشان‌دهنده تغییر ولتاژ در هر باس در هر مرتبه است. با این توصیف، ولتاژ هر باس با افزودن 𝑉i,t و مقدار ∆𝑉i,t از مرتبه قبلی به‌روزرسانی می‌شود تا به همگرایی برسیم. این همگرایی، ولتاژی را به دست می‌دهد که برای محاسبه افت‌های قدرت LLg(t) و درصد افت‌های قدرت %LLg(t) به کار می‌رود. افت‌های قدرت و مقادیر درصدی آن‌ها به شکل ریاضی طبق فرمول زیر محاسبه می‌شوند.

تحلیل جریان قدرت تولید پراکنده و ذخیره‌سازی پراکنده در میکروگرید DC با استفاده از روش نیوتن رافسون - تصویر 7

Vmax و Vmin نشان‌دهنده حداکثر و حداقل مقادیر ولتاژ در هر باس پس از مرتبه kام می‌باشند.

نتایج و بحث

برای آزمایش روش پیشنهادی، یک منطقه دورافتاده شامل ۲۰ خانه انتخاب شد. هر خانه قابلیت تولید انرژی خورشیدی حداکثر ۲۵۰ WP در تابش ۱۰۰۰ W/m2 و باتری با ظرفیت انرژی ۱۰۰ Ah را داراست. بارهای DC شامل نورپردازی، پنکه‌ها و شارژرها هستند. این روستا به چهار خوشه تقسیم شده که هر خوشه پنج خانه را در بر می‌گیرد.

معماری پیشنهادی، استفاده از تحلیل نیوتن رافسون را برای ارزیابی کارآیی توان و سطح ولتاژ بر روی یک رسانا خاص امکان‌پذیر می‌سازد. عملکرد سیستم در شبکه‌های توزیع با ولتاژهای 120V، 300V و 400V مورد بررسی قرار می‌گیرد. طول رسانا بین خانه‌های همسایه ۲۰ متر فرض شده است، در حالی که فاصله بین خوشه‌ها ۲۰۰ متر تخمین زده می‌شود. مساحت مقطع رسانا به‌طور میانگین ۵.۲۶ mm2 محاسبه می‌شود. در سناریوی DGDSA، مقادیر %LLg، %ɳg و %VD با استفاده از فرمول‌های (۱۲)، (۱۴) و (۱۵) محاسبه می‌شوند.

در این سناریو، برخی از خانه‌ها انرژی بیش از نیاز بار تولید می‌کنند، به طوری که برق مازاد به شبکه تزریق می‌شود، در حالی که سایر خانه‌ها بیشتر از قدرت نامی خود مصرف کرده و به این ترتیب از شبکه انرژی بیشتری جذب می‌کنند. میکروگریدها به‌عنوان پلی مابین خانه‌هایی که انرژی اضافی تولید می‌کنند و خانه‌هایی که نیاز به جذب انرژی دارند عمل می‌کنند.

جدول ۱. مقایسه بار اوج بین CGCSA و DGDSA

نوع سیستمدرصد افت خطدرصد افت ولتاژراندمان
CGCSA
DGDSA

[تصویر ۸]

تحلیل سیستم‌های توزیع شده و متمرکز در میکروگریدهای DC

این تحقیق به بررسی عمیق سیستم‌های توزیع شده و متمرکز در میکروگریدهای DC می‌پردازد. تحلیل جریان قدرت DC (CGCSA و DGDSA) به کمک روش نیوتن رافسون انجام شده است تا بتوان به طور دقیق درصد افت ولتاژ، درصد تلفات خط و راندمان انرژی را تعیین کرد. نتایج حاصل از این تحلیل، نشان می‌دهند که معماری پیشنهادی برای تولید و ذخیره‌سازی توزیع شده، قادر است راندمان توزیع را نسبت به معماری متمرکز تا حدود ۴ درصد بهبود بخشد. علاوه بر این، سیستم DGDSA تلفات خط و افت ولتاژ کمتری نسبت به CGCSA تجربه می‌کند که این نکته خود اهمیت ویژه‌ای دارد.

منابع

  1. M. Effendy, Ashari, M., & Suryoatmojo, H. (2022). Load Sharing and Voltage Restoration Improvement in DC Microgrids with Adaptive Droop Control Strategy. International Journal on Engineering Applications, 10(4), 233–240.
  2. F. S. Al-Ismail, “DC Microgrid Planning, Operation, and Control: A Comprehensive Review,” IEEE Access, vol. 9, pp. 36154–36172, 2021.
  3. M. Effendy, M. Ashari, and H. Suryoatmojo, “Performance Comparison of Proportional-Integral and Fuzzy-PI for a Droop Control of DC Microgrid,” Proceeding – 2020 Int. Conf. Sustain. Energy Eng. Appl. Sustain. Energy Transp. Towar. AllRenewable Futur ICSEEA 2020, pp. 180–184, 2020.
  4. Nasir, M., Khan, H. A., Hussain, A., Mateen, L., & Zaffar, N. A. (2018). Solar PV-based scalable DC microgrid for rural electrification in developing regions. IEEE Transactions on Sustainable Energy, 9(1), 390–399.
  5. Y. Xia, M. Yu, P. Yang, Y. Peng and W. Wei, Generation-storage coordination for islanded DC microgrids dominated by PV generators, IEEE Trans. Energy Convers., vol.34, no.1, pp.130-138, 2019.
  6. R. Kumar and M. K. Pathak, Distributed droop control of DC microgrid for improved voltage regulation and current sharing, IET Renew. Power Gener., vol.14, no.13, pp.2499-2506, 2020.
  7. Hesaroor, K., & Das, D. (2020, December 10). Improved Modified Newton Raphson Load Flow Method for Islanded Microgrids. 2020 IEEE 17th India Council International Conference, INDICON 2020.
  8. Liu, Z., Zhang, X., Su, M., Sun, Y., Han, H., & Wang, P. (2020). Convergence analysis of newton-raphson method in feasible power-flow for dc network. IEEE Transactions on Power Systems, 35(5), 4100–4103.
  9. M. Mehdi, C. H. Kim, and M. Saad, “Robust centralized control for DC islanded microgrid considering communication network delay,” IEEE Access, vol. 8, pp. 77765–77778, 2020.
  10. R. Zhang, A. V. Savkin, and B. Hredzak, “Centralized nonlinear switching control strategy for distributed energy storage systems communicating via a network with large time delays,” J. Energy Storage, vol. 41, no. February, p. 102834, 2021.
  11. J. Kumar, A. Agarwal, and V. Agarwal, “A review on overall control of DC microgrids,” J. Energy Storage, vol. 21, pp. 113–138, 2019.
  12. Saleh, M., “Esa Yusef, & “Mohamed, A. (2017). Centralized Control for DC Microgrid Using Finite State Machine. 2017 IEEE Power & Energy Society Innovative Smart Grid Technologies Conference (ISGT), 1–5.
  13. Li, X., Wang, Q., Wen, H., & Xiao, W. (2019). Comprehensive Studies on Operational Principles for Maximum Power Point Tracking in Photovoltaic Systems. IEEE Access, 7, 121407–121420.
  14. Bollipo, R. B., Mikkili, S., & Bonthagorla, P. K. (2021). Hybrid, optimal, intelligent and classical PV MPPT techniques: A review. In CSEE Journal of Power and Energy Systems (Vol.7, Issue 1, pp. 9–33). Institute of Electrical and Electronics Engineers Inc.
  15. Bhattacharyya, S., Kumar P, D. S., Samanta, S., & Mishra, S. (2021). Steady output and fast tracking MPPT (SOFT-MPPT) for P&O and InC algorithms. IEEE Transactions on Sustainable Energy, 12(1), 293–302.
  16. Montoya Giraldo, O. D. (2019). On Linear Analysis of the Power Flow Equations for DC and AC Grids with CPLs. IEEE Transactions on Circuits and Systems II: Express Briefs, 66(12), 2032–2036.

نویسندگان: ماحمود افندی، دپارتمان مهندسی برق، دانشگاه معظمیه مالنگ، اندونزی، ایمیل: machmud@umm.ac.id
دندی دوئی ساپوترا، دپارتمان مهندسی برق، دانشگاه معظمیه مالنگ، اندونزی، ایمیل: dandysaputra218@gmail.com
فورتیس یودو ستیوان پیسئی، دپارتمان مهندسی برق، دانشگاه پاپوا مانوکاری، اندونزی، ایمیل: paiseyfourys75@gmail.com

منبع و شناسه نشریه: PRZEGLĄD ELEKTROTECHNICZNY, ISSN 0033-2097, R. 100 NR 2/2024. doi:10.15199/48.2024.02.16

منتشر شده توسط PQBlog

مهندس برق

بیشتر بخوانید

پرسش‌های متداول

چیست معماری میکروگرید DC؟

معماری میکروگرید DC یک سیستم اتصال الکتریکی مستقل است که قادر به تولید، ذخیره و توزیع برق به بارها می‌باشد.

روش نیوتن رافسون چیست؟

روش نیوتن رافسون الگوریتمی برای حل معادلات غیرخطی است که به ویژه در تحلیل جریان قدرت کاربرد دارد.

مزایای تولید پراکنده چیست؟

تولید پراکنده به کاهش تلفات انرژی، بهبود کارایی سیستم و افزایش استقلال انرژی کمک می‌کند.

منبع: powerquality.blog