جایابی بهینه واحدهای اندازه گیری فازور PMU با استفاده از الگوریتم رقابت استعماری

به هم پیوستگی سیستم قدرت گرچه قابلیت اطمینان تامین انرژی الکتریکی را بالا می برد، اما، همین به هم پیوستگی خود می تواند باعث بروز پدیده های ناخواسته ای مانند ناپایداری شود. چنین پدیده هایی معمولا در اثر پیشامدهای پی در پی رخ می دهد. معمولا امنیت سیستم های قدرت به هنگام بروز پیشامدهای پیدرپی در فاز طراحی در نظر گرفته نشده و بهجای آن تلاش می شود به کمک ساز وکارهای کنترلی و حفاظتی ویژه ای مانند طرحهای حفاظت سیستم این هدف دنبال شود. برای مقابله با احتمال ناپایداری سیستم، مهندسان سیستم های قدرت به فکر تقویت سیستم های پایش افتادند تا از این طریق از بروز ناپایداری جلوگیری کنند. واحدهای دور سنجی که در سطح سیستم مورد استفاده قرار می گرفتند دارای محدودیت هایی بود. اختلاف زمانی بین اندازه گیری های ارسالی از سطح سیستم به مراکز کنترل باعث میشد اپراتور دید مناسبی از رفتار دینامیکی سیستم نداشته باشد. علاوه براین نرخ نمونه برداری این تجهیرات نیز محدود می باشد. این موانع باعث شد تا واحدهای اندازه- گیری فازور Phasor Measurement Units معرفی شوند. PMU ها وسایل اندازه گیری هستند که مقادیر ولتاژ شین ها و جریان عبوری از خطوط را با دقت و سرعت نمونه برداری بسیار بالا اندازه گیری میکنند. همچنین این وسایل مقادیر اندازه- گیری شده را به علت بهره گرفتن از سیستم موقعیت یاب جهانی (GPS) به صورت کاملا همزان به مراکز کنترل ارسال می کنند. بهترین حالت برای مشاهده پذیری کل شبکه استفاده از این واحدها در تمامی شین های شبکه است ولی به دلیل هزینه بالای این تجهیرات واین مسیله که PMU نصب شده در هر شین قادر به اندازه گیری فازور ولتاژ و فازور جریان تمامی خطوط مرتبط با آن می باشد برای مشاهده پذیری کامل سیستم نیاری به نصب این وسایل در تمام شین های سیستم نیست. بنابراین جایابی PMU ها در سیستم های قدرت از اهمیت بالایی برخوردار است.دراین تحقیق به معرفی واحدهای اندازه گیری فازور که بهنوعی نقش حفاظت و کنترل سیستم را ایفا می کند پرداخته می شود. در ادامه مساله بهینه سازی تعداد واحدهای اندازه گیر فازور و جایابی بهینه آنها در شین های یک سیستم قدرت و مورد مطالعه و بررسی قرار می گیرد. به منظور حل مساله بهینه سازی تا به حال از روش های مختلفی استفاده شده است. در این تحقیق از الگوریتم رقابت استعماری برای حل مساله بهینه سازی استفاده خواهد شد.