Generating system wellbeing index evaluation using genetic algorithm تقييم موثوقية نظم توليد الطاقة الكهربائية باستخدام الخوارزمية الوراثية

Abstract

جرت العادة على أن يتم تقييم موثوقية نظم الطاقة الكهربائية باستخدام طرق قطعية هذه الطرق تم استبدالها تدريجيا بطرق احتمالية، والتي لها القابلية لأن تأخذ في الاعتبار مواصفات وحدات التوليد والأحمال الكهربائية ولكن هناك تردد كبير من قبل شركات الكهرباء لأن تستبعد الطرق القطعية لذلك تم استحداث طريقة صحة النظام وهي طريقة تحليلية تجمع بين الطرق القطعية والاحتمالية داخل نطاق عمل واحد مؤشرات صحة النظام يمكن أن تحسب باستخدام طرق تحليلية وطرق المحاكاة ولكن يعيب الطرق التحليلية أنها تحتاج إلى طرق رياضية معقدة أما طرق المحاكاة فإنها تستغرق وقتا وذاكرة كبيرة لإجراء الحسابات هذا البحث يقدم طريقة حديثة تعتمد على الخوارزمية الوراثية لحساب مؤشرات صحة النظام مميزات هذه الخوارزمية تستخدم لتحديد مؤشرات صحة النظام وقد تم تطبيق الطريقة المقترحة على نظام كهربائي تعليمي، وتم مقارنة النتائج مع مثيلاتها باستخدام الطرق التقليدية وتوضح النتائج بأن النتائج لهاتين الطريقتين متطابقة تقريبا كما تمت دراسة تأثير معاملات الخوارزمية الوراثية على دقة النتائج وقد أظهرت النتائج مدى سهولة الطريقة المقترحة

Reliability assessment of generation system is a crucial task used to be done using deterministic approaches However due to the practical limitations of these approaches they have been gradually replaced by probabilistic techniques Nevertheless there is a considerable reluctance in many electric power utilities to completely abandon deterministic considerations To fulfill the industry need wellbeing analysis has been developed to combine the deterministic and the probabilistic approaches in a single framework Analytical techniques or Monte Carlo Simulation have been used to evaluate wellbeing indices However analytical approaches are complicated and mathematically demanding and simulation technique requires a huge amount of computing time and large memory size This still prevents the utilities to benefit from the wellbeing framework This paper presents a novel Genetic Algorithm (GA) based technique to calculate the wellbeing indices Hopefully this will encourage the industry to benefit from the wellbeing analysis The features of the GA are utilized to collect and identify the health marginal and at risk wellbeing states and to calculate the associated wellbeing indices The proposed technique is applied to the IEEERBTS and the resulting wellbeing indices are compared to those obtained using a conventional analytical technique The results show that the outcome of both techniques is virtually identical The effect of the GA parameters on the wellbeing indices is examined The proposed GA based technique in the manner applied in this study is simple practical and valid to calculate the wellbeing indices