تخصص اصلی:……………………… رتبه دانشگاهی (مرتبه علمی): …………………… تلفن همراه: …………………………………
تلفن منزل یا محل کار:……………………………….. نام و نام خانوادگی به زبان انگلیسی: …………………………………………….
نحوه همکاری با واحد علوم و تحقیقات:
تمام وقت نیمه وقت مدعو
اطلاعات مربوط به استاد مشاور اول:
نام و نام خانوادگی: مجید مرادلو آخرین مدرک تحصیلی : دکتری
تخصص اصلی: رتبه دانشگاهی (مرتبه علمی): مربی
تلفن همراه: ۰۹۱۲۷۰۰۹۹۱۲ تلفن منزل یا محل کار:
نام و نام خانوادگی به زبان انگلیسی: Majid Moradlou
نحوه همکاری با واحد علوم و تحقیقات:
تمام وقت نیمه وقت مدعو
اطلاعات مربوط به استاد مشاور دوم:
نام و نام خانوادگی:………………………………………………..آخرین مدرک تحصیلی :……………………………….
تخصص اصلی:……………………… رتبه دانشگاهی (مرتبه علمی): …………………… تلفن همراه: …………………………………
تلفن منزل یا محل کار:……………………………….. نام و نام خانوادگی به زبان انگلیسی: …………………………………………….
نحوه همکاری با واحد علوم و تحقیقات:
تمام وقت نیمه وقت مدعو
۴- اطلاعات مربوط به پایان‏ نامه:
الف- عنوان تحقیق
۱- عنوان به زبان فارسی:
تعیین اندازه بهینه منابع تولید پراکنده با درنظر گرفتن کلیدزنی های مختلف در شبکه های توزیع فعال
۲- عنوان به زبان انگلیسی/(آلمانی، فرانسه، عربی):
تذکر: صرفاً دانشجویان رشته‏های زبان آلمانی،‌فرانسه و عربی مجازند عنوان پایان‏ نامه خود را به زبان مربوطه در این بخش درج نمایند و برای بقیه دانشجویان، عنوان بایستی به زبان انگلیسی ذکر شود.

Determine the Optimal Size of DG in Active Distribution Networks Considering Different Switching Modes
ب – تعداد واحد پایان‏ نامه: ۶ واحد
ج- بیان مسأله اساسی تحقیق به طور کلی (شامل تشریح مسأله و معرفی آن، بیان جنبه‏ه ای مجهول و مبهم، بیان متغیرهای مربوطه و منظور از تحقیق):
شبکه های الکتریکی مرسوم، در حال حاضر در دوران تحول اساسی می باشند و توسعه سیستم های قدرت به عنوان بزرگترین و پیچیده ترین صنعت موجود جهان بسیار شگفت انگیز است. در این میان در ۱۰ سال اخیر، ریز شبکه های هوشمند و شبکه های توزیع فعال، مورد توجه خاص پژوهشگران بوده است به طوری که کنفرانس ها و بودجه های تحقیقاتی زیادی به این موضوع جدید اختصاص داده شده است. در واقع ریز شبکه ها به عنوان شبکه های ولتاژ پایین و ولتاژ متوسط، با داشتن مزایا و پتانسیل های موجود می توانند یک سری مزایای کلان و عمده را برای شبکه توزیع سراسری با بهبود بازده انرژی، کیفیت توان و قابلیت اطمینان برای رضایت مشتریان فراهم کنند. حضور منابع انرژی تجدید پذیر و بارهای پاسخگو به قیمت در سطح شبکه های توزیع موجب شده که این شبکه ها از رفتار پسیو خارج شده و نقش فعالتری داشته باشند. بدین صورت برنامه ریزی توسعه شبکه های توزیع از زمانیکه فقط مصرف کننده انرژی بودند پیچیده تر شدند و مستلزم در نظر گرفتن این شرایط توام با عدم قطعیت می باشند. همچنین با درنظر گرفتن حالتهای مختلف کلیدزنی در شبکه توزیع میتوان اندازه بهینه تولیدات پراکنده ناشی از این کلید زنیها را بدست آورد تا شبکه توزیع با این اندازه بهینه مصارف مورد نیاز خود را بدست آورد.
د - اهمیت و ضرورت انجام تحقیق (شامل اختلاف نظرها و خلاءهای تحقیقاتی موجود، میزان نیاز به موضوع، فواید احتمالی نظری و عملی آن و همچنین مواد، روش و یا فرایند تحقیقی احتمالاً جدیدی که در این تحقیق مورد استفاده قرار می‏گیرد:
حضور منابع انرژی تجدید پذیر و بارهای پاسخگو به قیمت در سطح شبکه های توزیع موجب شده که این شبکه ها از رفتار پسیو خارج شده و نقش فعالتری داشته باشند. بدین برنامه ریزی توسعه شبکه های توزیع از زمانیکه فقط مصرف کننده انرژی بودند پیچیده تر شدند و مستلزم در نظر گرفتن این شرایط توأم با عدم قطعیت می باشند. از اینرو در این تحقیق موضوع شبکه های توزیع فعال و مدلسازی رفتار آنها به بحث و بررسی گذاشته میشود.
ه- مرور ادبیات و سوابق مربوطه (بیان مختصر پیشینه تحقیقات انجام شده در داخل و خارج کشور پیرامون موضوع تحقیق و نتایج آنها و مرور ادبیات و چارچوب نظری تحقیق):
سیستم های توزیع با چالشی که در برگیرنده شبکه های پسیو با پخش غیر مستقیم فلوی توزیع شده بوده، با شبکه انتقال به شبکه توزیع فعال با درنظر گرفتن تولیدات پراکنده مواجه است [۱]. شبکه توزیع زمانیکه تولیدات پراکنده که با پخش بار مستقیم است بصورت فعال در نظر گرفته می شود. تعداد زیادی از واحدهای DGمبتنی بر منابع انرژی تجدید پذیر مانند انرژی باد، فتوولتاییک خورشیدی، بیوماس، پیل سوختی و… می باشد. بعبارت دیگر محدودیتهای زیست محیطی ایجاد شده بر مبنای پروتکل کیوتو و دیگر قراردادهای دولتی می باشد. اگر چه امید به بهبود در قابلیت اطمینان منابع تغذیه وکاهش گازهای گلخانه ای شبکه های توزیع فعال را بعنوان ابزاری برای تحمیل بر تعداد زیادی از مسائل فنی که باید به دقت ارزیابی شوند، بوجود آورده است. برنامه ریزی شبکه های توزیع وابسته به دو آیتم اصلی می باشد: قیود فنی (ظرفیت تجهیزات، افت ولتاژ، ساختار شعاعی شبکه، قابلیت اطمینان و…) و بهینه سازی اهداف اقتصادی مانند کمینه کردن سرمایه گذاری و هزینه های بهره برداری، کمینه کردن انرژی وارد شده از طرف شبکه انتقال به شبکه توزیع، انرژی تلفاتی و هزینه های قابلیت اطمینان هست. با وجود استفاده از الگوریتمهای بهینه سازی مرسوم،آنها در مواجه با مشخصه های گرفته شده از شبکه توزیع دچار مشکل می باشند. زیر تعداد زیادی از متغیرها در آن درگیر می باشند. بهمین دلیل از الگوریتمهای تکاملی مانند الگوریتم ژنتیک در این مورد استفاده شده است. روش ارائه شده در [۲] با بهره گرفتن از الگوریتم ژنتیک بعنوان راه حل استفاده شده برای برنامه ریزی استاتیکی شبکه توزیع با درنظر گرفتن تقویت یا نصب فیدرهای جدید وپستها می باشد. تعدادی از روش ها با بهره گرفتن از روش فازی [۳] جهت درنظر گرفتن عدم قطعیت در گسترش برنامه ریزی شبکه توزیع استفاده شده است. روش چند هدفه و همچنین با در نظر گرفتن عدم قطعیت در [۴] مبتنی بر روش فازی استفاده شده است. روش های مبتنی بر سناریوهای چند هدفه در [۵] جهت تعیین خطوط که جهت بهینه کردن پروفیل ولتاژ در حضور تولیدات پراکنده می باشد، مورد توجه قرار گرفته است. مقالات [۶-۸] با بهره گرفتن از الگوریتم ژنتیک جهت تعیین مکان و ظرفیت بهینه واحدهای DGبا درنظر گرفتن عدم قطعیت در بار بوسیله منطق فازی می باشد [۹]. در مراجع [۱۲-۱۰] با بهره گرفتن از مدل احتمالی برای در نظر گرفتن عدم قطعیت استفاده شده است. همچنین در مقاله [۱۳] با بهره گرفتن از روش احتمالی برای درنظر گرفتن عدم قطعیت در تولید وبا درنظر گرفتن تولیدات پراکنده بعنوان میکروگرید به بحث در شبکه های توزیع فعال پرداخته است.
[۱] S. Chowdhury, S. P. Chowdhury, and P. Crossley, “Microgrids and active distribution networks”, London, U.K.: IET, 2009.
[۲] R. I. J. Rosado and B. J. L. Agustin, “Genetic algorithm applied to the design of large power distribution systems,” IEEE Trans. Power Syst., vol. 13, no. 2, pp. 696–۷۰۳, May 1997.
[۳] V. Miranda and M. A. C. C. Matos, “Distribution system planning with fuzzy models and techniques,” in Proc. CIRED, Brighton, U.K., 1989, vol. 6, pp. 472–۴۷۶.
[۴] N. Kagan and R. N. Adams, “Electrical power distribution systems planning using fuzzy mathematical programming,” Elect. Power Energy Syst., vol. 16, no. 3, pp. 191– ۱۹۶, ۱۹۹۴.
[۵] V. Calderaro, V. Galdi, and A. Picolo, “Distribution planning by genetic algorithm with renewable energy units,” in Proc. Bulk Power Systems Dynamics and Control, Italy, 2004, vol. 1, pp. 375–۳۸۰.
[۶] G. Celli et al., “A multi-objective evolutionary algorithm for the sizing and sitting of distributed generation,” IEEE Trans. Power Syst., vol. 20, no. 2, pp. 750–۷۵۷, May 2005.
[۷] K. H. Kim et al., “Dispersed generator placement using fuzzy-GA in distribution systems,” in Proc. IEEE Power Eng. Soc. Summer Meeting, 2002, vol. 13, pp. 1148–۱۱۵۳.
[۸] G. Carpinelli et al., “Distributed generation siting and sizing under uncertainty,” IEEE Trans. Power Syst., vol. 20, no. 2, pp. 750–۷۵۷, May 2009.
[۹] V. F. Martins, “Heuristic algorithm dedicated to reconfiguration of distribution networks,” (in Portuguese) M.Sc. thesis, Federal Univ. Juiz de Fora, Juiz de Fora, Brazil, 2012.
[۱۰] C. L. T. Borges and D. M. Falcao, “Optimal distributed generation allocation for reliability, losses, and voltage improvement,” Int. J. Elect. Power Energy Syst., vol. 28, no. 6, pp. 413–۴۲۰, ۲۰۱۰.
[۱۱] A. P. Leite, C. L. T. Borges, and D. M. Falcao, “Probabilistic wind farms generation model for reliability studies applied to Brazilian sites,” IEEE Trans. Power Syst., vol. 21, no. 4, pp. 1493–۱۵۰۱, Nov. 2006.
[۱۲] M. Baran and F.Wu, “Network reconfiguration in distribution systems for loss reduction and load balancing,” IEEE Trans. Power Syst., vol.4, no. 2, pp. 1401–۱۴۰۷, May 1989.
[۱۳]S. Tan and J.Xu,S.panda , “Optimization of Distribution Network Incorporating Distributed Generators: An Integrated Approach,” IEEE Trans. Power Syst, vol. 28, no. 3, August 2013.
و – جنبه جدید بودن و نوآوری در تحقیق:
با توجه به اهمیت تعیین دقیق اندازه بهینه تولیدات پراکنده و اینکه به کارگیری روش‌های قبلی به دلیل عدم همگرایی مناسب و زمانبر بودن مقرون به صرفه و اقتصادی نیست، لذا یک روش مناسب برای حل این مسأله استفاده از الگوریتم‌های بهینه‌سازی هوشمند می‌باشد.
از اینرو در این پروژه با بهره گرفتن از الگوریتم بهینه سازی فاخته به بررسی تعیین اندازه بهینه تولیدات پراکنده خواهیم پرداخت. الگوریتم فاخته یکی از الگوریتمهای جدید الهام گرفته شده از طبیعت بوده که از سرعت و دقت بالایی برخوردار است. بنابراین در یک کار جدید، این الگوریتم برای تعیین اندازه بهینه تولیدات پراکنده در شبکه های توزیع فعال به کار گرفته می شود. در انتها به منظور اثبات قابلیت‌های روش پیشنهادی، مقایسه ای با الگوریتم ژنتیک انجام خواهد شد.
ز- اهداف مشخص تحقیق (شامل اهداف آرمانی، کلی، اهداف ویژه و کاربردی):
بدست آوردن اندازه بهینه تولیدات پراکنده در شبکه های توزیع فعال
در نظر گرفتن عدم قطعیت را برای انواع بارها (سبک سنگین ومتوسط)
استفاده از روش بهینه سازی جدید بر پایه الگوریتم فاخته