Разработка методов оптимизации режимов энергосистем с адаптивными устройствами тема диссертации и автореферата по ВАК РФ 05.09.05, кандидат наук Шехата Ахмед Абдельхамид Ахмед Хамед

• Шехата Ахмед Абдельхамид Ахмед Хамед
• кандидат наук
• 2022

Оглавление диссертации кандидат наук Шехата Ахмед Абдельхамид Ахмед Хамед

ОГЛАВЛЕНИЕ

ВВЕДЕНИЕ

1. ГИБКИЕ СИСТЕМЫ ПЕРЕДАЧИ ПЕРЕМЕННОГО ТОКА ( FACTS ) УСТРОЙСТВА

1.1 Введение

1.2 Применение устройств FACT S

1.2.1 Управление потоком энергии

1.2.2 Управление перегрузкой

1.2.3 Улучшение доступных возможностей передачи

1.2.4 Контроль напряжения и реактивной мощности

1.2.5 Повышение статической устойчивости системы

1.2.6 Улучшенная динамическая устойчивость

1.3 Классификация устройств FACT S

1.3.1 Последовательно подключенные контроллеры

1.3.1.1 Последовательно подключенный компенсатор с тиристорным управлением (TCSC - Thyristor Controlled Series Compensator)

1.3.1.2 Статический синхронный последовательный компенсатор (SSSC -Static Synchronous Series Compensator)

1.3.2 Параллельно подключенные контроллеры

1.3.2.1 Статический компенсатор Var (SVC- Static Var Compensator)

1.3.2.2 Статический синхронный компенсатор (STATCOM - Static Synchronous Compensator)

1.3.3 Последовательно-параллельные контроллеры

1.3.3.1 Универсальный регулятор потоков мощности (UPFC - Unified power flow controller)

1.3.4 Комбинированные последовательные контроллеры

1.3.4.1 Межлинейный регулятор расхода энергии (IPF - Interline power-flow controller)

1.4 Стоимость установки FACTS

1.5 Обзор литературы по оптимальному размещению устройств FACTS в энергосистемах

2. МЕТОДЫ ОПТИМИЗАЦИИ ОПТИМАЛЬНОГО РАСПРЕДЕЛЕНИЯ УСТРОЙСТВ FACTS

2.1 Введение

2.2 Задача многокритериальной оптимизации

2.3 Постановка задачи многокритериальной оптимизации

2.3.1 Определения многокритериальных задач оптимизации

2.4 Методы решения проблемы оптимального размещения FACTS

2.5 Аналитические методы

2.5.1 Коэффициент передачи переменного тока (ACPTDF-AC Power Transfer Distribution Factor)

2.5.2 Коэффициент чувствительности к потерям мощности (PLS - Power loss Sensitivity)

2.5.3 Коэффициент устойчивости линии (LSI - Line Stability Index)

2.5.4 Коэффициент отклонения напряжения (VDI - Voltage Deviation Index)

2.6 Традиционные методы

2.7 Метаэвристические алгоритмы

2.7.1 Эволюционные алгоритмы

2.7.1.1 Генетический алгоритм (GA - Genetic Algorithm )

2.7.2 Алгоритмы роевоего интеллекта

2.7.2.1 Метод оптимизации роя частиц (PSO- Particle Swarm Optimization Technique )

2.7.2.2 Алгоритм мотылька и пламени (MFO- Moth Flam Optimization)

2.7.2.3 Стандартная техника оптимизации по методу серого волка (GWO)

2.7.3 Алгоритмы, основанные на физике

2.7.3.1 Оптимизатор Мультивселенной (MVO - Multi-Verse Optimizer)

2.7.4 Другие алгоритмы, основанные на популяциях

2.8 Гибридные методы

3. НОВЫЕ МЕТОДЫ ОПТИМИЗАЦИИ РАЗМЕЩЕНИЯ УСТРОЙСТВ FACTS

3.1 Дробно-полиномиальный метод

3.2 Алгоритм многокритериальной оптимизации на основе принципе

мультив селенных (MOMV- Multi-objective Multi-Verse Optimizer

algorithm)

3.3 Алгоритм автономных групп частиц для оптимизации методом роя

частиц (AGPSO - Autonomous Particles Groups for Particle Swarm Optimization)

3.4 Улучшенный алгоритм оптимизации Серого Волка (IGWO - Improved Grey Wolf Optimizer Algorithm)

3.5 Гибридный Алгоритм (AGPSO-GWO)

3.6 Выбор лучшего компромиссного решения

3.6.1 Метод предпочтения по сходству с идеальным решением (TOPSIS)

3.6.2 Аналитический метод обработки иерархий (AHP- Analytical Hierarchy Process)

3.6.3 Нечеткий механизм

3.7 ПОСТАНОВКА ЗАДАЧИ

3.7.1 Целевые функции

3.7.1.1 Минимизация потерь активной мощности

3.7.1.2 Минимизация отклонения напряжения

3.7.1.3 Минимизация эксплуатационных расходов

3.7.1.4 Минимизация стоимости установки устройств FACTS

3.7.2 Ограничения

3.7.2.1 Ограничения в форме равенства

3.7.2.2 Ограничения в форме неравенства

4. РЕЗУЛЬТАТЫ МОДЕЛИРОВАНИЯ И ОБСУЖДЕНИЕ

4.1 Описание тестовых схем

4.1.1 Тестовая схема IEEE

4.1.2 Тестовая схема IEEE

4.1.3 Тестовая схема IEEE

4.1.4 Тестовая схема IEEE

4.2 Результаты

4.2.1 Дробно-полиномиальный метод

4.2.1.1 Оптимизация работы энергосистемы с использованием дробно-полиномиального метода

4.2.1.1.1 Схема IEEE

4.2.1.1.2 Тестовая схема IEEE30

4.2.2 Алгоритм многокритериальной оптимизации на основе мультивселенных

4.3.2.1 Ситуация 1: Установка только устройства SVC

4.3.2.2 Ситуация 2: Установка только устройства TCSC

4.3.2.3 Ситуация 3: Установка комбинации устройств SVC и TCSC

4.2.3 Метод оптимизации роя частиц с автономными группами (AGPSO)

4.2.4 Улучшенный оптимизирующий метод серого волка (IGWO)

4.3.4.1 Установка SVC

4.2.5 Гибридный алгоритм (AGPSO-GWO)

4.3.5.1 Задачи однокриатеиальной оптимизации

4.3.5.1.1 Установка только SVC

4.3.5.1.2 Установка только TCSC

4.3.5.1.3 Установка только UPFC

4.3.5.2 Многокритериальная оптимизация

4.3.5.2.1 Задачи оптимизации взвешенной суммы

4.3.5.2.1.1IEEE30

4.3.5.2.1.1.1Установка SVC

4.3.5.2.1.1.2Установка TCSC

4.3.5.2.1.1.3Установка UPFC

4.3.5.2.1.2.1Установка SVC

4.3.5.2.1.2.2Установка TCSC

4.3.5.2.1.2.3Установка UPFC

4.3.5.2.2 Оптимизация с помощью фронат Парето

4.2.6 Статистическая оценка результатов

ЗАКЛЮЧЕНИЕ

СПИСОК ЛИТЕРАТУРЫ

СПИСОК СОКРАЩЕНИЙ

СПИСОК СИМВОЛОВ

Введение диссертации (часть автореферата) на тему «Разработка методов оптимизации режимов энергосистем с адаптивными устройствами»

ВВЕДЕНИЕ

Актуальность и степень проработанности темы исследования. Повышение глобального спроса на электроэнергию в связи с социально-экономическим развитием и ограничениями на расширение строительства электростанций и линий электропередач привело к значительному разрыву между производством электроэнергии и потреблением. Следовательно, это привело к ненадлежащей работе энергосистем, такой как чрезмерные потери электроэнергии, перегруженность линий, нестабильный уровень напряжения, проблемы надежности и устойчивости. Работа энергосистемы может быть улучшена за счет применения передовых технологий, основанных на достижениях современной силовой электроники. Гибкие системы передачи переменного тока (FACTS -flexible alternating current transmission system) обеспечивают эффективное использование оборудования энергосистем со значительно меньшими инвестициями, чем дополнительные затраты на строительство новых линий и генерирующих станций. Для выбора необходимой мощности и расположения устройств FACTS было применено несколько методов включающих как аналитические, так и метаэвристические методы оптимизации. Аналитические подходы используют аппроксимацию характеристик режимов для решения проблем размещения устройств FACTS, чтобы уменьшить время вычислений. Во многих случаях эти подходы теряют точность вычислений и способность решать задачи нахождения оптимального месторасположения и мощности. Метаэвристические методы оптимизации, с другой стороны, имеют ряд недостатков, включая дисбаланс между фазами эксплуатации и исследования, преждевременную сходимость, раннюю потерю разнообразия и попадание в локальные экстремумы. В результате место и мощность устройств FACTS в могут быть определены неверно и ожидаемое улучшение характеристик энергосистемы будет достигнуто. Весовые коэффициенты для распределения предпочтений лиц, принимающих решения, являются еще одним вопросом для

многоцелевого оптимального распределения устройств FACTS. Лица, принимающие решения, присваивают веса критериям на основе их уровней важности, но они не проверяют их согласованность, что снижает надежность результатов. Разработка новых эффективных алгоритмов для улучшения характеристик энергосистемы с помощью устройств FACTS является актуальной темой современной теоретической электротехники и соответствует разделу паспорта специальности 05.09.05 - Теоретическая электротехника: -"разрабатываются ... прикладные аспекты интеграции информационной техники и объектов электротехники, электроэнергетики ...». Близкой тематикой в России занимались Алехин Р. А., Кулаев И. С., Смоловика С.В., Кубарьков Ю. П., Балабанов М. С., Шакарян Ю. Г., Воропай Н.И. , Бутырин П.А., Гусев С. И., Колобов В. В., Виноградов А. А., Пальчастая А. А., Люкевич В. В., Chudny V.S., Новиков Н. Л., Кузьмич С. В., Хамитов Р. Н., Поспелов Г. Е., Баранник М. Б., Belyaev N. A., а также зарубежные ученые: Lee D. S., Dash S. P., Subhashini K. R., Lee H. J., Yoon Y. D., Satapathy J.K., Chow J. H., Sanchez-Gasca J. J., Daealhaq H. M., Kfajey Y. F., Tukkee A. S., Mokhtari M. S., Sureshkumar L. V., Mehanna M. A., Kanaan H. M., Sharma P. R. и другие.

Цель данной работы. разработка новых надежных методов многокритериальной оптимизации режимов работы энергосистем и расположения в них устройств FACTS при учете различных технических и экономических аспектов работы энергосистемы, обеспечеввающих минимальные вычислительные затраты.

Для достижения цели работы решаются следующие задачи:

1. Исследование режимов энергосистемы при отсутствии устройств FACTS, а также определение параметров, влияющих на работу системы.

2. Критическая оценка существующих методов оптимизации расположения и мощности устройств FACTS в энергосистемах, выделение недостатков существующих методов.

3. Анализ математических подходов к многокритериальной оптимизации.

4. Сравнительное исследование различных типов устройств FACTS с учетом множества факторов, таких как конфигурация, эксплуатация и влияние на режимы работы энергосистемы.

5. Минимизация эксплуатационных расходов энергосистемы от установки устройств FACTS

6. Разработка всесторонней и полной формулировки проблемы оптимизации работы энергосистемы с использованием устройств FACTS.

7. Оптимизация работы энергосистемы путем использования различных оптимизационных формул и типов контроллеров FACTS.

8. Анализ результатов применения разработанных алгоритмов и сравнение их с другими методами из современной литературы.

Научная новизна работы и теоретическая значимость работы заключаются в том, что:

1- 1. Разработке нового, упрощенного, быстрого метода для повышения точности аналитических соотношений, используемых для оптимального размещения устройств FACTS в энергосистеме. Этот метод позволяет преодолеть проблемы, связанные с плохо обусловленными системами, используя линейную корреляцию между ее параметрами для повышения точности результатов и экономии времени расчета.

2. Повышении эффективности работы энергосистемы путем размещения различных типов устройств FACTS с помощью нового гибридного метода, основанного на автономных группах роя частиц (AGPSO - Autonomous Groups Particle Swarm Optimization) и алгоритме серых волков (GWO - Gray Wolf Optimizer). Новый метод улучшает возможности поиска, позволяет избежать ловушек локально оптимальных решений и сокращает время поиска.

3. Интегрировании метода предпочтения порядка по сходству с идеальным решением, так называемая «Техника упорядочивания предпочтений

по сходству с идеальным решением» (TOPSIS- Technique for Order of Preference by Similarity to Ideal Solution), как метода принятия многокритериального решения (MCDM- multiple criteria decision making) с разработанными алгоритмами для определения наилучшего компромиссного решения из фронта Парето для многокритериальных задач размещения FACTS.

4. Применении метода аналитической обработки иерархии (AHP-Analytic Hierarchy Process) для оптимального выбора весов взвешенной суммы оптимизационных задач для соответствующего размещения FACTS в энергосистеме, который ранее не использовался для решения данной задачи.

5. Внедрение новых высокопроизводительных алгоритмов оптимизации: автономного группового PSO (AGPSO) и улучшенного GWO (IGWO), которые впервые используются для решения задач размещения FACTS. В работе подтверждено превосходство этих алгоритмов над ранее использовавшимися.

Практическое значение работы состоит в том, что результаты этой работы могут быть использованы для повышения производительности реальных электрических сетей.

Новые алгоритмы оптимизации, разработанные в данной работе, могут быть использованы службами развития энергосистем и проектными организациями для решения задачи оптимального определения мощности и местоположения устройств компенсации реактивной мощности в электрических сетях. По сравнению с другими методами, разработанные методы сокращают время расчета на 60% при сохранении высокой точности результатов.

Программы, разработанные в среде MATLAB, могут быть использованы в практических, научных и образовательных целях, связанных с оптимальным определением мощности и местоположения дополнительных устройств, подключенных к электрическим сетям.

Данная работа обеспечивает экономичное и эффективное оптимальное размещение устройств FACTS, которые улучшают режимы работы системы.

Методология и методы исследования. Основные методы исследования, используемые в работе: методы теоретической электротехники, математическое и компьютерное моделирование, статистический анализ, аналитические и метаэвристические алгоритмы, такие как оптимизация серого волка, оптимизация роя частиц (PSO), многовершинная оптимизация (MVO). Пакет MATLAB/SIMULINK (версия R2018b) и Excel (версия 2016) для решения задач. Пакет MATPOWER был использован для выполнения расчетов статических режимов.

Основные положения, выносимые на защиту:

1- Новый метаэвристический гибридный алгоритм на основе методов APSO и GWO для оптимального определения размещения и размера устройства FACTS для улучшения характеристик энергосистемы.

2- Новый подход к оптимизации режимов работы ЭЭС, основанный на зависимости параметров режима ЭЭС от параметров FACTS-устройства.

3- Реализация метода TOPSIS для определения наилучшего компромиссного решения многокритериальной оптимизации установки FACTS устройств.

4- Определение оптимальных значений весовых коэффициентов для многоцелевых задач распределения FACTS с использованием метода AHP.

5- Результаты установки устройств FACTS в различных тестируемых системах IEEE на основе новых предложенных методов оптимизации.

Степень надежности результатов. Представленные в диссертации методы и алгоритмы разработаны и протестированы с использованием пакетов MATLAB и MATPOWER, проверенных за многие годы успешного вычислительного использования. Сравнение с другими методами, представленными в литературе, выявило эффективность новых методов, что позволило оценить работоспособность представленных методов и методик.

Апробация результатов работы. Основные положения диссертации доложены и обсуждены на: Международная научная конференция по электроэнергетике (ISEPC-2019), (Санкт-Петербург, Май 23 - 24, 2019), 2-я Международная молодежная конференция по радиоэлектронике, электротехнике и энергетике (REEPE), (Москва, март 12-14, 2020) , Международная конференция по промышленной инженерии и современным технологиям (FarEastCon), (Владивосток, остров Русский, октябрь 6-9, 2020), 3-й Международная молодежная конференция по радиоэлектронике, электротехнике и энергетике (REEPE), (Москва, март 11-13, 2021), Международная научная конференция по электроэнергетике (ISEPC-2021), (Санкт-Петербург, май 17-19, 2021).

Публикации. Основное содержание диссертации опубликовано в одиннадцать печатных работах в журналах и конференциях, включенных в международные системы цитирования (Scopus, Web of Science).

Структура и объем работы. Диссертация содержит введение, 4 главы, заключение. Она изложена на 174 страницах и включает 40 таблиц и 77 рисунков.

Во введении представлена актуальность работы, показаны цель и задачи исследования, освещены научная новизна, методология и методы исследования, практическая значимость результатов исследования, перечислены основные научные положения, выносимые на защиту.

В первой главе представлен всеобъемлющий обзор устройств FACTS, охватывающий широкий спектр тем: определения, типы, преимущества и недостатки, а также области применения. Также обсуждается влияние контроллеров FACTS на производительность электроэнергетических систем. Кроме того, демонстрируются параметры ключевой роли FACTS, которые могут быть использованы для управления активной и реактивной мощностью в электрических сетях для улучшения производительности и достижения наилучших критериев работы. Экономические вопросы устройств FACTS продемонстрированы в этой главе, включая уравнения стоимости установки и

кривые стоимости для различных номиналов и типов контроллеров FACTS. Также представлен обзор литературы по оптимальному размещению устройств FACTS исходя из различных целевых функций и с использованием различных методов оптимизации.

Во второй главе представлена справочная информация по проблеме оптимизации размещения FACTS, в ней обсуждаются определения проблем оптимизации, их типы. Во втором разделе этой главы представлены различные методы, используемые для определения соответствующей мощности и месторасположения устройств FACTS в энергосистемах. Исследуются преимущества и недостатки каждого метода, а также широко используемая методика оптимизации, основанная на каждом типе.

В третьей главе подробно описаны разработанные и предложенные в диссертации методы, которые заключаются в следующем:

Бифракционный метод, Метод оптимизации роя частиц с автономными группами(AGPSO), Метод многовершинной многоцелевой оптимизации (MOMVO), Улучшенный метод серого волка(IGWO), Гибрид автономных групп роя частиц и метода серого волка (AGPSO-GWO). Затем обсуждаются разработанные методы определения наилучшего компромиссного решения для решения задач многокритериальной оптимизации, которые заключаются в следующем:

а) Метод упорядочения предпочтений по сходству с идеальным решением (TOPSIS).

б) Метод нечеткого членства (Fuzzy-based mechanism ). c) Метод аналитического процесса иерархии (AHP).

Во втором разделе данной главы представлена математическая формулировка задачи оптимизации, рассматриваемой в данной диссертации, включая

математическое выражение целей, которые включают минимизация потерь мощности, отклонения напряжения, а также издержек и капитальных затрат на установку FACTS. Формулировка задачи оптимизации учитывает ограничения пропускной энергосистемы и ограничения устройств FACTS. В четвертой главе описаны тестовые системы IEEE для оптимального размещения и определения мощности устройств FACTS. Во втором разделе представлены полученные результаты по определению оптимального размещения и мощности трех типов устройств FACTS (SVC, TCSC и UPFC) на основе разработанных методов для уменьшения рассматриваемых целевых функций.

1. ГИБКИЕ СИСТЕМЫ ПЕРЕДАЧИ ПЕРЕМЕННОГО ТОКА ( FACTS )

УСТРОЙСТВА

В данной главе представлен полный обзор устройств FACTS, а также понимание основных концепций устройств FACTS и роли, которую технология FACTS может сыграть в повышении производительности энергосистемы.

1.1 Введение

В современном мире энергетика и энергосбережение являются основными областями развития, определяющими прогресс общественного производства. Ежегодно спрос на электроэнергию возрастает наравне с экономическим и промышленным развитием [1].

На рисунке 1.1 показана динамика производства и спроса на электроэнергию в период 2018-2040 гг. [2]. Исходя из этих графиков, можно увидеть, что глобальное потребление электроэнергии будет расти со скоростью 2,1 % в год до 2040 года, что вдвое больше, чем изначальное потребление энергии. Это увеличивает долю электроэнергии в общем конечном потреблении энергии с 19% в 2018 году до 24% в 2040 году. Ожидается, что рост потребления электроэнергии будет особенно значительным в развивающихся странах. Повышенный спрос на электроэнергию в сочетании с несовершенной системой передачи подтолкнул системы к работе, близкой к их динамическим и статическим ограничениям. Строительство новых электростанций и добавление к системе новых линий электропередачи являются альтернативными решениями, удовлетворяющими спрос на электроэнергию. Реализация этих решений сопровождается проведением всех необходимых согласований, что впоследствии приводит к задержкам ввода в эксплуатацию или прекращению проекта. Помимо этого, существуют экологические проблемы, которые часто препятствуют строительству новых линий электропередачи. Также реализация проекта

является дорогостоящим процессом, и с каждым годом стоимость строительства ЛЭП увеличивается. Таким образом, коммунальные предприятия заинтересованы в том, чтобы максимально использовать существующие сети. [3,4].

thousand TWh

50 г

Ml

2018 2020 2030 2040

■ Coal • Gas • Oil • Nuclear Hydro Wind • Solai • Other renewabJes

(a)

(б)

Рисунок 1. 1 - a) Производство электроэнергии в 2018-2040 гг., Б) Спрос на электроэнергию по отраслям и в 2018-2040 гг.

Кроме того, необходимо учитывать, что на согласование выработки электроэнергии и нагрузки в электрических сетях влияют ограничения, такие как системы передачи и распределения, обеспечивающие нагрузку без превышения длительно допустимого тока линии, ограничения значений напряжения в узле, баланс между генерируемой активной и реактивной мощностью и потребляемой энергией, а также ограничениями по качеству электроэнергии и устойчивости энергосистемы.

Поэтому требовалась инновационная технология, основанная на твердотельных устройствах с низкими требованиями к обслуживанию и быстрым временем отклика. Внедрение FACTS устройств обеспечивает значительный положительный технико-экономический эффект для использования существующих генерирующих станций и сетей передачи, одновременно улучшая характеристики энергосистемы без нарушения этих ограничений [5-7].

Устройства FACTS используются в установках по всему миру с 1970-х годов. К устройствам FACTS первого поколения (FACTS-1) относят устройства, которые обеспечивают регулирование реактивной мощности и обеспечивают требуемую степень компенсации реактивной мощности в электрических сетях. Одним из таких устройств является статический тиристорный компенсатор (SVC - Static Var Compensator).

Основным принципом FACTS было создание систем переменного тока с высокой степенью гибкости управления за счет использования устройств с тиристорным управлением, таких как SVC. Благодаря быстрому развитию мощных полупроводниковых устройств устройства FACTS второго поколения основаны на преобразователях напряжения, использующих самокоммутируемые полупроводниковые компоненты, такие как биполярные транзисторы с изолированным затвором (IGBT - insulated gate bipolar transistors) и тиристоры с коммутируемым затвором (GTO- gate turn-off thyristor). Второе поколение контроллеров FACTS включает в себя статический компенсатор (STATCOM -Static Compensator), статический синхронный последовательный компенсатор (SSSC - Static Synchronous Series Compensator), унифицированный/межстрочный контроллер потока мощности (UPFC - Unified Power Flow Controller) [8].

1.2 Применение устройств FACTS

Устройства FACTS могут использоваться в различных конфигурациях для повышения эффективности работы электроэнергетической системе (ЭЭС). Одним из основных преимуществ использования контроллеров FACTS является то, что их можно использовать во всех режимах энергосистемы: в установившемся, переходном и пост-переходном состоянии. Обычные устройства имеют ограниченное применение в переходных или ненормальных условиях системы.

1.2.1 Управление потоком энергии

Поток мощности явно является функцией величины и фазового угла между напряжениями передающего и принимающего напряжения, и полнього сопротилвения линии передачи. Регулировка одной или нескольких переменных потока мощности позволяет управлять потоком активной и реактивной мощности в линии передачи. Технология FACTS, такая как SVC, STATCOM, UPFC и TCSC, позволяет быстро и гибко регулировать напряжение в узле, полное сопротивление линии и фазовые углы в ЭЭС. В результате контроллеры FACTS обеспечивают наилучшее использование линий, что улучшает управление потоком мощности, минимизирует общие системные потери и снижает затраты на генерацию, а также повышает надежность и устойчивость энергосистемы [9,10].

1.2.2 Управление перегрузкой

Управление перегрузками является серьезной проблемой для независимых системных операторов на дерегулируемых рынках электроэнергии, поскольку оно может произвольно повышать цены и препятствовать свободной торговле электроэнергией. Однако, перераспределяя мощность от перегруженных ЛЭП к недостаточно используемым линиям, устройства FACTS, такие как TCSC, IPF и UPFC, могут помочь уменьшить перегрузку, повысить социальное благосостояние и сгладить предельные цены [11].

1.2.3 Улучшение доступных возможностей передачи

На многих дерегулированных рынках разрешены сделки по реализации электроэнергии между покупателями и продавцами на основе доступной пропускной способности (ATC - Available Transfer Capability Improvement). Низкое значение ATC указывает на то, что система не может поддерживать дополнительные транзакции и, как следствие, не поощряет свободную

конкуренцию. Устройства FACTS, такие как TCSC и UPFC, могут помочь в улучшении ATC, обеспечивая большее количество транзакций мощности. [12,13].

1.2.4 Контроль напряжения и реактивной мощности

Крайне важно обеспечить реактивную мощность и стабильное напряжение для энергосистемы, чтобы повысить качество электроэнергии и устойчивость энергосистемы. Устройства FACTS с параллельным подключением имеют широкий спектр применения в качестве устройств компенсации реактивной мощности в первичной цепи. В точке подключения устройства SVC и STATCOM вводят ток в систему. Эти контроллеры поставляют или потребляют переменную реактивную мощность в системе, подавая ток в фазе со сдвигом на 90 градусов от линейного напряжения [14].

1.2.5 Повышение статической устойчивости системы

Традиционная электросеть вынуждена работать на полную мощность из-за повышенных требований к нагрузке. Это создает неблагоприятный риск возможных отключений или отключений электроэнергии в энергосистемах. Наблюдалось несколько случаев отключения электроэнергии из-за падения напряжения. Когда исследуется основная причина этих проблем, дисбаланс реактивной мощности сети считается основным фактором нестабильности напряжения. Последовательная и шунтирующая компенсации используются для увеличения нагрузочной способности силовых сетей за счет увеличения запаса устойчивости системы. Контроллеры STATCOM, SSSC и TCSC предлагают подходящие решения для таких случаев, сохраняя при этом устойчивость системы и запасы надежности в пределах допустимых уровней. [15,16].

1.2.6 Улучшенная динамическая устойчивость

Способность системы поддерживать синхронную работу при наличии больших возмущений интерпретируется как динамическая устойчивость. В этих условиях FACTS может поддерживать глобальную устойчивость больших взаимосвязанных систем. Основным преимуществом устройств FACTS для повышения устойчивости к переходным процессам является существенное и быстрое управление напряжением в узле и потоком мощности. SVC, UPFC и STATCOM могут использоваться для улучшения передачи мощности в условиях низкого напряжения, которые являются обычными во время коротких замыканий. Еще одно преимущество состоит в том, что уменьшаются размагничивающие воздействия коротких замыканий на локальные генераторы. Компенсация этого размагничивающего эффекта является одной из основных причин возникновения систем возбуждения с высоким откликом. Если в системе присутствует устройство FACTS, оно может вытеснять ток короткого замыкания, получаемый от генераторов, сводя к минимуму негативное влияние отказа на способность генератора поддерживать синхронизм [17,18].

1.3 Классификация устройств FACTS

В литературе представлены многочисленные классификации устройств FACTS, основанные на различных точках зрения, а именно:

1. Основываясь на встроенных компонентах силовой электроники, их можно разделить на два типа:

а) контроллеры на основе тиристоров - первое поколение;

б) контроллеры на основе преобразователей напряжения (VSC- Voltage Source Converter) - второе поколение [19].

Контроллеры на основе тиристоров используют традиционные тиристоры для переключения и регулирования. В качестве управляющих устройств второго

типа используются самокоммутируемые полупроводниковые элементы, такие как тиристоры с коммутируемым затвором (GTO - gate turn-off thyristors), биполярные транзисторы с изолированным затвором (IGBT - insulated-gate bipolar transistors) или интегрированные транзисторы с коммутацией затвора (IGCT - as gate turn-off thyristors). В первую категорию входят TCSC и SVC. Ко второй категории относятся STATCOM, SSSC и UPFC [20].

2. В литературе представлена еще одна классификация устройств FACTS в зависимости от режима подключения к энергосистеме. Устройства FACTS можно разделить на четыре типа: последовательные контроллеры, шунтирующие контроллеры, комбинированные серийно-последовательные контроллеры и комбинированные последовательно-шунтирующие контроллеры.

1.3.1 Последовательно подключенные контроллеры

Контроллеры серии могут быть устройствами с переменным полным сопртивлением, такими как реакторы или конденсаторы. Устройства серии FACTS подают напряжение в линию последовательно. Переменное сопротивление FACTS, умноженное на ток в линии, представляет собой последовательное напряжение, подаваемое в линию. Последовательный контроллер производит или поглощает переменную реактивную мощность в зависимости от введенного сопротивления контроллером FACTS. На рисунке 1.2 показана принципиальная схема последовательно подключенного контроллера

Рисунок 1.2 - принципиальная схема последовательно подключенного

контроллера

Последовательно подключенные контроллеры включают оба типа устройств FACTS: (1) тиристорные контроллеры в качестве последовательных

[21,22].

и

шин

компенсаторов с тиристорным управлением TCSC и (2) контроллеры на основе VSC в качестве статических SSSC.

1.3.1.1 Последовательно подключенный компенсатор с тиристорным управлением (TCSC - Thyristor Controlled Series Compensator)

TCSC является одним из последовательно подключенных устройств FACTS к линиям передачи. Это может быть конденсатор, реактор или источник переменного тока на основе силовой электроники. Эти контроллеры подают напряжение последовательно с линией. Когда напряжение и ток сдвигаются по фазе на 90 градусов, контроллер подает или потребляет только переменную реактивную мощность. Для любой другой фазы также учитывается активная мощность. TCSC регулирует потоки мощности, добавляя емкостное или индуктивное реактивное сопротивление последовательно к подключенной линии [23]. Схематическую модель TCSC можно увидеть на Рисунке 1.3, который состоит из встречно-параллельной катушки индуктивности с тиристорным управлением, соединенной параллельно с конденсатором.

XI

Xc

(а) (Ь)

Рисунок 1. 3 - (а) Принципиальная схема TCSC, (б) Модель TCSC на линии

передачи

Эквивалентное реактивное сопротивление TCSC можно выразить следующим образом [23]:

V _ xixi

X,

TCSC X (1.1)

(2n - 2a + sin(2a))—- x1 n

где Xtcsc - реактивное сопротивление устройства TCSC, a - угол включения

тиристоров, x1 and x - реактивное сопротивление реактора и конденсатора соответственно.

Список литературы диссертационного исследования кандидат наук Шехата Ахмед Абдельхамид Ахмед Хамед, 2022 год

СПИСОК ЛИТЕРАТУРЫ

1. Azam A. et al. Causality relationship between electricity supply and economic growth: Evidence from Pakistan // Energies. 2020. Vol. 13, № 4.

2. World Energy Outlook 2020 [Electronic resource]. URL: https://www.iea.org/data-and-statistics/charts/electricity-generation-by-fuel-and-scenario-2018-2040.

3. Mahmud K. et al. An internet of energy framework with distributed energy resources, prosumers and small-scale virtual power plants: An overview // Renewable and Sustainable Energy Reviews. 2020. Vol. 127.

4. Zhang N., Sun Q., Yang L. A two-stage multi-objective optimal scheduling in the integrated energy system with We-Energy modeling // Energy. 2021. Vol. 215.

5. Gandoman F.H. et al. Review of FACTS technologies and applications for power quality in smart grids with renewable energy systems // Renewable and Sustainable Energy Reviews. 2018. Vol. 82.

6. Khan N.H. et al. A Novel Modified Lightning Attachment Procedure Optimization Technique for Optimal Allocation of the FACTS Devices in Power Systems // IEEE Access. 2021. Vol. 9.

7. Shehata A.A. et al. Optimal placement and sizing of FACTS devices based on Autonomous Groups Particle Swarm Optimization technique // Arch. Electr. Eng. 2021. Vol. 70, № 1. P. 161-172.

8. Chow J.H., Sanchez-Gasca J.J. Power System Modeling, Computation, and Control // Power System Modeling, Computation, and Control. 2019.

9. Lund A.A. et al. Investigation of advanced control for unified power flow controller (UPFC) to improve the performance of power system // J. Appl. Emerg. Sci. 2021. Vol. 11, № 1.

10. Shehata A.A. et al. Efficient utilization of the power grid using FACTS devices based on a new metaheuristic optimizer // Proceedings of the 3rd 2021 International Youth Conference on Radio Electronics, Electrical and Power Engineering, REEPE 2021. 2021.

11. Riyaz S., Upputuri R., Kumar N. Congestion Management in Power System—A Review // Lecture Notes in Electrical Engineering. 2021. Vol. 699.

12. Gupta D., Jain S.K. Available transfer capability enhancement by facts devices using metaheuristic evolutionary particle swarm optimization (Meepso) technique // Energies. 2021. Vol. 14, № 4.

13. Adewolu B.O., Saha A.K. Available transfer capability enhancement with FACTS: Perspective

of performance comparison // 2020 International SAUPEC/RobMech/PRASA Conference, SAUPEC/RobMech/PRASA 2020. 2020.

14. Haroon A. et al. Modeling, Control and Placement of FACTS Devices: A Review // Mehran Univ. Res. J. Eng. Technol. 2020. Vol. 39, № 4.

15. Shwehdi M.H., Mohamed S.R., Devaraj D. Optimal capacitor placement on West-East inter-tie in Saudi Arabia using genetic algorithm // Comput. Electr. Eng. 2018. Vol. 68.

16. Sreedharan S. et al. Power system loading margin enhancement by optimal STATCOM integration - A case study // Comput. Electr. Eng. Elsevier Ltd, 2020. Vol. 81. P. 106521.

17. Hasan Z.S., Hawas M.N. Enhancement of power system transient stability of a multimachine based on interactions of PSS with FACTS devices // J. Mech. Eng. Res. Dev. 2019. Vol. 42, № 4.

18. Hassan M.M.A., Sun X., Ate A. FLC based on static var compensator for power system transient stability enhancement // Telkomnika (Telecommunication Comput. Electron. Control. 2020. Vol. 18, № 5.

19. Islam M., Mekhilef S., Albatsh F.M. An improved transformerless grid connected photovoltaic inverter with common mode leakage current elimination // 7th IET International Conference on Power Electronics, Machines and Drives, PEMD 2014. 2014.

20. Afzal M.J. et al. Voltage improvement of loop configured distribution networks with DGs & FACTS devices // Proceedings - 2018, IEEE 1st International Conference on Power, Energy and Smart Grid, ICPESG 2018. 2018.

21. Singh S., Kundu S. Use of Unified Power Flow Controller for Power Flow Control. 2015. P. 1-4.

22. Khan I. et al. Optimal placement of FACTS controller scheme for enhancement of power system security in Indian scenario // J. Electr. Syst. Inf. Technol. 2015. Vol. 2, № 2.

23. Dash S.P., Subhashini K.R., Satapathy J.K. Optimal location and parametric settings of FACTS devices based on JAYA blended moth flame optimization for transmission loss minimization in power systems // Microsyst. Technol. 2020. Vol. 26, № 5. P. 1543-1552.

24. Hermanu Brillianto Apribowo C., Hadi S.P., Sarjiya. Design of experiments to parameter setting in a genetic algorithm for optimal power flow with TCSC device // 2016 2nd International Conference of Industrial, Mechanical, Electrical, and Chemical Engineering, ICIMECE 2016. 2017.

25. Eremia M., Mihalic R., Blazic B. Advanced solutions in power systems HVDC, FACTS, and

Artificial Intelligence // Advanced Solutions in Power Systems: HVDC, FACTS, and AI Techniques. 2016.

26. Galvani S. et al. Optimal allocation of static synchronous series compensator (SSSC) in wind-integrated power system considering predictability // Electr. Power Syst. Res. 2021. Vol. 191.

27. Sadiq A.A. et al. Coordination of multi-type FACTS for available transfer capability enhancement using PI-PSO // IET Gener. Transm. Distrib. 2020. Vol. 14, № 21.

28. Et. al. G.S.,. Multi Machine Power System Stability Enhancement Using Static Sychronous Series Compensator (SSSC) // Turkish J. Comput. Math. Educ. 2021. Vol. 12, № 2.

29. Mondal D., Chakrabarti A., Sengupta A. Application of FACTS Controller // Power System Small Signal Stability Analysis and Control. Elsevier, 2020. P. 197-242.

30. Shehata A.A. et al. Optimal placement and sizing of FACTS devices based on Autonomous Groups Particle Swarm Optimization technique // Arch. Electr. Eng. Polska Akademia Nauk, 2021. Vol. 70, № 1. P. 161-172.

31. Adetokun B.B., Muriithi C.M. Application and control of flexible alternating current transmission system devices for voltage stability enhancement of renewable-integrated power grid: A comprehensive review // Heliyon. 2021. Vol. 7, № 3.

32. Hema Sekhar A. et al. Novel hybrid optimization techniques for analyzing the performance of transmission lines using SVC device // Int. J. Electr. Eng. Technol. 2020. Vol. 11, № 1.

33. Jumaat S.A., Musirin I., Baharun M.M. A voltage improvement of transmission system using static var compensator via matlab/simulink // Indones. J. Electr. Eng. Comput. Sci. 2017. Vol. 6, № 2.

34. Turan O., Sari Y., Koker R. Modelling a Static VAr Compensator consist of TCR and TSC TCR ve TSC ' den O lu§an Bir Statik VAr Kompansatör Modellemesi. 2021. Vol. 16, № 1. P. 11-21.

35. Ranjan S. et al. Voltage stability assessment of isolated hybrid dish-stirling solar thermal-diesel microgrid with STATCOM using mine blast algorithm // Electr. Power Syst. Res. 2021. Vol. 196.

36. Karaagac U. et al. STATCOM integration into a DFIG-based wind park for reactive power compensation and its impact on wind park high voltage ride-through capability // Electr. Power Syst. Res. 2021. Vol. 199.

37. Ayala-Chauvin M. et al. Static reactive power compensator design, based on three-phase voltage converter // Energies. 2021. Vol. 14, № 8.

38. Singh P. et al. Optimal Allocation and Comparative Investigation of Unified Power Flow Controller using ASMO // 2020 International Conference on Power Electronics and IoT Applications in Renewable Energy and its Control, PARC 2020. 2020.

39. Vijay Kumar B., Rajendar G., Ramaiah V. Optimal location and capacity of Unified Power Flow Controller based on chaotic krill herd blended runner root algorithm for dynamic stability improvement in power system // Int. J. Numer. Model. Electron. Networks, Devices Fields. 2021. Vol. 34, № 2.

40. Lund A.A. et al. Investigation of advanced control for unified power flow controller (UPFC) to improve the performance of power system // J. Appl. Emerg. Sci. 2021. Vol. 11, № 1.

41. A. Hussein N. et al. Interline power flow controller (IPFC) characterization in power systems // Int. J. Eng. Technol. 2018. Vol. 7, № 3.

42. Kamarposhti M.A. The optimal location of interline power flow controller in the transmission lines for reduction losses using the particle swarm optimization algorithm // Majlesi J. Electr. Eng. 2018. Vol. 12, № 2.

43. Nadeem M. et al. Optimal placement, sizing and coordination of FACTS devices in transmission network using whale optimization algorithm // Energies. 2020. Vol. 13, № 3.

44. Dash S., Subhashini K.R., Satapathy J. Efficient utilization of power system network through optimal location of FACTS devices using a proposed hybrid meta-heuristic Ant Lion-Moth Flame-Salp Swarm optimization algorithm // Int. Trans. Electr. Energy Syst. 2020. Vol. 30, № 7.

45. Shafik M.B. et al. Adaptive multi objective parallel seeker optimization algorithm for incorporating TCSC devices into optimal power flow framework // IEEE Access. 2019. Vol. 7.

46. Sharma A.K., Mittapalli R.K., Pal Y. FACTS Devices Cost Recovery During Congestion Management in Deregulated Electricity Markets // J. Inst. Eng. Ser. B. 2016. Vol. 97, № 3.

47. Khan N.H. et al. Optimal siting and sizing of SSSC using modified salp swarm algorithm considering optimal reactive power dispatch problem // IEEE Access. 2021. Vol. 9.

48. Shehata A.A., Refaat A., Korovkin N. V. Optimal Allocation of FACTS Devices based on Multi-Objective Multi-Verse Optimizer Algorithm for Multi-Objective Power System Optimization Problems // 2020 International Multi-Conference on Industrial Engineering and Modern Technologies, FarEastCon 2020. 2020.

49. Kavitha K., Neela R. Optimal allocation of multi-type FACTS devices and its effect in enhancing system security using BBO, WIPSO & PSO // J. Electr. Syst. Inf. Technol.

2018. Vol. 5, № 3. P. 777-793.

50. M. Kanaan H., EL-Gazaar M., A. Mehanna M. Optimal location and sizing of svc considering system losses, voltage division and system overload // j. Al-azhar univ. Eng. Sect. 2020. Vol. 15, № 57.

51. Gautam A., Sharma P.R., Kumar Y. Sensitivity based ATC Maximization by Optimal Placement of TCSC applying Grey Wolf Optimization // 2019 3rd International Conference on Recent Developments in Control, Automation and Power Engineering, RDCAPE 2019. 2019.

52. Alharbi F.T., Almasabi S., Mitra J. Enhancing Network Loadability Using Optimal TCSC Placement and Sizing // Proceedings of the IEEE Power Engineering Society Transmission and Distribution Conference. Institute of Electrical and Electronics Engineers Inc., 2018. Vol. 2018-April.

53. Safari A., Bagheri M., Shayeghi H. Optimal setting and placement of FACTS devices using strength Pareto multi-objective evolutionary algorithm // J. Cent. South Univ. 2017. Vol. 24, № 4. P. 829-839.

54. Avudayyappan N., Deepa S.N. Optimal location of TCSC and SVC using hybrid fruit fly firefly optimization algorithm in transmission system // Asian J. Inf. Technol. 2016. Vol. 15, № 16.

55. Zhang X. et al. Optimal allocation of series FACTS devices under high penetration of wind power within a market environment // IEEE Trans. Power Syst. 2018. Vol. 33, № 6.

56. Belati E.A. et al. Allocation of Static Var Compensator in Electric Power Systems Considering Different Load Levels // J. Control. Autom. Electr. Syst. 2019. Vol. 30, № 1.

57. Upadhyay P., Ravikumar S. Line Stability Index-Based Voltage Stability Assessment Using CSO Incorporating Thyristor Controlled Series Capacitor. 2021.

58. Shahbudin I.S. et al. FACTS device installation in transmission system using whale optimization algorithm // Bull. Electr. Eng. Informatics. 2019. Vol. 8, № 1.

59. Bhattacharyya B., Kumar S. Loadability enhancement with FACTS devices using gravitational search algorithm // Int. J. Electr. Power Energy Syst. 2016. Vol. 78.

60. Sunil Kumar A. V. et al. A Review on Social Group Optimization Technique for Power Capability Enhancement with Combined TCSC-UPFC // Lecture Notes in Electrical Engineering. 2022. Vol. 767.

61. Marler R.T., Arora J.S. Survey of multi-objective optimization methods for engineering // Structural and Multidisciplinary Optimization. 2004. Vol. 26, № 6.

62. Ransikarbum K., Mason S.J. Multiple-objective analysis of integrated relief supply and

network restoration in humanitarian logistics operations // International Journal of Production Research. 2016. Vol. 54, № 1.

63. Ransikarbum K. et al. Multi-objective optimization analysis for part-to-Printer assignment in a network of 3D fused deposition modeling // J. Manuf. Syst. 2017. Vol. 43.

64. AL Ahmad A., Sirjani R. Optimal placement and sizing of multi-type FACTS devices in power systems using metaheuristic optimisation techniques: An updated review // Ain Shams Eng. J. Elsevier, 2020. Vol. 11, № 3. P. 611-628.

65. Ismail B. et al. Analytical Approaches on Optimal Placement of STATCOM under Contingency Occasions // 2020 2nd International Conference on Smart Power and Internet Energy Systems, SPIES 2020. 2020.

66. Elsaiah S., Benidris M., Mitra J. Analytical approach for placement and sizing of distributed generation on distribution systems // IET Gener. Transm. Distrib. 2014. Vol. 8, № 6.

67. Sirjani R., Rezaee Jordehi A. Optimal placement and sizing of distribution static compensator (D-STATCOM) in electric distribution networks: A review // Renewable and Sustainable Energy Reviews. 2017. Vol. 77.

68. Gautam A., Sharma P., Kumar Y. Mitigating congestion in restructured power system using FACTS allocation by sensitivity factors and parameter optimized by GWO // Adv. Sci. Technol. Eng. Syst. 2020. Vol. 5, № 5.

69. Shweta et al. ATC Evaluation in A Deregulated Power System // Energy Procedia. 2017. Vol. 117.

70. Abdelaziz A.Y., Ali E.S., Abd Elazim S.M. Flower Pollination Algorithm and Loss Sensitivity Factors for optimal sizing and placement of capacitors in radial distribution systems // Int. J. Electr. Power Energy Syst. 2016. Vol. 78.

71. Kishore C., Ghosh S., Karar V. Symmetric Fuzzy Logic and IBFOA Solutions for Optimal Position and Rating of Capacitors Allocated to Radial Distribution Networks // Energies. 2018. Vol. 11, № 4.

72. Wafaa Saeed & Laith Tawfeeq. Ultimate Loadability Improvement Based on Contingency Ranking and Line Voltage Stability Index Using Genetic Algorithm // Int. J. Electr. Electron. Eng. Res. 2017. Vol. 7, № 3.

73. Soyemi A. et al. Evaluation of Voltage Stability Indices // Lecture Notes in Networks and Systems. Springer Science and Business Media Deutschland GmbH, 2022. Vol. 303 LNNS. P. 74-82.

74. Wais D.S., Majeed W.S. The estimation of transmission line loadability Based on Artificial Intelligence Algorithm & Voltage Stability Index // IOP Conf. Ser. Mater. Sci. Eng. 2021. Vol. 1090, № 1.

75. Venkata Padmavathi S., Sahu S.K., Jayalaxmi A. Application of gravitational search algorithm to improve power system security by optimal placement of FACTS devices // J. Electr. Syst. Engineering and Scientific Research Groups, 2015. Vol. 11, № 3. P. 326-342.

76. Mahadevan J., Rengaraj R., Bhuvanesh A. Application of multi-objective hybrid artificial bee colony with differential evolution algorithm for optimal placement of microprocessor based FACTS controllers // Microprocess. Microsyst. Elsevier, 2021. P. 104239.

77. Marrero Vera S., Nuez I., Hernandez-Tejera M. A FACTS Devices Allocation Procedure Attending to Load Share // Energies. 2020. Vol. 13, № 8. P. 1976.

78. Sharma A.K. Optimal number and location of TCSC and loadability enhancement in deregulated electricity markets using MINLP // Int. J. Emerg. Electr. Power Syst. 2006. Vol. 5, № 1.

79. Yousefi A. et al. Congestion management using demand response and FACTS devices // Int. J. Electr. Power Energy Syst. 2012. Vol. 37, № 1. P. 78-85.

80. Ezugwu A.E. et al. Metaheuristics: a comprehensive overview and classification along with bibliometric analysis // Artif. Intell. Rev. 2021. Vol. 54, № 6.

81. Rajpurohit J. et al. Glossary of metaheuristic algorithms // Int. J. Comput. Inf. Syst. Ind. Manag. Appl. 2017. Vol. 9.

82. Hamdy M. et al. Comparison between flexible AC transmission systems (FACTs) and filters regarding renewable energy systems harmonics mitigation // Int. J. Emerg. Electr. Power Syst. 2021.

83. Slowik A., Kwasnicka H. Nature Inspired Methods and Their Industry Applications-Swarm Intelligence Algorithms // IEEE Trans. Ind. Informatics. 2018. Vol. 14, № 3.

84. Islam J. et al. A holistic review on artificial intelligence techniques for well placement optimization problem // Adv. Eng. Softw. 2020. Vol. 141.

85. Gaddala K., Raju P.S. Optimal location of UPQC for power quality improvement: novel hybrid approach // J. Eng. Des. Technol. 2020. Vol. 18, № 6.

86. Mamdouh K.A., Shehata A.A., Korovkin N. V. Multi-objective voltage control and reactive power optimization based on multi-objective particle swarm algorithm // IOP Conf. Ser. Mater. Sci. Eng. 2019. Vol. 643. P. 012089.

87. Yang X.-S. Genetic Algorithms // Nature-Inspired Optim. Algorithms. Elsevier, 2014. P. 7787.

88. Katoch S., Chauhan S.S., Kumar V. A review on genetic algorithm: past, present, and future // Multimed. Tools Appl. 2021. Vol. 80, № 5.

89. Salbi H.A., Tuaimah F.M. Optimal Placement of Statcom for Iraqi National (400kV) Super High Voltage Grid System Genetic Algorithm Based Approach // IOP Conf. Ser. Mater. Sci. Eng. 2021. Vol. 1076, № 1.

90. Lim S.M. et al. Crossover and mutation operators of genetic algorithms // Int. J. Mach. Learn. Comput. 2017. Vol. 7, № 1.

91. Aburas A. An Improved Genetic Algorithm With Initial Population Strategy and Guided Mutation. 2022.

92. Medani K. ben oualid, Sayah S., Bekrar A. Whale optimization algorithm based optimal reactive power dispatch: A case study of the Algerian power system // Electr. Power Syst. Res. 2018. Vol. 163.

93. Pati B., Karajgi S.B. Optimized placement of multiple FACTS devices using PSO and CSA algorithms // Int. J. Electr. Comput. Eng. 2020. Vol. 10, № 4.

94. Jordehi A.R. Particle swarm optimisation (PSO) for allocation of FACTS devices in electric transmission systems: A review // Renew. Sustain. Energy Rev. Pergamon, 2015. Vol. 52. P. 1260-1267.

95. Wang Y. et al. Optimal operation of microgrid with multi-energy complementary based on moth flame optimization algorithm // Energy Sources, Part A Recover. Util. Environ. Eff. 2020. Vol. 42, № 7.

96. Mirjalili S. Moth-flame optimization algorithm: A novel nature-inspired heuristic paradigm // Knowledge-Based Syst. Elsevier B.V., 2015. Vol. 89. P. 228-249.

97. Shehab M. et al. Moth-flame optimization algorithm: variants and applications // Neural Computing and Applications. 2020. Vol. 32, № 14.

98. Mirjalili S., Mirjalili S.M., Lewis A. Grey Wolf Optimizer // Adv. Eng. Softw. Elsevier Ltd, 2014. Vol. 69. P. 46-61.

99. Fister I. et al. A brief review of nature-inspired algorithms for optimization // Elektrotehniski Vestnik/Electrotechnical Review. 2013. Vol. 80, № 3.

100. Kanaan H.A.M., Mehanna M.A.A. Application of Simulates Annealing Algorithm for Optimal Location and Sizing of FACTS Devices Considering System Losses and Voltage Division

Corresponding author : [e-mail] // Int. J. Adv. Sci. Technol. 2020. Vol. 29, № 6. P. 5279-5289.

101. Mirjalili S., Mirjalili S.M., Hatamlou A. Multi-Verse Optimizer: a nature-inspired algorithm for global optimization // Neural Comput. Appl. 2016. Vol. 27, № 2. P. 495-513.

102. Mirjalili S. et al. Optimization of problems with multiple objectives using the multi-verse optimization algorithm // Knowledge-Based Syst. Elsevier B.V., 2017. Vol. 134. P. 50-71.

103. Elroby M.M.H. et al. FACTS allocation considering loads uncertainty, steady state operation constraints, and dynamic operation constraints // Int. J. Electr. Comput. Eng. 2021. Vol. 11, № 2.

104. El-Azab M. et al. Allocation of FACTS devices using a probabilistic multi-objective approach incorporating various sources of uncertainty and dynamic line rating // IEEE Access. 2020. Vol. 8.

105. Singh P., Tiwari R. Optimal Allocation of STATCOM using Improved Sine Cosine Optimization Algorithm // India International Conference on Power Electronics, IICPE. 2018. Vol. 2018-December.

106. Gabis A.B. et al. A comprehensive survey of sine cosine algorithm: variants and applications // Artif. Intell. Rev. 2021. Vol. 54, № 7.

107. Priya M.G.A., Sundar C. Meta-Heuristic Approaches Based Facts Device Optimization : A Survey. 2020. Vol. 7, № 11. P. 1149-1160.

108. AL Ahmad A., Sirjani R. Optimal placement and sizing of multi-type FACTS devices in power systems using metaheuristic optimisation techniques: An updated review // Ain Shams Eng. J. Faculty of Engineering, Ain Shams University, 2020. Vol. 11, № 3. P. 611-628.

109. Belyaev N.A. et al. Methods for optimization of power-system operation modes // Russ. Electr. Eng. 2013. Vol. 84, № 2.

110. Belyaev N.A. et al. Investigation of voltage level control in electric power systems // 2015 IEEE Eindhoven PowerTech, PowerTech 2015. 2015.

111. Belyaev N.A. et al. Reduction of active power losses in electric power systems with optimal placement of FACTS devices // Proceedings of the 2015 IEEE North West Russia Section Young Researchers in Electrical and Electronic Engineering Conference, ElConRusNW 2015. 2015.

112. Belyaev, Nikolay A., Nikolay V. Korovkin and V.S.C. Mathematical representation of influence of FACTS devices on power supply system performance // Elektrichestvo. 2014. Vol.

22. P. 18-24.

113. Nikolay A. Belyaev, Nikolay V. Korovkin O.V.F., Vladimir S. Chudny. Optimizing placement of active-adaptive devices in electric power systems // Elektr. 2014. Vol. 10, № 4-11.

114. Geher K. Theory of networks tolerances, Akademiai Kiado, Budapest,. 1971.

115. Chernorutsky I.G. Optimization methods in the control theory, SaintPetersburg, Piter. 2004. 256 p.

116. Rakitsky Y.VU.S.M. and C.I.G. Numerical Methods of Solution of Stiff Systems // Nauk. Publ. 1979. P. 208.

117. K.S.Demirchyan L.R.N. and N.V.K. Theoretical foundations of electrical engineering. vol. 1, vo. 2. Saint-Petersburg, Piter, 2009. pp. 512, p.430 p.

118. Coello Coello C.A., Pulido G.T., Lechuga M.S. Handling multiple objectives with particle swarm optimization // IEEE Trans. Evol. Comput. 2004. Vol. 8, № 3.

119. Ziyu T., Dingxue Z. A Modified Particle Swarm Optimization with an Adaptive Acceleration Coefficients // 2009 Asia-Pacific Conference on Information Processing. IEEE, 2009. Vol. 2. P.330-332.

120. Mirjalili S., Lewis A., Sadiq A.S. Autonomous Particles Groups for Particle Swarm Optimization // Arab. J. Sci. Eng. 2014. Vol. 39, № 6. P. 4683-4697.

121. Nadimi-Shahraki M.H., Taghian S., Mirjalili S. An improved grey wolf optimizer for solving engineering problems // Expert Syst. Appl. Elsevier Ltd, 2021. Vol. 166, № September 2020. P. 113917.

122. Gunantara N. A review of multi-objective optimization: Methods and its applications // Cogent Eng. 2018. Vol. 5, № 1.

123. Abdel-Basset M., Mohamed R., Mirjalili S. A novel Whale Optimization Algorithm integrated with Nelder-Mead simplex for multi-objective optimization problems // Knowledge-Based Syst. Elsevier, 2021. Vol. 212. P. 106619.

124. Wartana I.M., Agustini N.P., Sreedharan S. Optimal integration of wind energy with a shunt-FACTS controller for reductions in electrical power loss // Indones. J. Electr. Eng. Comput. Sci. 2021. Vol. 23, № 1.

125. Mardani A. et al. Multiple criteria decision-making techniques and their applications - A review of the literature from 2000 to 2014 // Economic Research-Ekonomska Istrazivanja . 2015. Vol. 28, № 1.

126. Amrane Y., Kouba N.E.Y. A Multiobjective optimal VAR dispatch using FACTS devices

considering voltage stability and contingency analysis // Predictive Modelling for Energy Management and Power Systems Engineering. 2021.

127. Nadeem M. et al. Optimal Sizing and Allocation of SVC and TCSC in Transmission Network by combined Sensitivity index and PSO // 2019 International Conference on Applied and Engineering Mathematics, ICAEM 2019 - Proceedings. 2019.

128. Vijay Kumar B., Ramaiah V. Enhancement of dynamic stability by optimal location and capacity of UPFC: A hybrid approach // Energy. 2020. Vol. 190.

129. Shafik M B. et al. Optimal Sizing and Sitting of TCSC Devices for Multi-Objective Operation of Power Systems Using Adaptive Seeker Optimization Algorithm // 2018 IEEE Region 10 Symposium, Tensymp 2018. 2018.

130. Dawn S., Tiwari P.K., Goswami A.K. An approach for long term economic operations of competitive power market by optimal combined scheduling of wind turbines and FACTS controllers // Energy. 2019. Vol. 181.

131. Çelikbilek Y., Tüysüz F. An in-depth review of theory of the TOPSIS method: An experimental analysis // J. Manag. Anal. 2020. Vol. 7, № 2.

132. Kumar A. et al. A review of multi criteria decision making (MCDM) towards sustainable renewable energy development // Renewable and Sustainable Energy Reviews. 2017. Vol. 69.

133. Anwar M.. et al. A Hybrid Decision Model For Renewable Energy Source Selection In Pakistan // QUEST Res. J. Sci. Technol. 2019. Vol. 17, № 1.

134. Behzadian M. et al. A state-of the-art survey of TOPSIS applications // Expert Systems with Applications. 2012. Vol. 39, № 17.

135. Wang P., Zhu Z., Wang Y. A novel hybrid MCDM model combining the SAW, TOPSIS and GRA methods based on experimental design // Inf. Sci. (Ny). 2016. Vol. 345.

136. Ramesh S., Kannan S., Baskar S. Application of modified NSGA-II algorithm to multi-objective reactive power planning // Appl. Soft Comput. 2012. Vol. 12, № 2. P. 741-753.

137. Yeshitela Shiferaw Maru K.P. The Optimal Power Flow Solution by Optimal Location of STATCOM Device using AHP Method // Int. J. Innov. Technol. Explor. Eng. Blue Eyes Intelligence Engineering and Sciences Engineering and Sciences Publication - BEIESP, 2020. Vol. 9, № 4. P. 2561-2569.

138. Lasemi M.A., Assili M., Hajizadeh A. Multi-Objective Hydrothermal Generation Scheduling and Fuel Dispatch Management considering Liquid Fuel Dispatch Network Modeling // Electr. Power Syst. Res. 2020. Vol. 187.

139. Mokarram M. et al. Determination of the optimal location for constructing solar photovoltaic farms based on multi-criteria decision system and Dempster-Shafer theory // Sci. Rep. 2020. Vol. 10, № 1.

140. Kiran Babu B., Maheswarapu S. New hybrid multiverse optimisation approach for optimal accommodation of DGs in power distribution networks // IET Gener. Transm. Distrib. 2019. Vol. 13, № 13.

141. Liu Z., Wen F., Ledwich G. Optimal siting and sizing of distributed generators in distribution systems considering uncertainties // IEEE Trans. Power Deliv. 2011. Vol. 26, № 4.

142. Maru Y.S. Performance Study of A System with Optimal Location of STATCOM Device using MPMJ Algorithm under Normal Operating Conditions. 2021. Vol. 10, № 01. P. 682-691.

143. Pachemska T.A.-, Lapevski M., Timovski R. Analytical Hierarchical Process (AHP) method application in the process of selection and evaluation // Proceedings. Gabrovo Internatinal Sci. Conf. "UNITECH". 21-22 Novemb. 2014. 2014. № November.

144. Sivasubramani S., Swarup K.S. Multi-objective harmony search algorithm for optimal power flow problem // Int. J. Electr. Power Energy Syst. Elsevier, 2011. Vol. 33, № 3. P. 745-752.

145. Al-Ammar E.A. et al. Comprehensive impact analysis of ambient temperature on multi-objective capacitor placements in a radial distribution system // Ain Shams Eng. J. 2021. Vol. 12, № 1.

146. Cai L.J., Erlich I., Stamtsis G.C. Optimal choice and allocation of FACTS devices in deregulated electricity market using genetic algorithms // 2004 IEEE PES Power Systems Conference and Exposition. 2004. Vol. 1.

147. Patil B., Karajgi S.B. Simultaneous placement of facts devices using Cuckoo search algorithm // Int. J. Power Electron. Drive Syst. 2020. Vol. 11, № 3.

148. Khan A.N. et al. Ensuring reliable operation of electricity grid by placement of facts devices for developing countries // Energies. 2021. Vol. 14, № 8.

149. Auchariyamet S., Sirisumrannukul S. Optimal reactive power planning with facts devices by particle swarm technique. Institution of Engineering and Technology (IET), 2010. P. 140-140.

150. The IEEE Tested Systems [Electronic resource]. URL: http://labs.ece.uw.edu/pstca.

151. MATPOWER sofware [Electronic resource]. URL: https://matpower.org/.

152. Nguyen T.T., Mohammadi F. Optimal placement of TCSC for congestion management and power loss reduction using multi-objective genetic algorithm // Sustain. 2020. Vol. 12, № 7.

153. Cui Z., Zeng J., Yin Y. An Improved PSO with Time-Varying Accelerator Coefficients // 2008

Eighth International Conference on Intelligent Systems Design and Applications. IEEE, 2008. Vol. 2. P. 638-643.

154. Bao G.Q., Mao K.F. Particle swarm optimization algorithm with asymmetric time varying acceleration coefficients // 2009 IEEE International Conference on Robotics and Biomimetics (ROBIO). IEEE, 2009. № 3. P. 2134-2139.

155. Tolba M.A. et al. Heuristic optimization techniques for connecting renewable distributed generators on distribution grids // Neural Comput. Appl. 2020. Vol. 32, № 17.

СПИСОК СОКРАЩЕНИЙ

FACTS Гибкие системы передачи переменного тока Flexible Alternating Current Transmission Systems

SVC Компенсатор статических колебаний Static Var Compensator

TCSC Компенсатор серии с тиристорным управлением Thyristor-Controlled Series Compensator

UPFC Унифицированный регулятор потока мощности Unified power flow controller

PSO Оптимизация с помощью роя частиц Particle Swarm Optimization

AGPSO Автономная групповая оптимизация роя частиц Autonomous Group Particle Swarm Optimization

GWO Оптимизатор Grey Wolf Grey Wolf optimizer

IGWO Улучшенная оптимизация Серый волк Improved Grey Wolf Optimization

AGPSO-GWO Автономные группы оптимизаторов Рой частиц и Серый волк Autonomous Groups Particle Swarm and Grey Wolf optimizers

SA Имитация отжига Simulated Annealing

STATCOM Статический синхронный компенсатор Static Synchronous Compensator

VSC Преобразователи с источником напряжения Voltage Source Converters

MFO Оптимизация мотылькового пламени Moth Flame Optimization

BBO Оптимизация на основе биогеографии Biogeography Based Optimization

WIPSO Улучшенный вес PSO Weight Improved PSO

OC Операционные расходы Operating Cost

VD Отклонение напряжения Voltage Deviation

PL Потери активной мощности Active power losses

DLH Измерение Стратегия охоты на основе обучения Dimension Learning-based Hunting strategy

RE Относительная ошибка Relative error

MAE Средняя абсолютная ошибка Mean absolute error

RMSE Среднеквадратичная ошибка Root mean square error

SD Стандартное отклонение Standard deviation

СПИСОК СИМВОЛОВ

пем хТ1 Реактивное сопротивление линии электропередачи после установки ТСБС

хТ1 Реактивное сопротивление линии электропередачи без установки ТСБС

ХТС$С Реактивность TCSC

V Величина напряжения на шинах

Восприимчивость свч

п Проводимость линии кШ

N1 Общее количество линий электропередач

V! Величина напряжения на шинах ! и ]

Разность углов между напряжениями на шинах ! и _].

N1 Общее количество шин нагрузки

С СР1 Годовые потери энергии в энергосистеме

С СЕЛСТ Стоимость установки фактов

С Стоимость установки услуги

С СТСС Стоимость установки TCSC

С СЦРГС Стоимость установки UPFC

$ Рабочий диапазон фактических устройств

Ос Операционные расходы

Vd Отклонение напряжения

Р1 Потери активной мощности

& Pdi Активная мощность, генерируемая и потребляемая на шине !

& Реактивная мощность, вырабатываемая и потребляемая на шине!

N Общее количество шин, Sj представляет собой поток кажущейся мощности в линии

$ у тах Является тепловым пределом линии

GiJ & Ву Передаточная проводимость и суспензия между шиной ! и шиной j, соответственно

х-лтах ^тт ^ЗУС && Максимальный и минимальный пределы реактивной мощности Svc

утах утт ЛШС & ЛШС Пределы максимального и минимального реактивного сопротивления TCSC

Т Текущая итерация

уГ 1 Вектор скорости частицы ! в итерации 1+1

фея1 & pbestí Наилучшее глобальное положение и наилучшее положение частицы

Т Максимальное число итераций

С1 & С2 являются коэффициентами ускорения

Я1 & Я2 Случайные числа

с Постоянная инерционная масса

<1 Вектор положения частицы ! в итерации 1+1

с ■ ог с тт && тах Минимальное и максимальное значения инерционного веса

С1 & С2 Коэффициенты ускорения

Ха & Эа Векторы положения и коэффициента альфа-волка.

Хр & Эр Позиция и векторы коэффициентов бета-волка.

Х5 & Эб Векторы положения и коэффициентов дельта-волка

ВД Вектор положения серого волка в текущей итерации

V Л1-0Ж0 Вектор положения ЙЬ серого волка

А& С Векторы коэффициентов

С&& СВ2& &Свз Переменные

Д Евклидово расстояние

Рор Матрица населения

V л1-эш 4 Вектор положения ЙЬ серого волка на основе стратегии БЬИ

V Вектор положения йй серого волка в следующей итерации на основе алгоритма

Хп,в(Т) размерность случайного соседа в текущей итерации

Хг,в(Т) размерность случайного соседа, выбранного из всей группы волков.

Яапё Случайное число.