Planning of Distributed Generation Optimal Operation using Hybrid Method

U doktorskom radu predstavljen je algoritam kratkoročnog planiranja pogona distribuiranih izvora koji ima za cilj smanjenje tehničkih gubitaka radne snage u aktivnoj distributivnoj mreži. Predloženi algoritam se sastoji od tri cjeline realizirane metodama računalne inteligencije: predviđanja proizvodnje sunčanih elektrana, planiranja optimalnog pogona hibridnih distribuiranih izvora i ocjenjivanja optimizacijskih rješenja. Predviđanje proizvodnje sunčanih elektrana realizirano je modeliranjem višeslojne umjetne neuronske mreže koja temeljem ulaznih podataka o temperaturi zraka, intenzitetu sunčevog zračenja, relativnoj vlažnosti zraka i brzini vjetra pruža podataka o očekivanoj proizvodnji sunčane elektrane. Planiranje optimalnog pogona najsloženiji je dio predloženog algoritma jer podrazumijeva jedinstvenu hibridnu optimizacijsku metodu zasnivanu na inteligenciji roja čestica uz uvažavanje načela elitizma iz genetskog algoritma. Sa optimizacijskom metodom hibridiziran je simulacijski paket MATPOWER koji se koristi za modeliranje ispitnih elektroenergetskih sustava, proračune tokova snaga i tehničko određivanje distribuirane proizvodnje prema parametrima čestica optimizacijske metode. Ocjenjivanje optimizacijskih rješenja treća je cjelina predloženog algoritma, realizirana sustavom neizrazite logike, a pruža ocjenu troškovne učinkovitosti planiranog pogona distribuiranih izvora s obzirom na uštede postignute smanjenjem gubitaka radne snage. Predloženi algoritam kratkoročnog planiranja uspješno je primijenjen u postupcima optimizacije i planiranja pogona distribuiranih izvora na tri ispitna elektroenergetska sustava te potpunu primjenjivost dokazuje visokom razinom učinkovitosti optimizacije aktivnih radijalnih i prstenasto-povezanih elektroenergetskih mreža.The doctoral thesis presents an algorithm for distributed generation short-term planning aimed at reducing the active power technical losses in the distribution network. The proposed algorithm consists of three parts: prediction of solar power plants energy production, optimal operation planning of multiple hybrid distributed generation units, and evaluation of optimization results. Prediction of solar power plants energy production is achieved by modelling multilayer artificial neural network capable of providing the information on expected solar power generation based on input data on air temperature, solar irradiation, relative air humidity, and wind speed. Optimal operation planning of distributed generation is the most complex part of the proposed algorithm because it implies a unique hybrid optimization method based on particle swarm optimization with respect to the elitism principle of the genetic algorithm. The MATPOWER simulation package, which is used for test power systems modelling, power flow calculations, and the technical determination of distributed generation according to the particle parameters, has been hybridized within the optimization method. Evaluation of optimal solutions is a third part of the proposed algorithm, achieved by fuzzy logic system, which provides the evaluation of cost efficiency for the planned operation of distributed generation with respect to savings achieved by active power losses reduction. The proposed short-term planning algorithm has been successfully applied in the optimization and planning of distributed generation in three test power systems, and full applicability is proved by a high level of optimization efficiency of active radial and meshed power networks