Network reconfiguration with optimal allocation of capacitors and DG units for maximizing DISCOs profit in a restructured power market

• Autorzy: Kumar Ch S.K.B Pradeep , Balamurugan G. , Raju Y.Butchi

Identyfikatory

DOI

10.15199/48.2022.12.43

Warianty tytułu

PL

Rekonfiguracja sieci z optymalną alokacją kondensatorów i jednostek DG w celu maksymalizacji zysku DISCO na zrestrukturyzowanym rynku energii

• Języki publikacji: EN

Abstrakty

EN

Technological developments in the deregulated electricity market enable competitive environment for Distribution Companies (DISCOs) and DGs to maintain reliable, effective and secure electrical power to the consumers. The performance of the DISCOs in radial distribution networks is primarily relied upon the power loss and voltage stability. Best practice to mitigate the losses in the distribution network includes capacitor placements, induction of DGs and network reconfigurations. These process help out to improve the system voltage profile and minimize the power losses and thereby maximising the profit of the distribution companies. In this paper, recently developed and comprehensive moth flame optimization algorithm is presented for maximizing the profit of the DISCOs under competitive environment. The execution process of network reconfiguration and proper placement and sizing of capacitors and DG units are taken care of by MFO algorithm. Reconfiguration of network is a mechanism of shuffling existing pattern of feeders duly changing ON and OFF status of tie-line switches to improve the performance of the DISCOs. The algorithm also minimizes the various types of cost such as investment, maintenance and operational cost. The proposed MFO algorithm is implemented on IEEE 33 node and 69 node systems to evaluate its performance. Evaluation of solution in MATLAB software demonstrates the skills of MFO in DISCOs.

PL

Rozwój technologiczny na zderegulowanym rynku energii elektrycznej umożliwia konkurencyjne środowisko dla spółek dystrybucyjnych (DISCO) i dyrekcji generalnych w celu utrzymania niezawodnej, efektywnej i bezpiecznej energii elektrycznej dla konsumentów. Wydajność DISCO w promieniowych sieciach rozdzielczych zależy przede wszystkim od strat mocy i stabilności napięcia. Najlepsza praktyka łagodzenia strat w sieci dystrybucyjnej obejmuje rozmieszczenie kondensatorów, indukcję DG i rekonfiguracje sieci. Procesy te pomagają poprawić profil napięciowy systemu i zminimalizować straty mocy, a tym samym maksymalizować zysk spółek dystrybucyjnych. W niniejszym artykule przedstawiono niedawno opracowany i kompleksowy algorytm optymalizacji płomienia ćmy w celu maksymalizacji zysku DISCO w konkurencyjnym środowisku. Procesem wykonania rekonfiguracji sieci oraz właściwego rozmieszczenia i doboru kondensatorów i jednostek DG zajmuje się algorytm MFO. Rekonfiguracja sieci to mechanizm tasowania istniejącego wzorca linii zasilających, odpowiednio zmieniający stan ON i OFF przełączników linii łączącej w celu poprawy wydajności dysków DISCO. Algorytm minimalizuje również różnego rodzaju koszty, takie jak koszty inwestycyjne, konserwacyjne i operacyjne. Proponowany algorytm MFO jest zaimplementowany w systemach IEEE 33 węzłów i 69 węzłów w celu oceny jego wydajności. Ocena rozwiązania w oprogramowaniu MATLAB demonstruje umiejętności MFO w dyskotekach.

Słowa kluczowe

EN

restructured power market; network reconfiguration; capacitor and DG placement; voltage stability; MFO algorithm

PL

sieć zasilająca; usytuowanie kondensatora; usytuowanie generatora; stabilność napięciowa

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2022
• Tom: R. 98, nr 12
• Strony: 187--193
• Opis fizyczny: Bibliogr. 18 poz., rys., tab.

Twórcy

autor

Kumar Ch S.K.B Pradeep

• Annamalai University, India

• https://orcid.org/0000-0002-2237-7998

autor

Balamurugan G.

• Annamalai University, India

• https://orcid.org/0000-0003-3186-0700

autor

Raju Y.Butchi

• C.R.Reddy College of Engineering, India

• https://orcid.org/0000-0003-4255-9614

Bibliografia

• [1] S.K.B. Pradeep Kumar Ch, G. Balamurugan, Y. Butchi Raju, “Optimal Infusion and Grading of Combined DGs and Capacitor Banks for Line Loss Minimization and Enhancement of Voltages in Radial Circuit System”, PRZEGLĄD ELEKTROTECHNICZNY, Vol. 98, No.1, pp. 208-216.
• [2] V. Ajjarapu, P. L. Lau and S. Battula, “An optimal reactivepower planning strategy against voltage collapse”, IEEE Transactions on Power Systems, Vol. 9, No. 2, pp. 906-917, May 1994.
• [3] Sneha Sultana, Provas Kumar Roy, “Optimal capacitor placement in radial distribution systems using teaching learning based optimization”, Elsevier Int. J. Electr. Power Energy Syst., 54 (2014), pp. 387–398.
• [4] J. S. Savier and D. Das, “Impact of Network Reconfiguration on Loss Allocation of Radial Distribution Systems”, IEEE Trans. on Power Del., vol. 22, no. 4, pp. 2473-2480, Oct. 2007.
• [5] Gautam, D., and Mithulananthan, N., “Optimal DG placement in deregulated electricity market”, Electric Power Systems Research, 77 (12), October, pp.1627-36, 2007.
• [6] Mohammadi, M., and Nafar, M., “Optimal placement of multitypes DG as independent private sector under pool/hybrid power market using GA-based Tabu Search method”, International Journal of Electrical Power & Energy Systems, 51, October, pp. 43-53, 2013.
• [7] Ameli, A., Farrokhifard, M., Ahmadifar, A. and Haghifam, M.R., “Distributed generation planning based on the distribution company's and the DG owner's profit maximization”, International Transactions on Electrical Energy Systems,25(2), February, pp. 216-232, 2015.
• [8] Ameli, A., Bahrami, S., Khazaeli, F. and Haghifam, M.R., “Amultiobjective particle swarm optimization for sizing and placement of DGs from DG owner's and distribution company's viewpoints”, IEEE Transactions on power delivery, 29(4), February, pp. 1831-1840, 2014.
• [9] Kansal, S., Tyagi, B., and Kumar, V., “Cost–benefit analysis for optimal distributed generation placement in distribution systems”, International Journal of Ambient Energy, 38(1), pp. 45-54, 2017.
• [10] Abapour, S., Nojavan, S. and Abapour, M., “Multi-objectiveshort-term scheduling of active distribution networks for benefit maximization of DisCos and DG owners considering demand response programs and energy storage system”, Journal of Modern Power Systems and Clean Energy, 6(1), January, pp. 95-106, 2018.
• [11] Salehi, J., and Jannati Oskuee, M.R., “Optimal planning ofdistributed generation from the DisCo and the DGO viewpoints considering the uncertainties in future demand and electricity price”, International Journal of Ambient Energy, 39(8), pp. 863-872, 2018.
• [12] Moradi, M.H., Abedini, M. and Hosseinian, S.M., “A combination of evolutionary algorithm and game theory for optimal location and operation of DG from DG owner standpoints”, IEEE Transactions on Smart Grid, 7(2), May, pp. 608-616, 2015.
• [13] Alemohammad, S.H., Mashhour, E. and Saniei, M., “A market-based method for reconfiguration of distribution network”, Electric Power Systems Research, 125, August, pp. 15-22, 2015.
• [14] Prasad, L.S. and Sowjanya, V.E., “A Multi Objective PSO Algorithm for Sizing and Allocation of DG’s From DG’s Owners and Disco’s View Points”, International Journal for Scientific Research & Development, 3(3), pp. 2350-2355, 2015.
• [15] Ghaemi, S., and Zare, K., “A new method of distribution marginal price calculation in distribution networks by considering the effect of distributed generations location on network loss”, Journal of Operation and Automation in Power Engineering, 5(2), pp. 171-180, 2017.
• [16] Kianmehr, E., Nikkhah, S., and Rabiee, A., “Multi-objective stochastic model for joint optimal allocation of DG units and network reconfiguration from DG owner’s and DISCO’s perspectives”, Renewable energy, 132, pp. 471-485, 2019.
• [17] Mirjalili, S., “Moth-flame optimization algorithm: A novel nature-inspired heuristic paradigm”.Knowledge-based systems, Vol.89, pp. 228-249, 2015.
• [18] R. Ng Shin Mei, M.H. Sulaiman, Z. Mustaffa and H. Daniyal, "Optimal reactive power dispatch solution by loss minimization using moth-flame optimization technique", Applied Soft Computing, vol. 59, no. 2 , pp. 210-222, 2017.

Uwagi

Opracowanie rekordu ze środków MEiN, umowa nr SONP/SP/546092/2022 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2022-2023).