Journal of Novel Researches on Smart Power Systems

fa تعیین استراتژی بهینه در بازیابی شبکه های توزیع هوشمند خودترمیم با روش پیش بینی هزینه قابلیت اطمینان Determining the optimal strategy in self-healing smart distribution network restoration with reliability cost predication method تخصصي Special پژوهشي Research <div style="text-align: justify;">شبکههای توزیع امروزی از نظر ابعاد و اجزاء پیشرفت قابل توجهی داشتهاند و یکی از ارکان مهم اقتصاد هر کشور به شمار می روند. دولت ها اغلب به دنبال روش هایی هستند که در شرایط بحرانی  و خطا، خسارت شبکه را به حداقل برسانند، دامنه خطاها را محدود کرده تا استمرار خدمات رسانی حداکثر حفظ گردد. بعد از وقوع خرابی، در دوره بازیابی، تصمیمگیری درست و سریع اپراتور یا مدیر شبکه میتواند ابعاد خرابی را کاهش دهد و جلوی خسارت بیشتر را بگیرد. با حرکت شبکه های آینده به سوی خودترمیمی، باید توابع تصمیمگیری قدرتمند شوند به طوری که با حفظ قیود فنی شبکه بتوانند با مداخلات به موقع، شرایط پایدار اضطراری را به وجود آورند. برای این منظور می توان فاکتور هزینه خاموشی مشترکین را مورد استفاده قرارداد، که به صورت یک عدد برای هر نوع مشترک و با واحد دلار بر کیلو وات ساعت مطرح شده است و میتوان فیدرها را ارزش گذاری نمود، ولی با توجه به ماهیت احتمالاتی وقوع هزینه در خاموشیها این فاکتور به تنهایی کامل نمی باشد. در این مقاله از تابع خسارت احتمالی مشترکین استفاده شده است که برای هر فیدر به طور جداگانه محاسبه میگردد و قابل اعمال به کل شبکه نیز می باشد. روش پیش بینی هزینه ها برای فیدر ترکیبی نمونه، با استفاده از روش مونت کارلو و نیز روش تابع مولد عمومی (UGF) در نرم افزار MATLAB شبیه سازی شده است. با وجود ورودی یکسان و رسیدن به نتایج یکسان، سرعت پاسخ در روش UGF بسیار بالاتر به دست آمده است.</div> <div style="text-align: justify;">Today's distribution networks have made significant progress in terms of dimensions and components and are one of the important pillars of the economy of each country. Governments often look for ways to minimize network damage in critical and fault situations, limiting the scope of faults to maintain maximum service continuity. After a failure occurs, during the restoration period, the operator or network administrator`s right decision, can reduce the dimensions of the failure and prevent further damage. As future networks move towards self-healing, decision-making functions must be empowered so that by maintaining the technical constraints of the network, they can create sustainable emergencies with timely interventions. To do this, the customer damage function factor can be used, which is presented as a number for each type of customer with the unit of $/kWh. So, the feeders can be valued, but due to the probable nature of the cost in outages, this factor is not complete alone. This article uses the customer damage probability function, which is calculated separately for each feeder and can be applied to the entire network. The cost prediction method for the sample feeder with different kinds of load has been simulated, using the Monte Carlo method as well as the UGF method in MATLAB software. The results show despite having the same input and achieving the same results for both methods, the response speed in the UGF method is much higher.</div> شبکه توزیع خودترمیم, بازیابی هوشمند, پیش بینی هزینه خاموشی Self-healing distribution networks, smart restoration, Predicting the cost of reliability 15 29 http://jeps.dezful.iau.ir/browse.php?a_code=A-10-325-1&slc_lang=fa&sid=1 Seyed Hossein Hassanzadeh Fard سید حسین حسن زاده فرد hasanzadehfard@gmail.com 10031947532846003100 10031947532846003100 No Department of Electrical Engineering, Khorramabad Branch, Islamic Azad University, Khorramabad, Iran گروه برق، واحد خرم آباد، دانشگاه آزاد اسلامی، خرم آباد، ایران Amin Samanfar امین سامان فر a.samanfar@khoiau.ac.ir 10031947532846003101 10031947532846003101 Yes Department of Electrical Engineering, Khorramabad Branch, Islamic Azad University, Khorramabad, Iran گروه برق، واحد خرم آباد، دانشگاه آزاد اسلامی، خرم آباد، ایران Mehdi Nikzad مهدی نیک زاد Mehdi.nikzad@iau.ac.ir 10031947532846003102 10031947532846003102 No Department of Electrical Engineering, Islamshar Branch, Islamic Azad University, Islamshar, Iran گروه برق، واحد اسلامشهر، دانشگاه آزاد اسلامی، اسلامشهر، ایران Mohsen Rashidi محسن رشیدی Rashidi.m@lu.ac.ir 10031947532846003103 10031947532846003103 No Department of Economics and Accounting, Faculty of Economics, Lorestan University, Iran گروه اقتصاد و حسابداری، دانشکده اقتصاد، دانشگاه لرستان ، خرم آباد، ایران