میز خدمت الکترونیک
دوره ویراستاری

  اخبار و اعلانات

 آمار

تعداد نشریات127
تعداد شماره‌ها7,240
تعداد مقالات77,674
تعداد مشاهده مقاله161,289,104
تعداد دریافت فایل اصل مقاله120,869,889
هدایت‌زاده, سحر, صدیقی, محسن, غفوری, علیرضا. (1405). برنامه‌ریزی بارگذاری ترانسفورماتورهای قدرت با در نظر گرفتن پاسخگویی بار، اثر دمای محیط، نگهداری و فرسودگی ترانسفورماتور. , 5(3), 601-625. doi: 10.22059/ses.2026.416199.1260
سحر هدایت‌زاده; محسن صدیقی; علیرضا غفوری. "برنامه‌ریزی بارگذاری ترانسفورماتورهای قدرت با در نظر گرفتن پاسخگویی بار، اثر دمای محیط، نگهداری و فرسودگی ترانسفورماتور". , 5, 3, 1405, 601-625. doi: 10.22059/ses.2026.416199.1260
هدایت‌زاده, سحر, صدیقی, محسن, غفوری, علیرضا. (1405). 'برنامه‌ریزی بارگذاری ترانسفورماتورهای قدرت با در نظر گرفتن پاسخگویی بار، اثر دمای محیط، نگهداری و فرسودگی ترانسفورماتور', , 5(3), pp. 601-625. doi: 10.22059/ses.2026.416199.1260
هدایت‌زاده, سحر, صدیقی, محسن, غفوری, علیرضا. برنامه‌ریزی بارگذاری ترانسفورماتورهای قدرت با در نظر گرفتن پاسخگویی بار، اثر دمای محیط، نگهداری و فرسودگی ترانسفورماتور. , 1405; 5(3): 601-625. doi: 10.22059/ses.2026.416199.1260

برنامه‌ریزی بارگذاری ترانسفورماتورهای قدرت با در نظر گرفتن پاسخگویی بار، اثر دمای محیط، نگهداری و فرسودگی ترانسفورماتور

فصلنامه سیستم های انرژی پایدار
دوره 5، شماره 3، تیر 1405، صفحه 601-625    اصل مقاله (2.15 M)
نوع مقاله: مقاله پژوهشی
شناسه دیجیتال (DOI): 10.22059/ses.2026.416199.1260
نویسندگان
سحر هدایت‌زاده؛ محسن صدیقی* ؛ علیرضا غفوری
گروه مهندسی برق، واحد ساری، دانشگاه آزاد اسلامی، ساری، ایران
چکیده
هدف مطالعۀ پیش رو، ارائۀ نوعی برنامۀ بهینۀ پاسخگویی بار با استفاده از مدل حرارتی استاندارد IEC 60076-7 به‌ منظور تعیین هم‌زمان اثر شرایط بهره‌برداری و بارگذاری بر وضعیت حرارتی، نرخ خرابی ترانسفورماتورهای قدرت و همچنین، تعیین نقطۀ بهینه برای تغییر روش بهره‌برداری (تک یا موازی) بر اساس معیارهای اقتصادی شامل هزینۀ انرژی تأمین‌نشده (EENS) و تلفات توان بیان می‌شود و این مطالعه دنبال می‌کند. هیچ‌یک از منابع گذشته، شاخص‌های پایه قابلیت اطمینان (مانند نرخ خرابی) را به ‌عنوان معیار اصلی برای تصمیم‌گیری تعویض ترانسفورماتور در نظر نگرفته‌اند. اثر بارگذاری بر نرخ خرابی و همچنین، اثر شرایط خاص بهره‌برداری که در آن دمای نقطه ‌داغ از حد مجاز فراتر می‌رود، در مدل‌های قبلی لحاظ نشده است. ارائۀ یک رابطۀ ریاضی جدید برای مدل‌سازی اثر بارگذاری بر نرخ خرابی ترانسفورماتور و تکمیل مدل ریاضی نرخ خرابی با لحاظ کردن اثر بارگذاری بر دمای نقطه ‌داغ و فرموله‌سازی یک مسئلۀ بهینه‌سازی خطی (با خطی‌سازی قطعه‌ای توابع غیرخطی حرارتی) که به ‌طور هم‌زمان حجم و مدیریت پاسخگویی بار را در بازه زمانی مشخص، با در نظر گرفتن محدودیت‌های حرارتی (دمای نقطه ‌داغ و روغن)، حداکثر جریان (5/1 پریونیت) و پیری عایق (AEQ≤1) بهینه می‌کند از مهم‌ترین نوآوری‌های این مقاله است. حاشیۀ ذخیرۀ قابل ‌دستیابی با اعمال DR تا ۲۴۰ کیلوولت‌آمپر است که معادل 4/3 برابر ذخیرۀ سنتی (۷۰ کیلوولت‌آمپر) است، بدون آنکه محدودیت حرارتی دمای ۱۲۰ درجۀ سانتی‌گراد نقض شود. در حالت «تغییر انرژی»، تنها 64 درصد از ظرفیت برآوردشدۀ DR‌ استفاده می‌شود. حجم DR  می‌تواند تا 30 درصد بار پیک برسد، اما تنها در شرایط N-1 و برای چند ساعت در سال مورد نیاز است. در شرایط عادی (N) هیچ‌گونه پاسخگویی بار مورد نیاز نیست و هیچ نوع تنش حرارتی برای ترانسفورماتور مشاهده نمی‌شود، حتی با حاشیۀ ذخیرۀ بالا. مدل حرارتی استاندارد IEC 60076-7 به دلیل وضوح زمانی بالا (۱ دقیقه) موجب افزایش چشمگیر متغیرها و محدودیت‌ها در افق‌های بلند‌مدت می‌شود و مسئلۀ بهینه‌سازی را غیرقابل‌حل می‌کند. خطی‌سازی قطعه‌ای توابع غیرخطی حرارتی به‌شدت زمان محاسبات را نسبت به مدل‌های غیرخطی کاهش می‌دهد، اما برای بازه‌های زمانی طولانی (چند روز تا سال) همچنان چالش‌برانگیز است. روش پیشنهادی به‌خوبی بین بارگذاری، محدودیت‌های حرارتی تعادل برقرار کرده و ظرفیت ذخیره‌ای را آزاد می‌کند که پیش‌تر غیرقابل‌دسترس بود، اما برای افق‌های طولانی به تحقیقات بیشتر نیاز دارد.
 
کلیدواژه‌ها
بارگذاری؛ نقطه داغ؛ پاسخگویی بار؛ فرسودگی
مراجع
  • International Renewable Energy Agency. Global Energy Transformation: A Roadmap to 2050; International Renewable Energy Agency: Abu Dhabi, United Arab Emirates, 2018; ISBN 978-92-9260-059-4.
  • International Renewable Energy Agency. Electrification with Renewables. Driving the Transformation of Energy Services; International Renewable Energy Agency: Abu Dhabi, United Arab Emirates, 2019; ISBN 9789292601089.
  • van Ruijven, B.J.; De Cian, E.; SueWing, I. Amplification of future energy demand growth due to climate change. Nat. Commun. 2019, 10, 2762.
  • Cavlovic, M. Universal Procedure for Determining the Optimal Connection to the Distribution Network. In Proceedings of the CIRED 2019, Madrid, Spain, 3–6 June 2019.
  • Mason, T.; Curry, T.; Wilson, D. Capital Costs for Transmission and Substations. Recommendations for WECC Transmission Expansion Planning Western Electricity Coordinating Council; Black & Veatch Corporation: Overland Park, KS, USA, 2012.
  • DNV GL Energy Transition Outlook 2018—DNV GL. Available online: https://eto.dnv.com/2018/ (accessed on 1 March 2021).
  • Willis, H.L.; Schrieber, R. Aging Power Delivery Infrastructures, 2nd ed.; Power Engineering (Willis); CRC Press: Boca Raton, FL, USA, 2013; Volume 20132771, ISBN 978-1-4398-0403-2.
  • Esmat, A.; Usaola, J.; Moreno, M.A. Congestion Management in Smart Grids with Flexible Demand Considering the Payback Effect. In Proceedings of the 2016 IEEE PES Innovative Smart Grid Technologies Conference Europe (ISGT-Europe), Slovenia Ljubljana, Slovenia, 9–12 October 2016; IEEE: Scottsdale, AZ, USA, 2016; pp. 1–6.
  • Li, R.; Wang, W.; Chen, Z.; Jiang, J.; Zhang, W. A Review of Optimal Planning Active Distribution System: Models, Methods, and Future Researches. Energies 2017, 10, 1715.
  • Chiodo, E.; Lauria, D.; Mottola, F.; Pisani, C. Lifetime characterization via lognormal distribution of transformers in smart grids: Design optimization. Appl. Energy 2016, 177, 127–135.
  • Flexibility: The Path to Low-Carbon, Low-Cost Electricity Grids—CPI.
  • Martínez Ceseña, E.A.; Good, N.; Mancarella, P. Electrical network capacity support from demand side response: Technoeconomic assessment of potential business cases for small commercial and residential end-users. Energy Policy 2015, 82, 222–232.
  • Martinez Cesena, E.A.; Mancarella, P. Distribution Network Capacity Support from Flexible Smart Multi-Energy Districts. In Proceedings of the 2016 IEEE PES Transmission & Distribution Conference and Exposition-Latin America (PES T&D-LA), Morelia, Mexico, 21–24 September 2016; IEEE: Scottsdale, AZ, USA, 2016; pp. 1–6.
  • Flexibility Model of Integrated Energy Sources for the Strategic Planning of Distribution Networks.
  • Esmat, A.; Usaola, J. DSO congestion management using demand side flexibility. In Proceedings of the CIREDWorkshop 2016, Helsinki, Finland, 14–15 June 2016; Institution of Engineering and Technology, IET: Stevenage, UK, 2016; Volume 2016, p. 197.
  • Jiang, S.; Zeng, Y.; Cheng, L.; Tian, L.; Zhao, J.; Yan, B.; Wang, X.; Li, C. Substation Capacity Planning Method Considering Interruptible Load. In Proceedings of the 2018 International Conference on Power System Technology (POWERCON), Guangzhou, China, 6–8 November 2018; IEEE: Scottsdale, AZ, USA, 2018; pp. 496–500.
  • Mullen, C. Interactions between Demand Side Response, Demand Recovery, Peak Pricing and Electricity Distribution Network Capacity Margins. Ph.D. Thesis, School of Electrical and Electronic Engineering, Newcastle University, Newcastle upon Tyne, UK, 2018.
  • Van Der Klauw, T.; Gerards, M.E.T.; Hurink, J.L. Using demand-side management to decrease transformer ageing. In Proceedings of the IEEE PES Innovative Smart Grid Technologies Conference Europe, Ljubljana, Slovenia, 9–12 October 2016.
  • Kostin, V.N.; Minakova, T.E.; Kopteva, A.V. Urban Substations Transformers allowed Loading. In Proceedings of the 2018 IEEE Conference of Russian Young Researchers in Electrical and Electronic Engineering (EIConRus), St. Petersburg, Russia, 29 January–1 February 2018; IEEE: Scottsdale, AZ, USA, 2018; Volume 2018, pp. 692–695.
  • Daminov I, Rigo-Mariani R, Caire R, Prokhorov A, Alvarez-Hérault MC. Demand Response coupled with Dynamic Thermal Rating for increased transformer reserve and lifetime. Energies. 2021 Mar 3;14(5):1378.
  • Daminov, I.; Prokhorov, A.; Moiseeva, T.; Caire, R.; Alvarez-Herault, M.-C. Application of Dynamic Transformer Ratings to Increase the Reserve of Primary Substations for New Load Interconnection
  • Sandels, C.; Widén, J.; Nordström, L. Forecasting household consumer electricity load profiles with a combined physical and behavioral approach. Appl. Energy 2014, 131, 267–278.
  • Viafora, N.; Holboll, J.; Kazmi, S.H.H.; Olesen, T.H.; Sorensen, T.S. Load dispatch optimization using dynamic rating and optimal lifetime utilization of transformers. In Proceedings of the 2019 IEEE Milan PowerTech, PowerTech 2019, Milan, Italy, 23–27 June 2019.
  • Degefa, M.Z.; Humayun, M.; Safdarian, A.; Koivisto, M.; Millar, R.J.; Lehtonen, M. Unlocking distribution network capacity through real-time thermal rating for high penetration of DGs. Electr. Power Syst. Res. 2014, 117, 36–46.
  • Watson, A.; Weller, R. Temperature correction factor applied to substation capacity analysis. In Proceedings of the 18th International Conference and Exhibition on Electricity Distribution (CIRED 2005), Turin, Italy, 6–9 June 2005; IET: Stevenage, UK, 2005; Volume 2005, pp. 1–4.
  • IEC 60076-7 Power Transformer—Part 7: Loading Guide for Oil-Immersed Power Transformers; IEC: Geneva, Switzerland, 2018.
  • Sealey, W.C.; Hodtum, J.B. Overloading of Transformers—Cases Not Covered by the General Rules. Trans. Am. Inst. Electr. Eng. 1944, 63, 149–153.
آمار
تعداد مشاهده مقاله: 45
تعداد دریافت فایل اصل مقاله: 20





سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب