1405/08/17
مهدی احمدی جیردهی

مهدی احمدی جیردهی

مرتبه علمی: دانشیار
ارکید: 0000-0002-7836-9401
تحصیلات: دکترای تخصصی
شاخص H:
دانشکده: دانشکده مهندسی برق
اسکولار:
پست الکترونیکی: m.ahmadi [at] kut.ac.ir
اسکاپوس:
تلفن: 0838305001
ریسرچ گیت:

مشخصات پژوهش

عنوان
ارزیابی تأثیر میکروگریدهای مبتنی بر منابع تجدیدپذیر بر تاب‌آوری شبکه توزیع برق در شرایط بحرانی: رویکردی مبتنی بر الگوریتم گرگ خاکستری (GWO)
نوع پژوهش
پایان نامه‌
کلیدواژه‌ها
تاب‌آوری شبکه، میکروگرید، منابع تجدیدپذیر، الگوریتم گرگ خاکستری (GWO)، شرایط بحرانی
سال 1404
پژوهشگران مهدی احمدی جیردهی(استاد راهنمای اول)، مهدی بهادرزاده(دانشجو)

چکیده

شبکه‌های توزیع برق به‌عنوان یکی از ارکان مهم زیرساخت‌های حیاتی کشور، همواره در معرض تهدیداتی چون زلزله، طوفان، حملات سایبری و کمبود منابع انرژی قرار دارند [1] . این تهدیدات می‌توانند موجب اختلال گسترده در عملکرد شبکه و قطع برق در سطح وسیع شوند، که پیامدهای اقتصادی و اجتماعی قابل توجهی در پی خواهد داشت. در چنین شرایطی، مفهوم تاب‌آوری شبکه توزیع برق اهمیت می‌یابد؛ مفهومی که به توانایی سیستم در جذب شوک، تحمل اختلال و بازیابی عملکرد در کمترین زمان ممکن پس از وقوع بحران اشاره دارد [2] [3] یکی از رویکردهای نوین در افزایش تاب‌آوری شبکه، استفاده از میکروگریدهای مبتنی بر منابع تجدیدپذیر است. این میکروگریدها با داشتن قابلیت عملکرد مستقل از شبکه اصلی ، قادرند در زمان وقوع بحران، بارهای حیاتی مانند مراکز درمانی، مخابراتی یا نظامی را پشتیبانی کنن [4] [5] . با این حال، طراحی بهینه، مکان‌یابی و بهره‌برداری مؤثر از این میکروگریدها، خصوصاً در شرایط بحرانی و با محدودیت منابع، از چالش‌های اصلی پیشِ رو است [6] . در این میان، الگوریتم‌های فراابتکاری می‌توانند به‌عنوان ابزارهایی قدرتمند در حل مسائل پیچیده بهینه‌سازی، راه‌گشا باشند. الگوریتم گرگ خاکستری، که از رفتار اجتماعی گرگ‌های خاکستری در طبیعت الهام گرفته شده است، به دلیل ساختار ساده، نرخ همگرایی بالا و قابلیت جست‌وجوی سراسری، به‌طور گسترده در مسائل بهینه‌سازی سیستم‌های قدرت به‌کار گرفته شده است ]3[ [5] . بنابراین، بررسی و ارزیابی تأثیر به‌کارگیری میکروگریدهای تجدیدپذیر بهینه‌شده با استفاده از الگوریتم GWO بر تاب‌آوری شبکه‌های توزیع در شرایط بحرانی، از منظر فنی و راهبردی، ضروری به‌نظر می‌رسد. شبکه‌های توزیع برق به‌عنوان یکی از ارکان مهم زیرساخت‌های حیاتی کشور، همواره در معرض تهدیداتی چون زلزله، طوفان، حملات سایبری و کمبود منابع انرژی قرار دارند [1]. این تهدیدات می‌توانند موجب اختلال گسترده در عملکرد شبکه و قطع برق در سطح وسیع شوند، که پیامدهای اقتصادی و اجتماعی قابل توجهی در پی خواهد داشت. در چنین شرایطی، مفهوم تاب‌آوری شبکه توزیع برق اهمیت می‌یابد؛ مفهومی که به توانایی سیستم در جذب شوک، تحمل اختلال و بازیابی عملکرد در کمترین زمان ممکن پس از وقوع بحران اشاره دارد [2] . یکی از رویکردهای نوین در افزایش تاب‌آوری شبکه، استفاده از میکروگریدهای مبتنی بر منابع تجدیدپذیر است. این میکروگریدها با داشتن قابلیت عملکرد مستقل از شبکه اصلی ، قادرند در زمان وقوع بحران، بارهای حیاتی مانند مراکز درمانی، مخابراتی یا نظامی را پشتیبانی کنن [4] [5] . با این حال، طراحی بهینه، مکان‌یابی و بهره‌برداری مؤثر از این میکروگریدها، خصوصاً در شرایط بحرانی و با محدودیت منابع، از چالش‌های اصلی پیشِ رو است [6] . در این میان، الگوریتم‌های فراابتکاری می‌توانند به‌عنوان ابزارهایی قدرتمند در حل مسائل پیچیده بهینه‌سازی، راه‌گشا باشند. الگوریتم گرگ خاکستری، که از رفتار اجتماعی گرگ‌های خاکستری در طبیعت الهام گرفته شده است، به دلیل ساختار ساده، نرخ همگرایی بالا و قابلیت جست‌وجوی سراسری، به‌طور گسترده در مسائل بهینه‌سازی سیستم‌های قدرت به‌کار گرفته شده است [7] . بنابراین، بررسی و ارزیابی تأثیر به‌کارگیری میکروگریدهای تجدیدپذیر بهینه‌شده با استفاده از الگوریتم GWO بر تاب‌آوری شبکه‌های توزیع در شرایط بحرانی، از منظر فنی و راهبردی، ضروری به‌نظر می‌رسد. تاب‌آوری یکی از مفاهیم نوظهور در حوزه سیستم‌های قدرت است که در دهه اخیر، به‌ویژه در مواجهه با تهدیدات طبیعی، فنی و انسانی، توجه ویژه‌ای را به خود جلب کرده است. این مفهوم فراتر از قابلیت اطمینان و پایداری سنتی است و بر توانایی سیستم در جذب، تحمل، بازیابی و تطبیق در برابر اختلالات و بحران‌ها تأکید دارد [1-17] . در واقع، تاب‌آوری توانایی سیستم برای حفظ عملکرد قابل‌قبول در طول و پس از وقوع بحران‌ها، مانند زلزله، طوفان، قطع سراسری برق یا حملات سایبری است [2] . تاب‌آوری شبکه برق، بنا بر تعریف ارائه‌شده توسط [1] ، دارای چهار مؤلفه کلیدی است: 1. پیش‌بین: توانایی شناسایی تهدیدات بالقوه. 2. مقاومت: توانایی حفظ عملکرد اولیه در هنگام وقوع بحران. 3. بازیابی: توانایی بازگشت سریع به وضعیت نرمال. 4. سازگاری: توانایی یادگیری از بحران و بهبود ساختار سیستم.