شماره مدرك
21021
شماره راهنما
379 گلپايگان
پديد آورنده
اسدي، جعفر
عنوان
ارزيابي فني و اقتصادي استفاده از ادوات FACTS براي پخش بار بهينه در شبكه برق قم در راستاي تعديل بارگذاري خطوط انتقال و فوق توزيع منطقه
مقطع تحصيلي
كارشناسي ارشد
گرايش تحصيلي
سيستم هاي قدرت
محل تحصيل
اصفهان : دانشگاه صنعتي اصفهان
سال دفاع
1404
صفحه شمار
نه، 125ص، 68، 16: مصور، جدول، نمودار
توصيفگر ها
ادوات FACT , جبرانساز استاتيك وار (SVC) , يادگيري ماشين , محيط DPL-Python نرم افزار Digsilent , ارزيابي فني و اقتصادي , شبكه انتقال و فوقتوزيع برق قم
تاريخ ورود اطلاعات
1405/02/15
كتابنامه
كتابنامه
رشته تحصيلي
مهندسي برق
دانشكده
فني مهندسي گلپايگان
تاريخ ويرايش اطلاعات
1405/02/28
كد ايرانداك
23200238
چكيده فارسي
چكيده
در اين پژوهش به ارزيابي فني و اقتصادي ادوات FACTS با تمركز بر جبرانساز استاتيكي توان راكتيو (SVC) در شبكه انتقال و فوقتوزيع استان قم پرداخته شده است. بهمنظور تعيين مكان و ظرفيت بهينه SVCها، از سه رويكرد هوشمند الگوريتم ازدحام ذرات (PSO)، يادگيري تقويتي (PPO) و يادگيري ماشين مبتني بر مدل جانشين (ALSO) بهره گرفته شده است. به منظور اعتبار سنجي ابتدا الگوريتمها بر روي شبكه استاندارد 57 باسه IEEE اجرا و صحت عملكرد آنها از نظر همگرايي و دقت نتايج تأييد گرديده است. سپس، با اعمال كدهاي توسعهيافته در محيط DPL-Python و نرمافزار Digsilent، بهينهسازي جايابي و تنظيم ظرفيت SVCها در شبكه واقعي قم انجام شده است. نتايج نشان ميدهد كه نصب SVCها در پستهاي منتخب، موجب بهبود قابلملاحظهاي در پروفيل ولتاژ، كاهش بارگذاري خطوط و افزايش پايداري ولتاژ شبكه ميگردد. همچنين، تحليل اقتصادي طرح حاكي از آن است كه الگوريتم ALSO در مقايسه با دو الگوريتم ديگر عملكرد بهتري از نظر كارايي و صرفه اقتصادي ارائه ميدهد. در نهايت، با در نظر گرفتن طرح توسعه شامل احداث خط 63 كيلوولت بين پستهاي قم 1 و جمكران، بهينهسازي انجامشده ميتواند بهعنوان مبنايي مؤثر براي تصميمگيري در توسعه پايدار شبكه انتقال قم مورد استفاده قرار گيرد.
چكيده انگليسي
Abstract
This research focuses on the technical and economic evaluation of FACTS devices, with an emphasis on Static Var Compensators (SVC), within the transmission and sub-transmission network of Qom province. To determine the optimal placement and capacity of SVC units, two intelligent optimization approaches-Particle Swarm Optimization (PSO) and Proximal Policy Optimization (PPO)-were employed. The algorithms were first tested on the IEEE 57-bus standard network to validate their accuracy and convergence behavior. Subsequently, the developed Python-based codes were implemented in the DIgSILENT PowerFactory environment to optimize the location and reactive power rating of SVCs in the real Qom network. The results demonstrate that installing SVCs at the proposed substations, such as Ghaleh Kamkar and Sayyar Yazdanshahr, significantly improves voltage profiles, reduces line loading, and enhances overall voltage stability. Furthermore, the economic assessment indicates that the PSO algorithm outperforms PPO in terms of both efficiency and cost-effectiveness. Finally, considering the proposed development plan, which includes constructing a new 63 kV transmission line between Qom 1 and Jamkaran substations, the optimized configuration can serve as a practical and reliable foundation for sustainable network expansion and operational planning in Qom’s power system.
استاد راهنما
حميدرضا عبدالمحمدي
استاد مشاور
اعظم سادات حسين زاده صلوتي
استاد داور
امير حسيني , محمداسماعيل نظري