23890

ELE2 464

كارشناسي ارشد

مهندسي برق- سيستم هاي قدرت

مركز آموزش عالي شهرضا

1403/06/27

85 ص.

محمد حسن اميريون

سيد سپهرالدين طباطبائي

تاب‌آوري , پايش خسارت , پهپاد , حوادث طبيعي شبكه , شبكه توزيع

هنگامي كه يك بلاي طبيعي رخ مي‌دهد، فوري‌ترين اقدام اين است كه به سرعت منطقه آسيب ديده شناسايي شود و خدمه تعمير را جهت يازيابي خطوط آسيب ديده به سمت بحراني‌ترين نقاط شبكه اعزام كرد. استفاده از پرنده بدون سرنشين به طور قابل توجهي مدت زمان آسيب سيستم توزيع پس از فاجعه را كاهش داده و باعث افزايش انعطاف‌پذيري سيستم‌هاي قدرت مي‌شود. اين مطالعه يك روش مناسب براي پيدا كردن مناطقي كه بيشترين احتمال آسيب را دارد بيان مي‌كند و هدف اصلي آن به حداقل رساندن مدت زمان ماموريت بوده كه شامل اسكن شبكه و شناسايي منطقه آسيب ديده است. در واقع، با شناسايي منطقه آسيب ديده مي‌شود در كمترين زمان ممكن تيم عمليات امداد و نجات را به آن نقطه اعزام كرده و در سريعترين زمان ممكن شبكه را رفع عيب كرد. در اين راستا در اين پايان‌نامه يك چارچوب ارائه شده است كه با بهره‌گيري از منحني‌هاي شناسايي مناطق آسيب‌پذيري كه شامل اهميت شاخص انرژي، وسعت طول منطقه و خطرپذيري بوده است منجر به تصميم‌گيري در انتخاب اولويت منطقه‌ايي كه احتمال آسيب بيشتري را خواهد داشت مي‌شود. درچارچوب پيشنهادي بر روي شبكه 33 باسه IEEE در مطالعات موردي مختلف به همراه نتايج عددي حاصل از شبيه‌سازي، عملكرد موثر روش پيشنهادي در افزايش تاب‌آوري شبكه توزيع در مقابل با طوفان راتاييد مي‌كند. در اين پژوهش يك مدل بهينه‌سازي براي كاهش زمان بازيابي شبكه آسيب ديده كه توسط تيم‌هاي عملياتي انجام مي‌گيرد ارائه شده است. براي به حداقل رساندن مدت زمان ماموريت كه شامل اسكن شبكه و شناسايي اجزاي آسيب ديده مي‌باشد نتايجي حاصل شده است كه ذكر مي‌گردد. مسئله بهينه سازي به صورت يك برنامه عدد صحيح مختلط با فرم MIP درنرم‌افزار گمز كدنويسي مي‌شود و يك راه‌حل مناسب از خروجي اين مدل‌سازي مسير وزمان مناسب تعميرات وبازيابي شبكه آسيب ديده خواهد بود.

Resilience , Damage monitoring , UAV , Network natural disasters , Distribution network

Providing a suitable approach for prioritizing network monitoring routes by UAV after severe natural disasters

مهندسي برق

When a natural disaster occurs, the most immediate action is to quickly identify the damaged area and send the repair crew to the most critical points of the network to locate the damaged lines. The use of drones significantly reduces the duration of damage to the distribution system after a disaster and increases the resilience of power systems. This study describes a suitable method to find the areas that have the highest probability of damage, and its main goal is to minimize the duration of the mission, which includes scanning the network and identifying the damaged area. In fact, by identifying the damaged area, the rescue operation team can be sent to that point in the shortest possible time and the network will be repaired as soon as possible. In this regard, a framework has been presented in this thesis, which by using the curves for identifying vulnerable areas, which includes the importance of the energy index, the length of the area, and the riskiness, leads to a decision in choosing the priority of the areas that will be more likely to be damaged. In the proposed framework on IEEE 33-bus network, in different case studies along with numerical results from simulation, the effective performance of the proposed method in increasing the resilience of the distribution network against storms is confirmed. In this research, an optimization model has been presented to reduce the recovery time of the damaged network, which is carried out by operational teams. In order to minimize the duration of the mission, which includes network scanning and identification of damaged components, the following results have been obtained. The optimization problem is coded in the form of a mixed integer program with MIP form in Games software, and a suitable solution from the output of this modeling will be the appropriate path and time for repairing and restoring the damaged network.

5