Планирање развоја дистрибутивних мрежа коришћењем унапређеног хеуристичког приступа

Abstract

У раду је презентован нови хибридни алгоритам симулираног каљења (SA) и мешовитог целобројног линеарног програмирања (MILP) за статичко планирање радијалних дистрибутивних мрежа са дистрибутивним генераторима. Oвде је развијен један нови статички алгоритам који уважава: инвестиционе трошкове,уважава трошкове губитака, трошкове прекида напајања потрошача услед кварова на гранама и дистрибутивним генераторима, као и трошкове губитака производње дистрибутивних генератора услед кварова на гранама. Проблем планирања развоја дистрибутивних мрежа је најпре моделован као проблем целобројног мешовитог целобројног линеарног програмирања (MILP) са циљем минимизације наведених трошкова. Да би се смањила комплексност проблема планирања, предложена је декомпозиција проблема на низ мањих подпроблема (локалних мрежа) које се решавају MILP моделом. Поступак SA декомпозиције и решавања итератативно је вођен и контролисан са предложеним алгоритмом који укључује механизам интензификације и диверзификације како би се постигло крајње решење. Применом алгоритма на реалним мрежама очекује се да нови хеуристичкичекује алгоритам генерише квалитетније планове развоја од хеуристичких алгоритама и алгоритама заснованих на вештачкој интелигенцији који су до сада развијени. Решења добијена применом развијеног алгоритма ће бити упоређена са правим глобалним оптимумом, и на основу тога ће се дефинисати његов квалитет.

U radu je prezentovan novi hibridni algoritam simuliranog kaljenja (SA) i mešovitog celobrojnog linearnog programiranja (MILP) za statičko planiranje radijalnih distributivnih mreža sa distributivnim generatorima. Ovde je razvijen jedan novi statički algoritam koji uvažava: investicione troškove,uvažava troškove gubitaka, troškove prekida napajanja potrošača usled kvarova na granama i distributivnim generatorima, kao i troškove gubitaka proizvodnje distributivnih generatora usled kvarova na granama. Problem planiranja razvoja distributivnih mreža je najpre modelovan kao problem celobrojnog mešovitog celobrojnog linearnog programiranja (MILP) sa ciljem minimizacije navedenih troškova. Da bi se smanjila kompleksnost problema planiranja, predložena je dekompozicija problema na niz manjih podproblema (lokalnih mreža) koje se rešavaju MILP modelom. Postupak SA dekompozicije i rešavanja iteratativno je vođen i kontrolisan sa predloženim algoritmom koji uključuje mehanizam intenzifikacije i diverzifikacije kako bi se postiglo krajnje rešenje. Primenom algoritma na realnim mrežama očekuje se da novi heurističkičekuje algoritam generiše kvalitetnije planove razvoja od heurističkih algoritama i algoritama zasnovanih na veštačkoj inteligenciji koji su do sada razvijeni. Rešenja dobijena primenom razvijenog algoritma će biti upoređena sa pravim globalnim optimumom, i na osnovu toga će se definisati njegov kvalitet.

In this paper, we present a new hybrid algorithm of simulated annealing and mixed integer linear programming for static planning radial distribution networks with distribution generators. It was developed a new static algorithm that takes into account: investment costs, losses, costs a power of consumers due to faults on theestment branches and distribution generators, as well as the cost of loss of production of distribution of generators due to faults on the branches. The problem of planning the development of the distribution network is first modeled as a mixed integer problem of integer linear programming with the goal of minimizing those costs. To reduce the complexity of the planning problem, the proposed decomposition problem in a number of smaller sub-probproblems (local network) which are dealt model. The process of decomposition and solving iteratativno is managed and controlled with the proposed algorithm, which includes a mechanism of intensification and diversification to achieve a final solution. By applying the algorithm on real networks, it is expected that new heuristic algorithm generates better plans for the development of heuristic algorithms and algorithms based on artificial intelligence that have been developed. Solutions obtained using the developed heuristic algorithm will be compared with the real global optimum, and on that basis will also define their quality.