energyЭнергетика. Известия высших учебных заведений и энергетических объединений СНГENERGETIKA. Proceedings of CIS higher education institutions and power engineering associations1029-74482414-0341BNTU10.21122/1029-7448-2022-65-4-341-354energy-2180Research ArticleЭЛЕКТРОЭНЕРГЕТИКАELECTRICAL POWER ENGINEERINGОптимизация топологии сети с ВИЭ-генерацией на основе модифицированного адаптированного генетического алгоритмаTopology Optimization of the Network with Renewable Energy Sources Generation Based on a Modified Adapted Genetic AlgorithmБраммА. М.BrammA. M.

Екатеринбург

Ekaterinburg

dsekatski@gmail.comХальясмааА. И.KhalyasmaaA. I.

Новосибирск

Ekaterinburg; Novosibirsk

dsekatski@gmail.comЕрошенкоС. А.EroshenkoS. A.

Екатеринбург; Новосибирск

Ekaterinburg; Novosibirsk

dsekatski@gmail.comМатренинП. В.MatreninP. V.

Новосибирск

Novosibirsk

dsekatski@gmail.comПопковаН. А.PapkovaN. A.

г. Минск

Minsk

dsekatski@gmail.comСекацкийД. А.SekatskiD. A.

Адрес для переписки: Секацкий Дмитрий Александрович -Белорусский национальный технический университет, просп. Независимости, 65/2,220013, г. Минск, Республика Беларусь.Тел.: +375 17 292-65-82dsekatski@gmail.com

Address for correspondence:Sekatski Dzmitry A. _Belаrusian National Technical University,65/2, Nezavisimosty Ave.,220013, Minsk, Republic of Belarus.Tel.: +375 17 292-65-82dsekatski@gmail.com

dsekatski@gmail.comУральский федеральный университет имени первого Президента России Б. Н. ЕльцинаРоссияUral Federal University named after the first President of Russia B. N. YeltsinRussian FederationУральский федеральный университет имени первого Президента России Б. Н. Ельцина; Новосибирский государственный технический университетРоссияUral Federal University named after the first President of Russia B. N. Yeltsin; Novosibirsk State Technical UniversityRussian FederationНовосибирский государственный технический университетРоссияNovosibirsk State Technical UniversityRussian FederationБелорусский национальный технический университетБеларусьBelаrusian National Technical UniversityBelarus202202082022654341354Copyright © Брамм А.М., Хальясмаа А.И., Ерошенко С.А., Матренин П.В., Попкова Н.А., Секацкий Д.А., 20222022Брамм А.М., Хальясмаа А.И., Ерошенко С.А., Матренин П.В., Попкова Н.А., Секацкий Д.А.Bramm A.M., Khalyasmaa A.I., Eroshenko S.A., Matrenin P.V., Papkova N.A., Sekatski D.A.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://energy.bntu.by/jour/article/view/2180

В статье представлен разработанный авторами адаптивный генетический алгоритм, позволяющий оптимизировать топологию электрической сети с распределенной генерацией на основе биоинспирированных методов. Объекты исследования – 15-узловая схема электрической сети с фотоэлектрическими станциями и 14-узловая дополненная схема IEEE с источниками распределенной генерации (три ветровые и две фотоэлектрические станции). Моделирование режимов электроэнергетических систем выполнено с использованием находящейся в открытом доступе библиотеки Pandapower для языка программирования Python. Рассмотрены три типа электрической нагрузки потребителей, отражающие характер потребления электроэнергии в узлах реальных электроэнергетических систем, приведены результаты численных исследований. В предложенном генетическом алгоритме применены две различные функции скрещивания, функции мутации, отбора лучших индивидов и массовой мутации (полного обновления популяции). В конце каждой итерации работы алгоритма выводятся статистические зависимости, характеризующие его работу: лучшая (минимальные потери) и средняя приспособленность в популяции, список лучших индивидов на протяжении всех итераций и т. д. Верификация производилась в сравнении с результатами, полученными методом полного перебора возможных радиальных конфигураций системы, и показала, что разработанный генетический алгоритм обладает быстрой сходимостью, высокой точностью и способен корректно работать при различных конфигурациях схем электрических сетей, структурах генерации и нагрузки. Алгоритм может применяться совместно с системами прогнозирования ВИЭ-генерации на сутки вперед при планировании режимов работы энергообъединений с целью минимизации издержек на покрытие потерь электроэнергии и улучшения качества отпускаемой электроэнергии.

The article presents an adaptive genetic algorithm developed by the authors, which makes it possible to optimize the topology of a power network with distributed generation. The optimization was based on bioinspired methods. The objects of the study were a 15-node circuit of a power net-work with photovoltaic stations and a 14-node IEEE augmented circuit with distributed generation sources (three wind farms and two photovoltaic plants). The simulation of the modes of electric power systems was performed using the Pandapower library for the Python programming language, which is in the public domain. Three types of electric load of consumers were considered, reflecting the natures of electricity consumption in the nodes of real electric power systems, the results of numerical studies were presented. The proposed genetic algorithm used two different functions of interbreeding, the function of mutation, selection of the best individuals and mass mutation (complete population renewal). At the end of each iteration of the algorithm operation, statistical dependencies were de-rived that characterized its work: the best (minimal losses) and average adaptability in the population, a list of the best individuals throughout all iterations, etc. The verification was carried out in comparison with the results obtained by a complete search of possible radial configurations of the system, and it showed that the developed genetic algorithm had fast convergence, high accuracy and was able to work correctly with different configurations of electrical circuits, generation and load structures. The algorithm can be used in conjunction with renewable energy sources generation forecasting systems for the day ahead when planning the operating modes of power units in order to minimize the costs of covering electricity losses and improve the quality of electricity supplied.

распределенная генерацияоптимизация режимовгенетический алгоритмсолнечная энергетикаметаэвристические методыреструктуризацияраспределительная сетьпотери электроэнергииграфик нагрузкиdistributed generationmode optimizationgenetic algorithmsolar energymetaheuristic methodsrestructuringdistribution networkpower lossesload curveReferencesZhu, Y. An Improved Genetic Algorithm for Power Grid / Y. Zhu, X. Guo, J. Li // 2009 Fifth International Conference on Information Assurance and Security. Ottawa, 2009. P. 455–458. https://doi.org/10.1109/IAS.2009.86.Zhu Y., Guo X., Li J. (2009) An Improved Genetic Algorithm for Power Grid. 2009 Fifth International Conference on Information Assurance and Security. Ottawa. 455–458. https://doi.org/10.1109/IAS.2009.86.Dongmei, Z. Reactive Power Optimization by Genetic Algorithm Integrated with Reduced Gradient Method / Z. Dongmei, W. Pei, Z. Xu // 2014 IEEE Workshop on Advanced Research and Technology in Industry Applications (WARTIA). 2014. P. 838–841. https://doi.org/10.1109/WARTIA.2014.6976403.Dongmei Z., Pei W., Xu Z. (2014) Reactive Power Optimization by Genetic Algorithm Integrated with Reduced Gradient Method. 2014 IEEE Workshop on Advanced Research and Technology in Industry Applications (WARTIA), 838–841. https://doi.org/10.1109/WARTIA.2014.6976403.Zhang, J. Reactive Power Optimization of Distribution Network Based on an Improved Genetic Algorithm / J. Zhang, T. Huang, H. Zhang // 2005 IEEE/PES Transmission & Distribution Conference & Exposition: Asia and Pacific. Dalian, 2005. P. 1–4. https://doi.org/10.1109/TDC.2005.1546960.Zhang J., Huang T., Zhang H. (2005) The Reactive Power Optimization of Distribution Network Based on an Improved Genetic Algorithm. 2005 IEEE/PES Transmission & Distribution Conference & Exposition: Asia and Pacific. Dalian, 1–4. https://doi.org/10.1109/TDC.2005.1546960.Bramm, A. Optimal Reconfiguration of Distribution Network with Solar Power Plants / A. Bramm, S. Eroshenko // 2021 Ural-Siberian Smart Energy Conference (USSEC). Novosibirsk, 2021. P. 1–5. https://doi.org/10.1109/USSEC53120.2021.9655718.Bramm A., Eroshenko S. (2021) Optimal Reconfiguration of Distribution Network with Solar Power Plants. 2021 Ural-Siberian Smart Energy Conference (USSEC). Novosibirsk, 1–5. https://doi.org/10.1109/USSEC53120.2021.9655718.Фурсанов, М. И. Совершенствование методики расчета установившихся режимов городских электрических сетей с учетом потребительских энергоисточников / М. И. Фурсанов, А. А. Золотой // Энергетика. Изв. высш. учеб. заведений и энерг. объединений СНГ. 2019. Т. 62, № 6. С. 514–527. https://doi.org/10.21122/1029-7448-2019-62-6-514-527.Fursanov M. I., Zalotoy A. А. (2019) Improvement of the Method of Calculation of Steady-State Modes of Urban Electric Networks Taking into Account Consumer Energy Sources. Enеrgеtika. Izvestiya Vysshikh Uchebnykh Zavedenii i Energeticheskikh Ob’edinenii SNG = Energetika. Proceedings of CIS Higher Education Institutions and Power Engineering Associations, 62 (6), 514–527. https://doi.org/10.21122/1029-7448-2019-62-6-514-527 (in Russian).Smart Grids [Electronic Resource] // IEA. Mode of access: https://www.iea.org/reports/ smartgrids. Date of access: 01.03.2021.Smart Grids. IEA. Available at: https://www.iea.org/reports/smart-grids (Аccessed 1 March 2021).Renewable Capacity Statistics 2020 [Electronic Resource] / International Renewable Energy Agency (IRENA). 2021. Mode of access: https://irena.org/-/media/Files/IRENA/Agency/Publication/2020/Mar/IRENA_RE_Capacity_Statistics_2020.pdf. Date of access: 01.03.2021.International Renewable Energy Agency IRENA (2020). Renewable Capacity Statistics 2020. Available at: https://irena.org/-/media/Files/IRENA/Agency/Publication/2020/Mar/IRENA_ RE_Capacity_Statistics_2020.pdf.Strategic Planning of Renewable Energy Sources Implementation Following the Country-Wide Goals of Energy Sector Development / A. Khalyasmaa [et al.] // 2020 International Conference on Smart Technologies in Computing, Electrical and Electronics (ICSTCEE). 2020. P. 433–438. https://doi.org/10.1109/ICSTCEE49637.2020.9277484.Khalyasmaa A., Eroshenko S., Bramm A., Tran D. C., Chakravarthi Teja P., Hariprakash R. (2020) Strategic Planning of Renewable Energy Sources Implementation Following the Country-Wide Goals of Energy Sector Development. 2020 International Conference on Smart Technologies in Computing, Electrical and Electronics (ICSTCEE), 433–438. https://doi.org/10.1109/ICSTCEE49637.2020.9277484.Microgrid Development for Remote Residential Customers Power Supply / A. Khalyasmaa [et al.] // 2020 International Conference on Smart Technologies in Computing, Electrical and Electronics (ICSTCEE). 2020. P. 186–190. https://doi.org/10.1109/ICSTCEE49637.2020.9276813.Khalyasmaa A., Eroshenko S., Bramm A., Chakravarthi Teja P., Hariprakash R. (2020) Microgrid Development for Remote Residential Customers Power Supply. 2020 International Conference on Smart Technologies in Computing, Electrical and Electronics (ICSTCEE), 186–190. https://doi.org/10.1109/ICSTCEE49637.2020.9276813.Aburiyana, G. An Overview of Forecasting Techniques for Load, Wind and Solar Powers / G. Aburiyana, M. E. El-Hawary // 2017 IEEE Electrical Power and Energy Conference (EPEC). 2017. P. 1–7. https://doi.org/10.1109/EPEC.2017.8286192.Aburiyana G., El-Hawary M. E. (2017) An Overview of Forecasting Techniques for Load, Wind and Solar Powers. 2017 IEEE Electrical Power and Energy Conference (EPEC), 1–7. https://doi.org/10.1109/EPEC.2017.8286192.Jurj, D. I. Overview of Electrical Energy Forecasting Methods and Models in Renewable Energy / D. I. Jurj, D. D. Micu, A. Muresan // 2018 International Conference and Exposition on Electrical And Power Engineering (EPE), Iasi, 18–19 October 2018. P. 87–90. https://doi.org/10.1109/ICEPE.2018.8559807.Jurj D. I., Micu D. D., Muresan A. (2018) Overview of Electrical Energy Forecasting Methods and Models in Renewable Energy. 2018 International Conference and Exposition on Electrical аnd Power Engineering (EPE), 87–90. https://doi.org/10.1109/ICEPE.2018.8559807.Solar Power Prediction Based on Satellite Images and Support Vector Machine / H. S. Jang [et al.] // IEEE Transactions on Sustainable Energy. 2016. Vol. 7, Iss. 3. P. 1255–1263. https://doi.org/10.1109/TSTE.2016.2535466.Jang H. S., Bae K. Y., Park H.-S., Sung D. K. (2016) Solar Power Prediction Based on Satellite Images and Support Vector Machine. IEEE Transactions on Sustainable Energy, 7 (3), 1255–1263. https://doi.org/10.1109/TSTE.2016.2535466.Фурсанов, М. И. Об управлении режимами городских электрических сетей в условиях SMART GRID / М. И. Фурсанов, А. А. Золотой // Энергетика. Изв. высш. учеб. заведений и энерг. объединений СНГ. 2018. Т. 61, № 1. С. 15–27. https://doi.org/10.21122/1029-7448-2018-61-1-15-27.Fursanov M. I., Zаlotoy А. А. (2018) On the Management of Urban Electric Networks in the Conditions of the SMART GRID. Enеrgеtika. Izvestiya Vysshikh Uchebnykh Zavedenii i Energeticheskikh Ob’edinenii SNG = Energetika. Proceedings of CIS Higher Education Institutions and Power Engineering Associations, 61 (1), 15–27. https://doi.org/10.21122/1029-7448-2018-61-1-15-27 (in Russian).Bioinspired Optimization Methods and Their Applications: 9th International Conference, BIOMA 2020, Brussels, November 19–20, 2020. Proceedings / under ed. B. Filipič [et al.]. Springer Nature Switzerland, 2020. 322 p. (Lecture Notes in Computer Science, vol. 12438). https://doi.org/10.1007/978-3-030-63710-1.Filipičed B. (ed.) [et al.] (2020) Bioinspired Optimization Methods and Their Applications: 9th International Conference, BIOMA 2020, Brussels, November 19–20, 2020. Lecture Notes in Computer Science, 12438. Springer Nature Switzerland. 322 https://doi.org/10.1007/978-3-030-63710-1.Immanuel, S. D. Genetic Algorithm: An Approach on Optimization / S. D. Immanuel, U. K. Chakraborty // 2019 International Conference on Communication and Electronics Systems (ICCES). 2019. P. 701–708. https://doi.org/10.1109/ICCES45898.2019.9002372Immanuel S. D., Chakraborty U. K. (2019) Genetic Algorithm: An Approach on Optimization. International Conference on Communication and Electronics Systems (ICCES), 701–708.

The authors declare that there are no conflicts of interest present.