عنوان پایان‌نامه

بهره برداری از نیروگاه بادی با در نظر گرفتن بهبود شاخصه های قابلیت اطمینان



    دانشجو در تاریخ ۱۳ تیر ۱۳۹۰ ، به راهنمایی ، پایان نامه با عنوان "بهره برداری از نیروگاه بادی با در نظر گرفتن بهبود شاخصه های قابلیت اطمینان" را دفاع نموده است.


    محل دفاع
    کتابخانه دانشکده برق و کامپیوتر شماره ثبت: E1973;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 50411;کتابخانه مرکزی پردیس 2 فنی شماره ثبت: E 1973
    تاریخ دفاع
    ۱۳ تیر ۱۳۹۰
    دانشجو
    مهدی معارف

    در سالهای‌ اخیر به علت‌ بحران‌ انرژی،‌ استفاده‌ از انرژی‌های‌ نو، از جمله‌ نیروی‌ باد برای تولید انرژی‌الکتریکی‌ مورد توجه‌ بسیار‌ قرار گرفته ¬است‌. در این بین به علت‌ مزیت‌هایی‌ که‌ واحدهای بادی با ژنراتور القایی دوسو تغذیه (DFIG) دارند، درصد قابل توجهی از نیروگاه¬های بادی به واحدهای DFIG تخصیص یافته ¬است. از آنجا که با توسعه واحد¬های بادی، سهم انرژی تولیدی توسط باد، به سرعت در حال افزایش است، نیاز به افزایش قابلیت¬اطمینان برق تولیدی توسط توربین¬های بادی به شدت احساس می¬شود. به این منظور ارائه مدل دقیقی از شبکه قابلیت¬اطمینان واحد بادی DFIG اجتناب¬ناپذیر است. از آنجا که در شبکه¬های گسترده¬ی قابلیت اطمینان، حجم محاسبات به شدت افزایش می¬یابد، در این پایان¬نامه برای ارائه¬ی مدل قابلیت اطمینان DFIG ، از ایده¬ی تفکیک واحد بادی به سیستم¬ها و زیر سیستم¬های تشکیل¬دهنده¬ی آن استفاده شده¬است. لذا با توجه به عملکرد واحد بادی مدل قابلیت-اطمینان هر کدام از سیستم¬ها و زیرسیستم¬های آن به صورت مجزا محاسبه شده و در نهایت با یکپارچه کردن این مدل¬ها، شبکه نهایی قابلیت¬اطمینان واحد بادی DFIG حاصل گردیده و شاخص¬های قابلیت اطمنیان این نوع واحد بادی محاسبه شده است. تفاوت عمده¬ در بررسی قابلیت¬اطمینان نیروگاه بادی با نیروگاه¬های دیگر تولید توان وابستگی توان خروجی واحد بادی به یک عامل متغیر، یعنی سرعت وزش باد است. به دلیل غیر دائمی و متغیر بودن سرعت باد و با توجه به اینکه توان تولید شده توسط توربین¬های بادی کاملا وابسته به سرعت باد است ، توان خروجی نیروگاه بادی پدیده ای تصادفی بوده و با زمان تغییر می¬کند. بنابر¬این، به منظور ارائه¬ی مدل نهایی قابلیت¬اطمینان یک واحد بادی، باید علاوه بر پارامترهای قابلیت¬اطمینان اجزای واحد بادی، توزیع احتمالی شدت وزش باد در منطقه¬ی بهره¬برداری نیز،در نظر گرفته شود. بنابراین مدل به دست آمده باید متاثر از رفتار تصادفی باد بررسی شود. به بیان دیگر واحد بادی در شرایط عدم قطعیت در وزش باد باید مدل¬سازی شود. در نهایت در این پایان¬نامه با تعمیم مدل به دست آمده برای یک واحد بادی به مزرعه¬ی بادی و قرار دادن آن در یک شبکه¬ی تست، شاخص¬های قابلیت¬اطمینان سیستم قدرت در حضور واحد بادی ارزیابی گردیده است.
    Abstract
    Nowadays, wind energy has gained significant attention to produce electric power because of energy and environment crisis worldwide. Due to advantages of doubly fed induction generator (DFIG), a noticeable percentage of wind turbines have been built based on DFIG. Due to the growing contribution of wind turbines in energy production, reliability of electricity produced by wind turbines is highly dependent on the reliability of each wind turbine unit (WTG). This thesis presents an accurate model for calculating the DFIG based wind unit reliability based on reliability of its components. The reliability calculations of a WTGs based on conventional methods suffer shortcomings such as high computational burden and low accuracy due to their simplifying assumptions. Thus, a more accurate method has been proposed here to calculate the reliability based on Markov process by defining the absorbing states for a WTG. Also, relations for calculating Mean Time to Failure (MTTF) of the WTG are derived and formulated. But the output power of a wind turbine is a random phenomenon because of dependency on wind speed. Therefore, in order to evaluate wind farm’s effect on power system reliability, it is necessary to consider both wind turbine reliability model and the probability distribution function of wind. In this thesis, a new reliability model based on Markov chain is presented. The number of states in this model can be increased to achieve higher accuracy. The model is simulated in a test power system and the grid reliability indices are evaluated using the proposed model. The results indicate that fairly accurate reliability indices can be obtained by assuming the proposed model without increasing computational burdens.