[논문 리뷰] Optimal DG allocation and sizing in power system networks using swarm-based algorithms

Kayode E. Adetunji, I.W. Hofsajer외 1명|arXiv (Cornell University)|2020. 02. 19.

Optimal Power Flow Distribution참고 문헌 38인용 수 6

한 줄 요약

이 논문은 메시 구조의 송전망에 분산 전원(DG) 단위의 최적 배치 및 크기 결정을 위해 입자군집최적화(PSO)와 고래사냥최적화알고리즘(WOA)을 융합한 하이브리드 접근법을 제안한다. 손실 민감도 계수(LSF)를 활용한 후보 버스 선별과 메타휴리스틱 최적화를 조합함으로써, 양 알고리즘 모두 실력과 무효력을 크게 감소시키며, 기술경제적 제약 조건 하에서 WOA가 손실 최소화 및 전압 프로파일 향상에서 PSO를 능가한다. IEEE 14-버스 및 30-버스 시스템에서 검증됨.

ABSTRACT

Distributed generation (DG) units are power generating plants that are very important to the architecture of present power system networks. The benefit of the addition of these DG units is to increase the power supply to a network. However, the installation of these DG units can cause an adverse effect if not properly allocated and/or sized. Therefore, there is a need to optimally allocate and size them to avoid cases such as voltage instability and expensive investment costs. In this paper, two swarm-based meta-heuristic algorithms, particle swarm optimization (PSO) and whale optimization algorithm (WOA) were developed to solve optimal placement and sizing of DG units in the quest for transmission network planning. A supportive technique, loss sensitivity factors (LSF) was used to identify potential buses for optimal location of DG units. The feasibility of the algorithms was confirmed on two IEEE bus test systems (14- and 30-bus). Comparison results showed that both algorithms produce good solutions and they outperform each other in different metrics. The WOA real power loss reduction considering techno-economic factors in the IEEE 14-bus and 30-bus test system are 6.14 MW and 10.77 MW, compared to the PSOs' 6.47 MW and 11.73 MW respectively. The PSO has a more reduced total DG unit size in both bus systems with 133.45 MW and 82.44 MW compared to WOAs' 152.21 MW and 82.44 MW respectively. The paper unveils the strengths and weaknesses of the PSO and the WOA in the application of optimal sizing of DG units in transmission networks.

연구 동기 및 목표

• 송전망에서 하위 최적의 DG 배치 및 크기 설정이 초래하는 손실 증가 및 전압 불안정 문제를 해결하기 위함.
• 기술 성능과 경제적 타당성을 균형 잡는 강력한 메타휴리스틱 기반 최적 DG 할당 방법 개발.
• 실력과 무효력 손실 최소화 및 전압 프로파일 향상 측면에서 PSO와 WOA의 성능 평가 및 비교.
• 최적 DG 배치를 위한 탐색 공간을 줄이기 위해 손실 민감도 계수(LSF)를 사전 처리 기법으로 통합.
• 실제 투자 및 운영 비용을 반영하기 위해 경제적 제약 조건을 최적화 프레임워크에 통합한 영향 평가.

제안 방법

• 실력 손실에 대한 민감도가 높은 후보 버스를 선별하기 위해 손실 민감도 계수(LSF)를 계산함으로써 DG 설치를 위한 탐색 공간을 좁힘.
• LSF로 선별된 후보 버스에 대해 PSO 및 WOA 메타휴리스틱 알고리즘을 적용하여 DG 단위의 크기 및 할당 최적화.
• 두 개의 목적 함수를 사용함: (1) 실력 및 무효력 손실 최소화와 전압 프로파일 향상에 중점을 둔 기술적 목적 함수, (2) 투자 및 운영 비용 제약 조건을 통합한 기술경제적 목적 함수.
• 알고리즘은 IEEE 14-버스 및 30-버스 테스트 시스템에서 검증되었으며, 총 전력 손실, DG 단위 용량, 전압 프로파일 품질 등의 지표를 기반으로 결과 비교.
• 반복적인 최적화 과정을 거치며, 전력 손실, 전압 편차, 비용 구성 요소를 기반으로 피트니스 평가를 수행하고, 기술경제적 케이스에서는 가중 목적 함수를 사용.
• 다중 실행을 통한 수렴 분석 및 최종 해의 비교를 통해 각 알고리즘의 성능 평가.

실험 결과

연구 질문

• RQ1 메시 구조의 송전망에 DG 단위를 통합한 상황에서 PSO와 WOA는 실력과 무효력 손실을 얼마나 효과적으로 최소화하는가?
• RQ2 기술적 및 기술경제적 목적 함수 하에서 전압 프로파일 향상 측면에서 PSO와 WOA 중 어느 알고리즘이 더 우수한 성능를 보이는가?
• RQ3 순수 기술적 목적 함수에 비해 경제적 제약 조건을 통합할 경우 최적의 DG 크기 및 배치에 어떤 영향을 미치는가?
• RQ4 손실 민감도 계수(LSF)의 사용이 메타휴리스틱 최적화 과정의 효율성과 수렴 속도에 어떤 영향을 미치는가?
• RQ5 다양한 최적화 목적 함수 하에서 PSO와 WOA를 사용할 경우 총 DG 단위 용량과 전력 손실 감소 사이의 상충 관계는 어떠한가?

주요 결과

• 기술경제적 목적 함수 하에서 IEEE 14-버스 시스템에서 WOA는 실력 손실을 6.14 MW 감소시켰고, PSO는 6.47 MW 감소시켜 WOA가 손실 최소화에서 더 뛰어남.
• IEEE 30-버스 시스템에서 WOA는 기술경제적 목적 함수 하에 실력 손실을 10.77 MW 감소시켰고, PSO는 11.73 MW 감소시켜 WOA가 더 낮은 손실을 기록함.
• 기술적 목적 함수 하에서 IEEE 30-버스 시스템에서 PSO는 총 DG 단위 용량 58.106 MW를 기록했고, WOA는 137.547 MW로 더 높아, PSO가 크기 최적화 측면에서 더 효율적임.
• 기술경제적 목적 함수 하에서 IEEE 30-버스 시스템에서 PSO는 총 DG 용량 82.44 MW를 기록했고, WOA 역시 82.44 MW로 동일한 수준이었지만, WOA는 여전히 손실 최소화에서 더 뛰어남.
• 기술경제적 목적 함수 하에서 IEEE 30-버스 시스템에서 WOA는 무효력 손실을 45.870 MVaR로 기록하여 PSO의 49.167 MVaR보다 낮게 유지함.
• 기술경제적 목적 함수 하에서 IEEE 14-버스 시스템에서 WOA는 전압 프로파일 향상 측면에서 우수한 성능를 보였고, 반면 IEEE 30-버스 시스템에서는 PSO가 더 뛰어난 성능를 기록함.