Upload
others
View
1
Download
0
Embed Size (px)
Citation preview
SVEUČILIŠTE U ZAGREBU
FAKULTET ELEKTROTEHNIKE I RAČUNARSTVA
DIPLOMSKI RAD br. 1819
PROGRAMSKA PODRŠKA PLANIRANJU
SREDNJONAPONSKIH DISTRIBUCIJSKIH
MREŽA PODRŽANA GEOGRAFSKIM
INFORMACIJSKIM SUSTAVIMA
Tomislav Antić
Zagreb, lipanj 2019
SVEUČILIŠTE U ZAGREBU
FAKULTET ELEKTROTEHNIKE I RAČUNARSTVA
DIPLOMSKI RAD br. 1819
PROGRAMSKA PODRŠKA PLANIRANJU
SREDNJONAPONSKIH DISTRIBUCIJSKIH
MREŽA PODRŽANA GEOGRAFSKIM
INFORMACIJSKIM SUSTAVIMA
Tomislav Antić
Zagreb, lipanj 2019.
Sadržaj 1. UVOD ....................................................................................................................................... 1
2. DISTRIBUCIJSKE MREŽE ................................................................................................... 3
3. PRIPREMA PODATAKA ...................................................................................................... 7
3.1. Trafostanice ................................................................................................................... 8
3.2. Dionice ............................................................................................................................ 9
4. EVOLUCIJSKI ALGORITMI ............................................................................................... 12
4.1. Genetski algoritmi ...................................................................................................... 13
4.1.1. Općenito o genetskim algoritmima ................................................................ 13
4.1.2. Genetski algoritam u CADDiN-u ...................................................................... 15
4.1.3. Parametri genetskih algoritama ugrađenih u CADDiN .............................. 16
4.1.4. Konvergencija genetskog algoritma .............................................................. 18
4.1.4.1. Valjanost rješenja ....................................................................................... 18
4.1.4.2. Prebrza konvergencija algoritma ............................................................ 18
4.1.4.3. Prespora konvergencija algoritma ......................................................... 19
5. ULAZNE DATOTEKE .......................................................................................................... 20
5.1. Matrica troškova 1 ...................................................................................................... 22
5.2. Matrica troškova 2 ...................................................................................................... 23
6. PARAMETRI OPTIMIRANJA PRSTENASTE MREŽE .................................................. 24
6.1. Energetski parametri ................................................................................................. 24
6.2. Troškovni parametri ................................................................................................... 25
7. REZULTATI OPTIMIRANJA .............................................................................................. 26
7.1. Prvi slučaj ..................................................................................................................... 27
7.2. Drugi slučaj .................................................................................................................. 29
7.3. Treći slučaj ................................................................................................................... 32
7.4. Četvrti slučaj ................................................................................................................ 34
7.5. Peti slučaj ..................................................................................................................... 36
7.6. Šesti slučaj ................................................................................................................... 38
8. USPOREDBA I ANALIZA REZULTATA .......................................................................... 41
9. ZAKLJUČAK ........................................................................................................................ 44
10. LITERATURA ................................................................................................................... 46
SAŽETAK ...................................................................................................................................... 47
SUMMARY .................................................................................................................................... 48
Popis slika Slika 2.1 Struktura distribucijskih mreža ...................................................................................... 3
Slika 2.2 Pogonski otvorena prostorno otvorena mreža ........................................................... 4
Slika 2.3 Prstenasta distribucijska mreža .................................................................................... 5
Slika 2.4 Povezna distribucijska mreža ....................................................................................... 6
Slika 3.1 Atributi trafostanice prikazani u GeoJSON formatu ................................................... 9
Slika 3.2 Atributi trafostanice prikazani u GeoJSON formatu ................................................. 11
Slika 4.1 Iteracijska petlja evolucijsko algoritma ...................................................................... 12
Slika 4.2 Osnovni način rada genetskog algoritma .................................................................. 14
Slika 7.1 Konfiguracija mreže nakon provedenog optimizacijskog postupka (slučaj 1) ...... 28
Slika 7.2 Konfiguracija mreže nakon provedenog optimizacijskog postupka (slučaj 2) ...... 30
Slika 7.3 Konfiguracija mreže nakon provedenog optimizacijskog postupka (slučaj 3) ...... 33
Slika 7.4 Konfiguracija mreže nakon provedenog optimizacijskog postupka (slučaj 4) ...... 35
Slika 7.5 Konfiguracija mreže nakon provedenog optimizacijskog postupka (slučaj 5) ...... 37
Slika 7.6 Konfiguracija mreže nakon provedenog optimizacijskog postupka (slučaj 6) ...... 39
Slika 8.1 Graf ovisnosti ukupnog troška o slučaju na kojem je provedeno optimiranje ...... 42
Slika 8.2 Graf ovisnosti pada napona (%) u redovnom pogonu za prsten 1 o stazi i slučaju
........................................................................................................................................................ 43
Popis tablica Tablica 3.1 Atributi i opisi trafostanica ......................................................................................... 7
Tablica 3.2 Atributi i opisi dionica ................................................................................................. 7
Tablica 7.1 Parametri za kreiranje ulaznih CADDiN datoteka ................................................ 26
Tablica 7.2 Energetski parametri i njihove vrijednosti ............................................................. 26
Tablica 7.3 Troškovni parametri i njihove vrijednosti ............................................................... 27
Tablica 7.4 Parametri genetskog algoritma za prvi slučaj....................................................... 27
Tablica 7.5 Varijanta optimiranja za prvi slučaj ........................................................................ 28
Tablica 7.6 Ukupni rezultat optimiranja za prvi slučaj.............................................................. 28
Tablica 7.7 Izvještaj za prsten 1 u prvom slučaju..................................................................... 29
Tablica 7.8 Izvještaj za prsten 2 u prvom slučaju..................................................................... 29
Tablica 7.9 Parametri genetskog algoritma za drugi slučaj .................................................... 30
Tablica 7.10 Varijanta optimiranja za drugi slučaj .................................................................... 31
Tablica 7.11 Ukupni rezultat optimiranja za drugi slučaj ......................................................... 31
Tablica 7.12 Izvještaj za prsten 1 u drugom slučaju ................................................................ 31
Tablica 7.13 Izvještaj za prsten 2 u drugom slučaju ................................................................ 32
Tablica 7.14 Parametri genetskog algoritma za treći slučaj ................................................... 32
Tablica 7.15 Varijanta optimiranja za treći slučaj ..................................................................... 33
Tablica 7.16 Ukupni rezultat optimiranja za treći slučaj .......................................................... 33
Tablica 7.17 Izvještaj za prsten 1 u trećem slučaju ................................................................. 34
Tablica 7.18 Izvještaj za prsten 2 u trećem slučaju ................................................................. 34
Tablica 7.19 Ukupni rezultat optimiranja za četvrti slučaj ....................................................... 35
Tablica 7.20 Izvještaj za prsten 1 u četvrtom slučaju .............................................................. 36
Tablica 7.21 Izvještaj za prsten 2 u četvrtom slučaju .............................................................. 36
Tablica 7.22 Ukupni rezultat optimiranja za peti slučaj ........................................................... 37
Tablica 7.23 Izvještaj za prsten 1 u petom slučaju .................................................................. 38
Tablica 7.24 Izvještaj za prsten 2 u petom slučaju .................................................................. 38
Tablica 7.25 Ukupni rezultat optimiranja za šesti slučaj .......................................................... 39
Tablica 7.26 Izvještaj za prsten 1 u šestom slučaju ................................................................. 40
Tablica 7.27 Izvještaj za prsten 2 u šestom slučaju ................................................................. 40
Popis kratica
CADDiN Computer Aided Design of Distribution Networks
EES Elektroenergetski sustav
TS Trafostanica
DP Distribucijsko područje
SAD Sjedinjene Američke Države
HTRS96 Hrvatski terestrički referentni sustav
HEP Hrvatska elektroprivreda
ODS Operator distribucijskog sustava
OSM Open Street Map
1
1. UVOD
Elektroenergetski sustav je jedan od najsloženijih i najvažnijih sustava te je
iz tog razloga njegovo održavanje i planiranje pogonskog režima izrazito važno. Za
kvalitetnu i neprekidnu opskrbu potrošača električnom energijom, uz minimizaciju
troškova i vremena u kojem potrebna električna energija neće biti isporučena, brine
se elektrodistribucijsko poduzeće. S obzirom da se električna energija ne može
akumulirati u velikim količinama, potrošnja i proizvodnja električne energije mora biti
jednaka u svakom trenutku. Uz zadaću ujednačavanja proizvodnje i potrošnje,
ekonomičnost i kvaliteta opskrbe električnom energijom su osnovni ciljevi svakog
EES-a, kako bi sustav bio pouzdan i stabilan te kako u nekom scenariju ne bi došlo
do djelomičnog ili potpunog raspada EES-a. S obzirom na liberalizaciju tržišta
električne energije, svi ciljevi moraju biti ostvareni bez diskriminacije bilo kojeg
tržišnog sudionika. [1],[2]
Distribucijskom mrežom upravlja Operator distribucijskog sustava, koji je
vlasnik opreme i uređaja distribucijske mreže te za svoje usluge naplaćuje najam
kapaciteta distribucijskih vodova. U okomito integriranom sustavu, ciljevi tvrtke za
distribuciju električne energije su:
• planiranje i izgradnja distribucijske mreže
• upravljanje mrežom
• održavanje mreže i mjernih mjesta
• mjerenje i periodično očitavanje utrošene električne energije
• formiranje obračuna i naplata utrošene električne energije
• propisivanje uvjeta i izdavanje suglasnosti za priključenje potrošača i
proizvođača na mrežu [3]
Kako bi sve zadaće bile ostvarene, do važnosti dolazi pravilno i optimalno
planiranje elektroenergetske mreže. Planiranje EES-a posebice je izazovno u
urbanim područjima, gdje je srednjonaponska distribucijska mreža u stalnom
razvoju i nadogradnji. Također, potreba za električnom energijom u takvim
sredinama je u konstantnom porastu. Svojom strukturom distribucijska mreža može
biti složena i kompleksna te je uz dotrajalost mreže jedan od glavnih doprinosa
smanjenju pouzdanosti i povećanju troškova održavanja EES-a. Iz tih, ali i ranije
2
navedenih razloga, planiranje srednjonaponske mreže predstavlja rješenje nekih od
ključnih problema u kojima se svaka elektrodistribucija može naći. [4]
Planiranje ovisi o podacima čije vrijednosti mogu biti varijabilne ili stohastičke
prirode. Pojedine vrijednosti mogu biti ovisne i o vremenu (potrošnja električne
energije). Vrijednosti atributa nekih objekata distribucijskih mreža mogu biti netočno
zadane. Iz tih razloga, planiranje je izrazito složen proces, a modeli planiranja su
poprilično složeni i ovise o velikom broju varijabli. Optimalno planiranje je postupak
iskorištavanja što većeg broja postojećih elemenata, uz minimiziranje troškova
ulaganja u nove elemente. Potrebno je iz pripremljenih podataka doznati moguće
trase polaganja novih vodova, lokacije novih trafostanica, ali i mogućnost
preraspodjele postojećih elemenata. [2],[4]
Planiranje srednjonaponskih distribucijskih mreža je dio sveukupnog
planiranja EES-a. Distribucijske mreže karakteriziraju prostorna rasprostranjenost,
visoka specifična cijena polaganja vodova, visoka specifična cijena održavanja,
visoki specifični gubici električne energije itd. Brojne značajke prilikom planiranja
distribucijskih mreža moguće je uz određene preinake primijeniti na EES u cijelosti.
Iz tog razloga planiranje distribucijskih mreža doprinosi zadovoljenju osnovnih
ciljeva prilikom isporuke električne energije. Tijekom posljednjih pedesetak godina
došlo je do naglog porasta u korištenju programskih alata i algoritama koji pružaju
pomoć osobama zaduženima za planiranje mreže. Koriste se sve složeniji i
egzaktniji modeli, ali njihova složenost sa sobom nosi nemogućnost rješavanja
problema u realnom razdoblju. Zbog toga se i dalje koriste aproksimacijski i
heuristički postupci (evolucijski algoritmi, stohastička relaksacija, zabranjeno
pretraživanje, umjetni imuno sustavi itd.) Također, sve je učestalije korištenje
geografskih informacijskih sustava, koji uz tehničke atribute daju i prostorni
razmještaj te prostorni odnos između elemenata EES-a. [2],[5]
Ovaj rad obuhvaća optimirano planiranje distribucijske mreže na proizvoljno
odabranom području koje pripada distribucijskom području Zagreb. Za pripremu
podataka koristiti će se DeGIS, aplikacija temeljena na GIS-u. Kroz programski kod
osiguran je automatizirani izvoz tehničkih i prostornih podataka u GeoJSON
formatu. Za optimiranje će se koristit programski paket CADDiN 4.1 i već gotovi
evolucijski algoritmi.
3
2. DISTRIBUCIJSKE MREŽE
Razdjelne, odnosno distribucijske mreže obuhvaćaju srednjonaponske
trafostanice (u Hrvatskoj su to trafostanice naponskih razina 10, 20 i 30, odnosno
35 kV), vodove nazivnog napona do uključivo 35 kV te veliki broj izvoda na kojima
se napon spušta na niskonaponsku razinu te se energija isporučuje kupcima.
Distribucijska mreža sastoji se i od velikog broja ostalih elemenata, što planiranje i
vođenje mreže čini izrazito složenim. U ovome radu promatrane su naponske razine
10 i 20 kV. Distribucijska mreža je veza između prijenosne mreže i većine potrošača
električne energije (izuzetak su veliki potrošači, npr. tvornice koje su često
priključene na 110 kV). Slika 2.1 prikazuje strukturu distribucijskih mreža uz jasno
naznačen prijelaz s visokog na srednji i sa srednjeg na niski napon. [3],[6]
Slika 2.1 Struktura distribucijskih mreža
4
Distribucijske mreže su u pravilu pogonski otvorene. Pogonski otvorene
mreže mogu se podijeliti na prostorno otvorene i prostorno zatvorene mreže.
Pogonski otvorene mreže mogu biti radijalne i zrakaste. Problem koji se pojavljuje
kod ovakvih mreža je taj da s obzirom na mogućnost napajanja isključivo iz jednog
smjera, potrošači koji se nalaze iza mjesta kvara, ostaju bez napajanja električnom
energijom. Radijalne i zrakaste distribucijske mreže iz tog razloga se rijetko nalaze
u urbanim područjima s velikim brojem potrošača. Zbog svoje ekonomske
isplativosti i jednostavnijeg održavanja, karakteristične su za ruralna područja s
manjim brojem potrošača. Slika 2.2 prikazuje prostorno otvorenu zrakastu mrežu s
manjim i većim brojem grananja. [5],[6]
Slika 2.2 Pogonski otvorena prostorno otvorena mreža
Pogonski otvorene, a prostorno zatvorene distribucijske mreže
karakteristične su za urbana područja. Urbana područja imaju veći broj potrošača i
potrebno je osigurati da se svaki potrošač napaja s najmanje dvije strane, kako u
slučaju nastanka kvara ne bi došlo do prekida opskrbe. Dodatni smjer se koristi
samo u slučaju prekida napajanja, a postiže se određenim brojem preklapanja u
mreži. Pogonski otvorene prostorno zatvorene mreže mogu se podijeliti na
prstenastu (slika 2.3), poveznu (slika 2.4), mrežu s međustanicom, mrežu s
protustanicom i mrežu s potpornom točkom. [5],[6]
Prstenasta struktura predstavlja mrežu koja ima jedan izvor, a čvorišta
opterećenja povezana su kabelima. Kabelske ili vodne trase izlaze iz izvora (VN/SN
trafostanica), prolaze kroz nekoliko čvorišta opterećenja (SN/NN trafostanice) i
5
ponovno se vrate u izvor. Bez obzira na osiguravanje zalihosti prilikom kvara ili
održavanja, izvođenje ovakve strukture mreže je skupo i primjenjuje se rijetko, kod
izoliranih naselja s jednim izvorom ili kao prijelazni oblik mreže. [5]
Slika 2.3 Prstenasta distribucijska mreža
Povezna distribucijska mreža karakteristična je za područja s dva ili više
izvora. Za takve mreže, kabelske ili vodne trase izlaze iz jednog izvora (VN/SN
trafostanica), a ulaze u drugu, odnosno trase prolaze kroz nekoliko čvorišta
opterećenja i završavaju u drugom izvoru. Takva struktura karakteristična je za
gradska područja. Stvarni oblik mreže može odstupati od idealne strukture.
Pogonska otvorenost postiže se razdvajanjem na određenom mjestu, koje bi trebalo
biti optimalno u pogledu minimizacije gubitaka. [5],[6]
6
Slika 2.4 Povezna distribucijska mreža
7
3. PRIPREMA PODATAKA
Elementi EES-a bitni za planiranje distribucijske mreže su trafostanice i
dionice (vodovi i kabeli). Podaci koji će se obrađivati pomoću CADDiN-a dobiveni
su iz aplikacije DeGIS. Potrebni atributi za trafostanice prikazani su u tablici 3.1, a
atributi za vodove, odnosno dionice prikazani su u tablici 3.2.
Atribut Opis
Geometrija Točkasti objekt koji predstavlja centar površine TS
Naziv Oznaka TS
Naziv organizacije Naziv organizacije kojoj TS pripada
ID ID objekta
Status Status
Snaga Sumarna snaga svih instaliranih transformatora ili projektirana snaga ako je
status plan
Indikator starosti Godina izgradnje ili rekonstrukcije
Konstrukcijski napon
Konstrukcijski napon TS
Konstrukcijski napon
transformatora Konstrukcijski napon najslabijeg transformatora
Tablica 3.1 Atributi i opisi trafostanica
Atribut Opis
Geometrija Linijski objekt
Naziv Oznaka dionice
Naziv organizacije Naziv organizacije kojoj TS pripada
ID ID objekta
Status Status
Tip Puni tip dionice
Imax Najveći iznos struje određen iz tipa dionice
Konstrukcijski napon Konstrukcijski napon dionice
Godina izgradnje Godina izgradnje
ID TS1 ID početne TS
ID TS1 ID konačne TS
Tablica 3.2 Atributi i opisi dionica
Podaci su izvezeni u GeoJSON formatu. GeoJSON je izabran jer podržava
brojne strukture geografskih podataka, a za planiranje distribucijske mreže su bitni
prostorni podaci i odnosi među objektima. GeoJSON omogućava prikaz brojnih
geometrija koje sadrže koordinate objekata.
8
Izabrani objekti, odnosno elementi EES-a pripadaju DP Zagreb. Trafostanice
i dionice odabrani su tragom na mapi i njihov izbor i broj je proizvoljan. Koordinatni
sustav u kojemu su prikazane točkaste i linijske geometrije je HTRS96.
3.1. Trafostanice
Geometrija trafostanice prikazana je kao točkasti objekt. Ukoliko postoji,
trafostanica je prikazana površinom i ako je takva spremljena u bazu podataka, kao
atribut je dana koordinata centra površine trafostanice. U rijetkim slučajevima,
površina ne postoji i tada je kao atribut geometrije dana koordinata generalizirane
lokacije trafostanice.
Naziv je dobiven iz oznake trafostanice. Postoji atribut naziv za svaku
trafostanicu, ali taj atribut je opcionalan i unosi se ručno i postoji mogućnost da
podaci nisu uvijek precizni. Netočnost podataka je nešto što se prilikom planiranja
svakako želi izbjeći, tako da je ovom atributu pridijeljena vrijednost oznake (npr.
3TS8007).
Naziv organizacije je atribut dodan kako bi se olakšalo određivanje o kojoj TS
se radi. Npr., u DP Zagreb postoje trafostanice koje imaju istu oznaku u bazi, a time
i jednak naziv u GeoJSON datoteci. Trafostanica s istom oznakom mogu pripadati
različitim organizacijama i zato se vodi računa o vrijednosti tog atributa.
Atributu ID je pridijeljena vrijednost ID-a objekta. ID je integer i njegova
vrijednost je jedinstvena, nemoguće je da dva objekta u bazi podataka imaju jednak
ID.
Status je atribut koji pokazuje u kakvom je stanju trafostanica, je li ona u
eksploataciji, u rezervi, van pogona itd.
Atribut snaga je vrijednost sumarne snage svih transformatora koji se nalaze
u internom svijetu SN trafostanice. Ukoliko se radi o VN trafostanici, u internom
svijetu se nalaze VN transformatori koji nemaju atribut snage. Iz tog razloga se kao
vrijednost snage uzima iznos instalirane snage VN trafostanice. Ako je status u
planu, vrijednost snage je iznos projektirane snage.
Konstrukcijski napon TS je atribut koji ima vrijednost konstrukcijskog napona
trafostanice.
9
Konstrukcijski napon transformatora se određuje na nešto složeniji način.
Provjerava se vrijednost konstrukcijskog napona svih transformatora u internom
svijetu trafostanice. Ukoliko je više transformatora, atributu se pridjeljuje najmanja
vrijednost konstrukcijskog napona. Konstrukcijski napon TS i transformatora su
atributi koji služe za provjeru spremnosti priključenja trafostanice na 20 kV razinu.
Atributi nasumično odabrane trafostanice iz datoteke izvezene u GeoJSON
format prikazani su na slici 3.1.
Slika 3.1 Atributi trafostanice prikazani u GeoJSON formatu
3.2. Dionice
Geometrija dionice je dana kao pseudo chain. To je linijski objekt koji sadrži
niz koordinata. Sa što je više koordinata dionica dana to je prikaz dionice točniji, a i
moguće je pretpostaviti da je dionica duža.
Kao i kod trafostanica, naziv dionice dobiven je iz njene oznake. Dionica u
DeGIS-u nema svoj naziv i oznaka je atribut prema kojemu je moguće razlikovati
dionice.
Naziv organizacije je atribut koji kod dionica ima istu ulogu kao i kod
trafostanica. Osobi zaduženoj za planiranje distribucijske mreže olakšava
određivanje prostornog smještaja dionice, posebice ukoliko postoji više dionica sa
istim nazivom, odnosno oznakom.
10
Atribut ID ima vrijednost istog tog atributa u DeGIS-u. ID je jedinstvena
vrijednost i u bazi ne mogu postojati dvije dionice s istim ID-em.
Status pomaže prilikom određivanja stanja dionice i vrijednosti koje status
može poprimiti odgovaraju onima za status trafostanice.
Tip je atribut koji pokazuje neke informacije o vodiču, odnosno o dionici. Iz
tipa je moguće dobiti informacije o materijalu, presjeku i struji.
Imax je atribut koji je moguće saznati iz tipa. Vrijednost tog atributa je
dozvoljeno strujno opterećenje dionice, pokazuje maksimalan iznos struje koji smije
protjecati kroz dionicu.
Godina izgradnje predstavlja godinu kada je dionica izgrađena, ukoliko je ona
poznata.
Atributi ID TS1 i ID TS2 predstavljaju početno i konačno čvorište dionice.
Ukoliko dionica povezuje dvije trafostanice, prigodno je imati podatak o tome koje
se trafostanice nalaze sa svakog kraja dionice. ID trafostanice dobiven je metodom
u kojoj se traži TS spoj na početku ili kraju dionice. Ukoliko TS spoj ne postoji, traži
se trafostanica koja se nalazi u određenoj površini s obzirom na početnu ili krajnju
točku.
11
Slika 3.2 Atributi trafostanice prikazani u GeoJSON formatu
12
4. EVOLUCIJSKI ALGORITMI
Evolucijski algoritmi su postupci optimiranja, učenja i modeliranja koji se
temelje na mehanizmu prirodne evolucije. Za evolucijske algoritme je važno
zadovoljavanje izomorfnosti s prirodnom evolucijom. Razvoj evolucijskih algoritama
je počeo iz dva razloga:
• želja za boljim razumijevanjem prirodne evolucije
• pokušaj primjene zakona prirodne evolucije pri rješavanju različith zadaća.
Pedesetih godina 20. stoljeća pojavile su se prve ideje o primjeni evolucijskih
načela pri rješavanju tehničkih problema. U to vrijeme, računala su imala skromne
mogućnosti te je zbog toga većina ideja ostala neprimijenjena i javnost nije bila
upoznata s njima. Šezdesetih godina razvijena su tri postupka zasnovana na
principima biološke evolucije:
• evolucijsko programiranje kojeg su razvili Fogel, Owens i Walsh
• evolucijske strategije koje su razvili Rechenberg i Schwefel
• genetski algoritmi koje je razvio Holland
Evolucijski algoritmi se naglo razvijaju devedesetih godina kada je njihova
primjena porasla velikom brzinom, o čemu govori broj objavljenih radova vezanih uz
tu temu. Evolucijski algoritmi pripadaju širem području znanosti o spoznaji te užem
području inteligentnih znanosti.
Slika 4.1 Iteracijska petlja evolucijsko algoritma
Inačica evolucijskih algoritama ima mnogo, a razlikuju se s gledišta
formaliziranja spoznaja o prirodnoj evoluciji. Slika 4.1 prikazuje iteracijsku petlju
13
jednog od evolucijskih algoritama. U najvećem broju slučajeva, razlika između
pojedinih evolucijskih algoritama nastaje s obzirom na:
• korištenu predodžbu ili kodiranje rješenja (kromosom evolucijskog
algoritma)
• način formiranja početne populacije
• operatore prirodnog izbora jedinke (selekcije kromosoma)
• operatore križanja (rekombinacije) i mutacije
• tretman jedinki koje ne zadovoljavaju ograničenja u modelu problema
[2]
4.1. Genetski algoritmi
4.1.1. Općenito o genetskim algoritmima
Genetski algoritmi, kao jedan od postupaka zasnovanih na principima
biološke evolucije, početak razvoja doživljavaju u SAD-u, University of Michigan,
pod vodstvom Johna Hollanda. Genetski algoritmi su adaptivna metoda
pretraživanja koja koristi mehanizam slučajnog pretraživanja i simulira prirodne
procese kao što su selekcija, nasljeđivanje, mutacija i dinamika populacije izražena
kroz generacije.
Prirodni procesi se simuliraju na organizaciji jedinki, populaciji. Jedinke se
nastoje što bolje prilagoditi, odnosno u terminima algoritma, nastoji se pronaći
najbolje moguće rješenje. Jedinke u populaciji nazivaju se kromosomima.
Kromosomi se sastoje od gena koji su zaslužni za kreiranje određenih svojstava
koja definiraju gene. Skup svih svojstava sadržanih u jednom kromosomu naziva se
genotip. Značenje pojedinog kromosoma, fenotip, određeno je vrstom problema,
tako da cijeli kromosom predstavlja moguće rješenje.
Genetski algoritmi koriste dva mehanizma, mehanizam selekcije i
mehanizam nasljeđivanja. Ti mehanizmi osiguravaju pretraživanja u domeni
kvalitetnih rješenja i na taj način osiguravaju metodi adaptivan karakter. Kvaliteta
rješenja danog problema određuje se procjenom fenotipa. Ključne komponentne
genetskog algoritma koje određuju kvalitetu rješenja dobivenog korištenjem
algoritma su :
14
• dobra interpretacija problema (fenotip)
• dobra i brza funkcija procjene rješenja.
U stvaranju potomstva s većom vjerojatnošću sudjeluju kromosomi koji su
nositelji boljih gena, odnosno oni koji predstavljaju bolja rješenja. Genetski algoritam
razlikuje se od ostalih evolucijskih algoritama zbog svog najvažnijeg djela,
mehanizma slučajne i korisne izmjene gena između kromosoma, a zove se
rekombinacija ili križanje. U rijetkim slučajevima, zbog mutacije, mehanizma
preuzetog iz drugih evolucijskih postupaka, događaju se promjene gena u
kromosomu. Uloga mutacije je po analogiji s prirodom, nadoknađivanje izgubljenog
genetskog materijala. Ona omogućuje robusnost algoritma i izbjegavanje lokalnih
optimuma.
Slika 4.2 Osnovni način rada genetskog algoritma
Genetski algoritmi simuliraju prirodne procese tako da se uzastopno
ponavljaju koraci rješenja, selekcije i rekombinacije nakon stvaranja početne
populacije. S obzirom na stohastičku prirodu, u općenitom slučaju genetskog
15
algoritma početna populacija se stvara slučajnim procesom. Kod primjene na
konkretne probleme, uobičajeno je ograničiti slučajni proces primjenom heurističkih
pravila. Izvođenje genetskog algoritma traje dok se ne dostigne najveće dozvoljeno
vrijeme izvođenja, određeni broj iteracija, zadovolji neki uvjet ili dok nije postignuta
konvergencija. [7]
4.1.2. Genetski algoritam u CADDiN-u
Komponente koje genetski algoritam mora imati kako bi bilo moguće riješiti
neki konkretni problem su:
• genetska reprezentacija mogućeg rješenja problema
• postupak za stvaranje početne populacije mogućih rješenja
• funkcija procjene prilagođena problemu koji se rješava te rangiranje rješenja
određivanjem mjere prikladnosti
• genetski operatori koji kod reprodukcije utječu na stvaranje kvalitetnijih
potomaka
• vrijednosti za razne parametre koji se koriste u genetskom algoritmu
U algoritmima koji su ugrađeni u CADDiN, kromosomi koji predstavljaju
moguća rješenja kombinatoričko – optimizacijskog problema optimalnog
strukturiranja distribucijske mreže sastoje se od niza rednih brojeva trafostanica.
Slijed trafostanica tumači se kao staza kojom se trafostanice povezuju.
Kako bi se stvorila što kvalitetnija rješenja i kako bi se ubrzao postupak
pretraživanja, u genetski algoritam korišten u CADDiN dodan je heuristički
postupak.
Općenito, za genetski algoritam vrijedi slučajan odabir početnih kromosoma.
Analogno tome, u postupku optimiranja distribucijskih mreža, mogla bi se
nasumično odabrati prva trafostanica, a nakon toga na isti način i preostale
trafostanice. Postupak bi trajao sve dok se ne bi ispunio uvjet preopterećenosti ili
prelazak najvećeg dozvoljenog broja trafostanica u prstenu ili radijalnoj vezi.
Opisani postupak se ponavlja sve dok se ne stvori cijela staza koja čini jedno
rješenje. Potencijalni problem nastaje zbog slučajnog odabira čvorišta, zbog kojega
je vjerojatnost da se prstenovi ili radijalne veze sastoje od trafostanica koje se
16
nalaze na udaljenim krajevima opskrbnog područja. Taj problem sa sobom nosi
generiranje loših rješenja i duže izvođenje, odnosno sporu konvergenciju algoritma.
Kako bi se cijeli postupak ubrzao, ugrađen je heuristički postupak za odabir
trafostanica. Na učinak tog postupka utječu dva parametra optimiranja:
• Broj najbližih stanica izvoru 110(30)/x kV
• Broj najbližih stanica x/0.4 kV
Broj najbližih stanica x/0.4 kV je iskustveni parametar i iznosi najmanje 2 jer
se svaka trafostanica veže sa samo dvije druge. Za trafostanicu 110(30)/x kV broj
najbližih stanica je veći i jednak je ukupnom broju prstenova za prstenastu mrežu,
dok je za povezne mreže jednak broju radijala u opskrbom području pojne
trafostanice umanjenom za jedan. Pronađene najbliže trafostanice spremaju se u
posebno priređene tablice, posebno za svaku trafostanicu.
U prstenastim mrežama odabere se početna trafostanica iz tablice najbližih
pojnoj trafostanici i na taj način se formira rješenje. Prilikom odabira, sva su čvorišta
ravnopravna, a u slučaju prazne prethodne tablice, odabir je slučajan. Sličan
postupak provodi se i kod poveznih trafostanica.
Mutacija u algoritmima ugrađenim u CADDiN izvedena je s 2-opt zamjenom.
Linov postupak zamjene dvije veze ili 2-opt algoritam je najjednostavniji i najbrži
postupak koji se koristi za poboljšanje rješenja u problemu trgovačkog putnika.
Postupak zamjene radi tako da ukidaju veze između dva para čvorišta (u CADDiN-
u su to trafostanice) te se prespoje ostaci staza. [7]
4.1.3. Parametri genetskih algoritama ugrađenih u CADDiN
Svaki genetski algoritam ima određene parametre pomoću kojih se dolazi do
najboljeg mogućeg rješenja. U genetskim algoritmima koji se koriste za optimiranje
srednjonaponske distribucijske mreže ti parametri su:
• broj generacija: parametar kojim se određuje broj generacija genetskog
algoritma u slučaju da se ne ostvari konvergencija algoritma. Ukoliko je
izabran premali broj generacija, dobivena rješenja su loša
• broj najbližih stanica x/0.4 kV: prilikom generiranja početnih rješenja,
heurističkim postupkom se stvaraju rješenja zadovoljavajuće kvalitete
čime se osigurava brža konvergencija. Kako bi se ubrzala konvergencija
17
za početno rješenje nije pogodno uzeti prstenove čije su trafostanice
razasute po cijelom opskrbnom području. Pogodnije su staze koje su
stvorene od trafostanica čija je međusobna udaljenost manja. Ovaj
parametar govori o veličini skupa najbližih x/0.4 kV trafostanica koje se
prije postupka optimiranja određuje za svaku trafostanicu. Prilikom
križanja, algoritam povezuje trafostanice koristeći stvorene skupove i na
taj način osigurava izbjegavanje nekvalitetnih rješenja. Ukoliko se
vrijednost parametra postavi na nula, opisani postupak se isključuje i
prilikom križanja se ne koriste skupovi, nego sve trafostanice
• broj najbližih stanica izvoru 110(30)/x kV: broj trafostanica najbližih izvoru
koristi se zajedno s brojem najbližih stanica x/0.4 kV kako bi se dobilo
početno rješenje. U slučaju prstenastih mreža parametar je moguće
mijenjati putem skale, a kod radijalnih mreža vrijednost parametra nije
moguće mijenjati, parametar je jednak broju radijala u opskrbnom
području trafostanice umanjenom za jedan
• intenzitet selekcije (intenzitet selekcije – veličina populacije): određuje
vjerojatnost odabira najboljeg kromosoma iz populacije. U zadanom
opsegu vrijednosti ovog parametra, funkcija odabira kromosoma je
linearno raspodijeljena po svim članovima populacije. Male vrijednosti
ovog parametra zahtijevaju puno veći broj generacija za dobivanje
optimalnog rješenja, ali ujedno sprječavaju preranu konvergenciju
algoritma
• intenzitet selekcije – izbor stanica 110(30)/x kV: parametar se koristi
prilikom uparivanja radijalnih veza. Mijenjanjem iznosa intenziteta
povećava se vjerojatnost uparivanja trafostanica s manjim brojem
slobodnih radijala. Na ovaj način se izbacuje stvaranje direktne veze
između dvije pojne trafostanice
• veličina populacije: jedan od ključnih parametara genetskog algoritma
zbog svojeg direktnog utjecaja na brzinu pronalaska optimalnog rješenja
i indirektnog na kvalitetnu i konvergenciju algoritma. S povećavanjem
populacije, povećava se i vrijeme izvođenja
• parametar mutacije: mutacija kromosoma u genetskom algoritmu se
provodi nakon određenog broja generacija definiranog ovim parametrom.
18
Mutacija omogućava vraćanje izgubljenih gena u kromosom i time
eventualno poboljšavanje rješenja. Klasična mutacija je u CADDiN-u
nadomještena 2-opt zamjenom
• kontrola ograničenja: tijekom rada algoritma, potrebno je kontrolirati
rješenje prema zadanim energetskim ograničenjima (termičke granice
kabela, dozvoljeni padovi napona i dr.) Ovaj parametar definira broj
generacija nakon kojeg se provjerava ograničenje [7]
4.1.4. Konvergencija genetskog algoritma
4.1.4.1. Valjanost rješenja
U genetskom algoritmu funkcija procjene prikladnosti rješenja pojedinog
kromosoma je definirana kao omjer vrijednosti funkcije cilja (procjene kvalitete)
promatranog kromosoma i prosječne vrijednosti svih funkcija cilja populacije u
promatranoj generaciji.
Kod početne vrijednosti populacije interval vrijednosti koje ima funkcija
procjene prikladnosti velik je zbog toga što je cijela populacija nastala stohastički.
Kroz niz iteracija, odnosno generacija vrijednosti određenih gena i kromosoma
počinju prevladavati, što se iskazuje konvergencijom algoritma, a to se odražava na
smanjenje vrijednosti funkcije procjene prikladnosti. Algoritam je konvergirao onda
kada svi kromosomi unutar populacije pokazuju na isto rješenje problema koji je
potrebno optimirati. [7]
4.1.4.2. Prebrza konvergencija algoritma
Kod genetskih algoritama pojavljuje se problem kada pojedini kromosomi koji
nisu nužno optimalni prebrzo prevladavaju nad populacijom uzrokujući
konvergenciju algoritma u lokalnom optimumu. Genetski algoritmi u tom slučaju
nemaju mogućnost da rekombinacijom gotovo identičnih kromosoma proizvedu
nove kromosome. Kao moguće rješenje ovog problema javlja se primjena mutacije
koja zbog svog slučajnog karaktera omogućava pretraživanje novih područja
rješenja. Problem s mutacijom je taj što je njen utjecaj zamjetan samo kroz velik broj
generacija. [7]
19
4.1.4.3. Prespora konvergencija algoritma
Razlozi nastanka prespore konvergencije jednaki su kao i oni nastanka
prebrze konvergencije. Nakon velikog broja generacija populacija konvergira, ali ne
u precizno određen globalni optimum. U populaciji je to prepoznato po maloj
vrijednosti razlike funkcije prikladnosti između najboljih i prosječnih kromosoma.
Prosječni kromosomi čine većinu populacije uz postojanje jednog kvalitetnog
kromosoma koji nije dovoljno jak da križanjem s ostalima usmjeri i ubrza
konvergenciju cijele populacije. [7]
20
5. ULAZNE DATOTEKE
Prije korištenja CADDiN-a 4.1 potrebno je pripremiti podatke koji opisuju i
definiraju distribucijsku mrežu. Sve datoteke su tekstualne datoteke koje mogu biti
priređene korištenjem GIS ili CAD alata.
Podaci koji će se obrađivati koristeći CADDiN su zapisani u GeoJSON
formatu. Podaci o dionicama i trafostanicama morati će se dodatno prilagoditi i
zapisati u datoteke koje su potrebne za daljnji rad. Datoteke će u odgovarajući
format biti pretvorene korištenjem programskog jezika Python.
Datoteke koje su potrebne za planiranje prstenaste distribucijske mreže su:
• ime-projekta_loop.ts
• ime-projekta_loop.t
• ime-projekta_loop.p
• ime-projekta_loop.m
• ime-projekta_loop.d_s
pri čemu je ime-projekta proizvoljan naziv koji određuje planer distribucijskog
sustava.
Datoteke koje su potrebne za planiranje povezne distribucijske mreže, mreže
s protustanicom, mreže s međustanicom, kao i njihove kombinacije su:
• ime-projekta_link.ts
• ime-projekta_link.t
• ime-projekta_link.p
• ime-projekta_link.m
• ime-projekta_link.d_s
pri čemu je ime-projekta proizvoljan naziv koji određuje planer distribucijskog
sustava.
Podaci koji su sadržani u datotekama ime-projekta_loop.ts i ime-
projekta_link.ts mogu se podijeliti na podatke koje zadaje planer i podatke o
trafostanicama. Podaci koje zadaje planer su varijabilni, podaci koje planer može
mijenjati ukoliko želi dobiti rezultate za nekoliko različitih slučajeva:
21
• broj TS 110/x kV i 30/10 kV u opskrbnom području (1 u slučajevima
optimiranja prstenaste distribucijske mreže)
• pogonski napon distribucijske mreže
• razdoblje planiranja distribucijske mreže
• tipski presjek novih vodova koji će se polagati u distribucijskoj mreži
• cijena nabave i polaganja metra novog voda tipskog presjeka u opskrbnom
području
• faktor stalnih godišnjih troškova
• diskontni faktor
• varijanta optimiranja
ako se varijantom optimiranja vrednuju već postojeći vodovi:
o koeficijent za smanjenje troškova u slučaju polaganja novih vodova u
trase postojećih vodova
o starosna granica postojećih vodova
o granični presjek postojećih aluminijskih vodova
o granični presjek postojećih bakrenih vodova
Podaci o trafostanicama se odnose na 110(30)/x i x/0.4 kV trafostanice u
području opskrbljivanja:
• ukupni broj trafostanica x/0.4 kV u području opskrbljivanja pojedinih TS
110(30)/x kV iz područja razrade zajedno s TS 110(30)/x kV
• za svaku trafostanicu
o ime (ID) trafostanice
o instalirana snaga (kVA)
o x-koordinata
o y-koordinata
Datoteka ime-projekta_loop.t odnosno ime_projekta_link.t sadrži podatke o
minimalnim troškovima povezivanja svake TS 110(30)/x kV sa svakom TS x/0.4 kV.
Podaci iz tih datoteka koriste se prilikom određivanja investicijskih i stalnih
pogonskih troškova koji odgovaraju nekom varijantom rješenju problema u
optimizacijskom algoritmu.
22
Datoteke ime-projekta_loop.p i ime-projekta_link.p sadrže podatke o
presjeku voda u trasi kojoj odgovaraju minimalni troškovi međusobnog povezivanja
TS 110(30)/x kV i TS x/0.4 kV te protustanica i međustanica, pri čemu se ne smije
zanemariti činjenica da se trasa između dvije trafostanice može sastojati od nekoliko
dionica. Datoteke ime-projekta_loop.m i ime-projekta_link.m sadrže podatke o
materijalu voda u trasi . Za podatke u datoteci vrijede sva pravila kao i kod datoteka
s .p ekstenzijom te su datoteke istog oblika. Podaci iz datoteka s .p i .m ekstenzijom
koriste kako bi se odredila termička granica (najveća dopuštena struja) za neko
varijantno rješenje problema.
Datoteka ime-projekta_loop.d_s, odnosno ime-projekta_link.d_s sadrži
podatke o zbroju omjera duljine (m) i presjeka (mm2) svih dionica voda iz trase kojoj
odgovaraju minimalni troškovi međusobnog povezivanja trafostanica. Podaci se
koriste za provjeru ograničenja dozvoljenog pada napona u normalnom i
izvanrednom pogonu za neko varijantno rješenje problema u optimizacijskom
algoritmu. [8]
5.1. Matrica troškova 1
Matrica udaljenosti pomoću koje je kreirana prva matrica troškova dobivena
je iz geometrijskih udaljenosti točaka koje predstavljaju trafostanice, točnije iz razlike
koordinata trafostanica.
Pretpostavka je da između trafostanica nema postojećih trasa, odnosno
nikakav linijski objekt se ne nalazi između svakog para trafostanica. U tom slučaju
izvršava se povezivanje novim vodom na novoj trasi. Elementi matrice troškova se
izračunavaju se pomoću izraza:
/trošak duljina kn km= (5.1)
(1 )nFGT = + (5.2)
duljina – duljina voda u metrima
kn/km – cijena novog voda po postavljenom kilometru
FGT – korisnički definiran parametra, faktor godišnjih troškova
n – broj godina
23
Svi elementi matrice troškova zaokruženi su na prvu veću cjelobrojnu
vrijednost.
5.2. Matrica troškova 2
Kao i u prethodnom slučaju, matrica troškova je izračunata iz matrice
udaljenosti. Između trafostanica postoje vodovi i trase sa svojim duljinama.
Matrica troškova u drugom slučaju kreirana je na drugačiji način. U obzir su
uzeti već postojeći vodovi između trafostanica i već postojeće trase, odnosno
postojeći linijski objekti između trafostanica. Između pojedinih trafostanica veza je
ostvarena kombinacijom postojećeg voda i postojeće trase u koju je potrebno
ugraditi vod. Elementi matrice troškova računaju se pomoću izraza:
(1 ) /ntrošak duljina voda FGT duljina trase koeficijent smanjenja trase kn km = + +
(5.3)
duljina voda – duljina voda u metrima
duljina trase – duljina trase u metrima
kn/km – cijena novog voda po postavljenom kilometru
diskontni faktor – korisnički definiran parametra
n – broj godina
α – korisnički definiran koeficijent povezivanja postojećim vodom
koeficijent smanjenja trase – korisnički definiran koeficijent umanjivanja troška zbog
korištenja postojećih trasa
24
6. PARAMETRI OPTIMIRANJA PRSTENASTE MREŽE
Parametri optimiranja prstenaste mreže podijeljeni su u tri kategorije:
• energetski parametri
• troškovni parametri
• parametri genetskog algoritma
Parametri genetskog algoritma detaljno su opisani u poglavlju 4.1.3.
6.1. Energetski parametri
• maksimalno dozvoljeno opterećenje po prstenu: maksimalno dozvoljeno
opterećenje po prstenu ovisno je o pogonskom naponu. Za napon 20 kV
najveći dopušteni iznos opterećenja postavljen je na 12 000 kVA, a za 10 kV
6 000 kVA. Opterećenja su određena termičkom granicom kabela tipskog
presjeka Al 185 mm2
• faktor iskorištenja TS x/0.4 kV: pri nepoznatim iznosima vršne snage u
točkama opterećenja koristi se kvantitativna orijentacija dana ovim
parametrom. S obzirom na karakter metode planiranja, faktor iskorištenja
predstavlja postotnu vrijednost instalirane snage trafostanice koja će biti
dostignuta na kraju planiranja mreže
• maksimalni broj transformatorskih stanica po prstenu: broj trafostanica po
prstenu određuje pouzdanost mreže zadovoljavajući zahtjev podjednake
osnovne pouzdanosti za sve trafostanice
• dozvoljeni pad napona u izvanrednom pogonu: smatra se da distribucijska
mreža zadovoljava određene uvjete ukoliko u najudaljenijoj točki opterećenja
u izvanrednom pogonu pad napona nije veći od zadanog. Uobičajene
granične vrijednosti odstupanja napona od nominalnog u postocima se
nalaze između 10 i 12 %
• dozvoljeni pad napona u normalnom pogonu: smatra se da distribucijska
mreža zadovoljava određene uvjete ukoliko u najudaljenijoj točki opterećenja
u izvanrednom pogonu pad napona nije veći od zadanog. Uobičajene
granične vrijednosti odstupanja napona od nominalnog u postocima se
nalaze između 2 i 8 % [7]
25
6.2. Troškovni parametri
• cijena gubitka energije: ovaj parametar podrazumijeva cijenu jedinice
energije na pragu distribucijske mreže. Koristi se u pretvaranju gubitka
energije u novčani izdatak
• cijena gubitka snage: cijena mjesečne snage na pragu distribucijske mreže.
Ovim parametrom iskazuju se novčani gubici zbog gubitka snage u mreži
• godišnji porast opterećenja: algoritam u CADDiN-u pretpostavlja
eksponencijalni rast vršnog opterećenja u slučaju nepoznatog rezultata
predviđanja opterećenja. Ovim parametrom se definira postotna godišnja
stopa porasta koja određuje rast ukupnog vršnog opterećenja po
eksponencijalnom zakonu
• godišnje vrijeme uporabe maksimalnog opterećenja: vrijednost ovog
parametra odgovara broju sati u godini kada je opterećenje najveće.
Parametar se koristi za određivanje vremena korištenja maksimalne snage
gubitaka, kojim se izračunava gubitak energije u mreži [7]
26
7. REZULTATI OPTIMIRANJA
Testiranje funkcionalnosti objedinjene programske podrške provedeno je na
području mreže grada Zagreba. Mreža je prstenaste konfiguracije i u njoj se nalaze
23 trafostanice te postojeći vodovi koji međusobno povezuju pojedine trafostanice.
Osim postojećih vodova, prilikom analize mreže, promatrane su i ceste koje se
nalaze između trafostanica. Ceste koje povezuju trafostanice predstavljaju
potencijalne rute u koje se u pojedinim slučajevima mogu postavljati novi vodovi.
Jedna trafostanica je pojna, odnosno njen konstrukcijski napon je 30 kV. Ostale
trafostanice su 10/0.4 kV.
Optimiranje je provedeno za šest različitih slučajeva. Tri slučaja su
provedena za matricu troškova 1, a tri slučaja za matricu troškova 2. Parametri koji
služe za kreiranje matrica troškova, a time i za kreiranje datoteka koje se nalaze na
ulazu u optimizacijski postupak u CADDiN-u prikazani su u tablici 7.1.
Parametar Vrijednost
Pogonski napon 10 kV
Razdoblje planiranja 5 godina
Presjek vodova 150 mm2
Cijena metra novog voda 300 kn/m
Faktor godišnjih troškova 5%
Diskontni faktor 1 Tablica 7.1 Parametri za kreiranje ulaznih CADDiN datoteka
Osim parametara koji se koriste za kreiranje ulaznih CADDiN datoteka,
konstantu vrijednost će imati energetski i troškovni parametri koji se definiraju prije
pokretanja optimizacije u samoj CADDiN aplikaciji. Energetski parametri i njihove
vrijednosti prikazane su u tablicama 7.2 i 7.3 Značenje svakog od energetskih i
troškovnih parametara objašnjena je u poglavljima 6.1. i 6.2.
Parametar Vrijednost
Maksimalno dozvoljeno opterećenje prstena 6000 kVA
Faktor iskorištenja TS x/0.4 kV 0.75
Dozvoljeni pad napona u normalnom pogonu 5%
Dozvoljeni pad napona u izvanrednom pogonu 10%
Maksimalan broj TS x/0.4 kV po prstenu 20 Tablica 7.2 Energetski parametri i njihove vrijednosti
27
Parametar Vrijednost
Cijena gubitka energije 0.07 bodova/kWh
Cijena gubitka snage 200 bodova/kW
Godišnji porast opterećenja 4%
Godišnje vrijeme uporabe maksimalnog opterećenja 5000 h Tablica 7.3 Troškovni parametri i njihove vrijednosti
Kroz slučajeve, osim matrice troškova za koju se provodi optimizacijski
postupak, mijenjati će se i parametri genetskog algoritma. S obzirom na stohastičku
prirodu početnog odabira koji je karakteristika genetskog algoritma, postoji
mogućnost da se za jednake vrijednosti genetskog algoritma dobiju različiti rezultati
konfiguracije mreže nakon provedenog postupka optimiranja. Međutim, smislena
promjena parametara genetskog algoritma garantira točnije i bolje rezultate
optimizacije, ali time i nešto duže izvođenje optimizacijskog postupka.
7.1. Prvi slučaj
Parametri genetskog algoritma u prvom slučaju prikazani su u tablici 7.4.
Parametar Vrijednost
Broj generacija 1000
Broj najbližih stanica TS 110(30)/x kV 3
Broj najbližih stanica TS x/0.4 kV 5
Intenzitet selekcije 1.02
Veličina populacije 50
Parametar mutacije (svakih koliko generacija) 500
Kontrola ograničenja (svakih koliko generacija) 1000 Tablica 7.4 Parametri genetskog algoritma za prvi slučaj
Nakon definiranja parametara i pokretanja postupka optimiranja, dobije se
slika skice mreže, odnosno, u ovom slučaju, prijedlog planeru o izgradnji novih
vodova i povezivanju trafostanica. Novonastala konfiguracija mreže prikazana je na
slici 7.1.
28
Slika 7.1 Konfiguracija mreže nakon provedenog optimizacijskog postupka (slučaj 1)
Na slici 7.1. vidljivo je stvaranje dva prstena oko pojne trafostanice naziva
3TS18_73830.
Izvješće sadrži podatke o varijanti optimiranja i ukupnom rezultatu
optimiranja što je prikazano u tablicama 7.5 i 7.6.
Parametar Vrijednost
Varijanta optimiranja Optimira se kao da se radi o području bez postojećih kabela
Uvažavanje postojećeg stanja Postojeći kabeli se ne uvažavaju!
Struktura mreže Prstenasta Tablica 7.5 Varijanta optimiranja za prvi slučaj
Parametar Vrijednost
Ukupna snaga 9286 kVA
Stalni pogonski troškovi i investicijski troškovi 1625754 bodova
Varijabilni pogonski troškovi 79660 bodova
Ukupni troškovi 1705414 bodova
Broj prstenova 2 Tablica 7.6 Ukupni rezultat optimiranja za prvi slučaj
29
Opis prstena moguće je vidjeti u izvješću koje je stvoreno u CADDiN-u.
Sadržaj izvještaja prikazan je u tablicama 7.7. i 7.8.
Parametar Vrijednost
Broj stanica u prstenu
13
Snaga staze 5598 kVA
Cijena staze 991484 bodova
Staza
3TS18_73830, 1TS845_25272, 1TS765_22784, 1TS846_25306, 1TS608_17757, 1TS1427_43638, 1TS242_7150, 1TS415_11783,
1TS365_10274, 1TS2143_65404, 1TS1462_44665, 1TS804_24048, 1TS721_21356, 1TS738_21906 ,3TS18_73830
Mjesto otvaranja
(1TS242_7150,1TS415_11783)
Staza 1 3TS18_73830, 1TS845_25272, 1TS765_22784, 1TS846_25306,
1TS608_17757, 1TS1427_43638, 1TS242_7150
Staza 2 3TS18_73830, 1TS738_21906, 1TS721_21356, 1TS804_24048,
1TS1462_44665, 1TS2143_65404, 1TS365_10274, 1TS415_11783
Padovi napona
u redovnom pogonu (staza 1): 0.289185 %, u redovnom pogonu (staza 2): 0.339821 %, u izvanrednom pogonu: 1.352895 %
Tablica 7.7 Izvještaj za prsten 1 u prvom slučaju
Parametar Vrijednost
Broj stanica u prstenu
9
Snaga staze 3688 kVA
Cijena staze 634270 bodova
Staza 3TS18_73830, 1TS2486_11520788, 1TS867_25938, 1TS538_15684, 1TS528_15344, 1TS1274_38687, 1TS414_11749, 1TS1241_37641,
1TS283_8012, 1TS679_20096 ,3TS18_73830
Mjesto otvaranja
(1TS528_15344,1TS1274_38687)
Staza 1 3TS18_73830, 1TS2486_11520788, 1TS867_25938, 1TS538_15684,
1TS528_15344
Staza 2 3TS18_73830, 1TS679_20096, 1TS283_8012, 1TS1241_37641,
1TS414_11749, 1TS1274_38687
Padovi napona
u redovnom pogonu (staza 1): 0.122875 %, u redovnom pogonu (staza 2): 0.160489 %, u izvanrednom pogonu: 0.575513 %
Tablica 7.8 Izvještaj za prsten 2 u prvom slučaju
7.2. Drugi slučaj
Parametri genetskog algoritma u drugom slučaju su promijenjeni i nove,
izmijenjene vrijednosti su prikazane u tablici 7.9.
30
Parametar Vrijednost
Broj generacija 20000
Broj najbližih stanica TS 110(30)/x kV 5
Broj najbližih stanica TS x/0.4 kV 10
Intenzitet selekcije 1.1
Veličina populacije 150
Parametar mutacije (svakih koliko generacija) 200
Kontrola ograničenja (svakih koliko generacija) 500 Tablica 7.9 Parametri genetskog algoritma za drugi slučaj
Oko pojne trafostanice ponovno su stvorena dva prstena, ali s nešto
drugačijim stazama. Nova konfiguracija mreže prikazana je na slici 7.2.
Slika 7.2 Konfiguracija mreže nakon provedenog optimizacijskog postupka (slučaj 2)
Varijanta optimiranja i ukupni rezultat optimiranja za drugi slučaj prikazani
su u tablicama 7.10. i 7.11.
31
Parametar Vrijednost
Varijanta optimiranja Optimira se kao da se radi o području bez postojećih kabela
Uvažavanje postojećeg stanja Postojeći kabeli se ne uvažavaju!
Struktura mreže Prstenasta Tablica 7.10 Varijanta optimiranja za drugi slučaj
Parametar Vrijednost
Ukupna snaga 9286 kVA
Stalni pogonski troškovi i investicijski troškovi 1543462 bodova
Varijabilni pogonski troškovi 90578 bodova
Ukupni troškovi 1634040 bodova
Broj prstenova 2 Tablica 7.11 Ukupni rezultat optimiranja za drugi slučaj
Podaci o prstenima sadržani u izvješću prikazani su u tablicama 7.12. i 7.13.
U odnosu na prvi slučaj, konfiguracija mreže je drugačija, broj prstena u svakoj od
staza je promijenjen.
Parametar Vrijednost
Broj stanica u
prstenu 15
Snaga staze 5973 kVA
Cijena staze 1069229 bodova
Staza
3TS18_73830, 1TS283_8012, 1TS738_21906, 1TS721_21356,
1TS804_24048, 1TS365_10274, 1TS1462_44665, 1TS2143_65404,
1TS1241_37641, 1TS242_7150, 1TS415_11783, 1TS1427_43638,
1TS608_17757, 1TS846_25306, 1TS845_25272, 1TS679_20096
,3TS18_73830
Mjesto otvaranja (1TS1241_37641,1TS242_7150)
Staza 1
3TS18_73830, 1TS283_8012, 1TS738_21906, 1TS721_21356,
1TS804_24048, 1TS365_10274, 1TS1462_44665, 1TS2143_65404,
1TS1241_37641
Staza 2 3TS18_73830, 1TS679_20096, 1TS845_25272, 1TS846_25306,
1TS608_17757, 1TS1427_43638, 1TS415_11783, 1TS242_7150
Padovi napona u redovnom pogonu (staza 1): 0.353581 %, u redovnom pogonu (staza
2): 0.358833 %, u izvanrednom pogonu: 1.455989 %
Tablica 7.12 Izvještaj za prsten 1 u drugom slučaju
32
Parametar Vrijednost
Broj stanica u prstenu
7
Snaga staze 3313 kVA
Cijena staze 474233 bodova
Staza 3TS18_73830, 1TS2486_11520788, 1TS867_25938,
1TS538_15684, 1TS528_15344, 1TS765_22784, 1TS1274_38687, 1TS414_11749 ,3TS18_73830
Mjesto otvaranja (1TS528_15344,1TS765_22784)
Staza 1 3TS18_73830, 1TS2486_11520788, 1TS867_25938,
1TS538_15684, 1TS528_15344
Staza 2 3TS18_73830, 1TS414_11749, 1TS1274_38687, 1TS765_22784
Padovi napona u redovnom pogonu (staza 1): 0.122875 %, u redovnom pogonu
(staza 2): 0.081138 %, u izvanrednom pogonu: 0.360440 % Tablica 7.13 Izvještaj za prsten 2 u drugom slučaju
7.3. Treći slučaj
Promijenjeni parametri genetskog algoritma u trećem slučaju prikazani su u
tablici 7.14.
Parametar Vrijednost
Broj generacija 70000
Broj najbližih stanica TS 110(30)/x kV 10
Broj najbližih stanica TS x/0.4 kV 15
Intenzitet selekcije 1.15
Veličina populacije 250
Parametar mutacije (svakih koliko generacija) 100
Kontrola ograničenja (svakih koliko generacija) 200 Tablica 7.14 Parametri genetskog algoritma za treći slučaj
Prsteni u novoj konfiguraciji mreže su drugačije složeni u odnosu na
prethodne slučajeve prikazana je na slici 7.3.
33
Slika 7.3 Konfiguracija mreže nakon provedenog optimizacijskog postupka (slučaj 3)
Varijanta optimiranja i ukupni rezultat optimiranja za treći slučaj prikazani su
u tablicama 7.15. i 7.16.
Parametar Vrijednost
Varijanta optimiranja Optimira se kao da se radi o području bez postojećih kabela
Uvažavanje postojećeg stanja Postojeći kabeli se ne uvažavaju!
Struktura mreže Prstenasta Tablica 7.15 Varijanta optimiranja za treći slučaj
Parametar Vrijednost
Ukupna snaga 9286 kVA
Stalni pogonski troškovi i investicijski troškovi 1508841 bodova
Varijabilni pogonski troškovi 82837 bodova
Ukupni troškovi 1591678 bodova
Broj prstenova 2 Tablica 7.16 Ukupni rezultat optimiranja za treći slučaj
34
Ponovno je s promjenom parametara genetskog algoritma došlo do i do
promjene konfiguracije mreže što je vidljivo i u tablicama 7.17. i 7.18.
Parametar Vrijednost
Broj stanica u prstenu
13
Snaga staze 5779 kVA
Cijena staze 923174 bodova
Staza
3TS18_73830, 1TS845_25272, 1TS1274_38687, 1TS415_11783, 1TS242_7150, 1TS1427_43638, 1TS608_17757, 1TS846_25306, 1TS765_22784, 1TS528_15344, 1TS538_15684, 1TS867_25938,
1TS679_20096, 1TS2486_11520788 ,3TS18_73830
Mjesto otvaranja
(1TS608_17757,1TS846_25306)
Staza 1 3TS18_73830, 1TS845_25272, 1TS1274_38687, 1TS415_11783,
1TS242_7150, 1TS1427_43638, 1TS608_17757
Staza 2 3TS18_73830, 1TS2486_11520788, 1TS679_20096, 1TS867_25938,
1TS538_15684, 1TS528_15344, 1TS765_22784, 1TS846_25306
Padovi napona
u redovnom pogonu (staza 1): 0.351193 %, u redovnom pogonu (staza 2): 0.299804 %, u izvanrednom pogonu: 1.223893 %
Tablica 7.17 Izvještaj za prsten 1 u trećem slučaju
Parametar Vrijednost
Broj stanica u prstenu
9
Snaga staze 3507 kVA
Cijena staze 585667 bodova
Staza 3TS18_73830, 1TS283_8012, 1TS414_11749, 1TS1241_37641,
1TS2143_65404, 1TS1462_44665, 1TS365_10274, 1TS804_24048, 1TS721_21356, 1TS738_21906 ,3TS18_73830
Mjesto otvaranja
(1TS2143_65404,1TS1462_44665)
Staza 1 3TS18_73830, 1TS283_8012, 1TS414_11749, 1TS1241_37641,
1TS2143_65404
Staza 2 3TS18_73830, 1TS738_21906, 1TS721_21356, 1TS804_24048,
1TS365_10274, 1TS1462_44665
Padovi napona
u redovnom pogonu (staza 1): 0.118393 %, u redovnom pogonu (staza 2): 0.152144 %, u izvanrednom pogonu: 0.502678 %
Tablica 7.18 Izvještaj za prsten 2 u trećem slučaju
7.4. Četvrti slučaj
U četvrtom i daljnjim slučajevima na kojima je proveden optimizacijski
postupak korištena je matrica troškova 2. Korištenjem te matrice u obzir je uzeto
stvarno stanje, tj. korišteni su postojeći vodovi i postojeće trase. Bez obzira na to, u
izvješću, varijanta o optimiranju daje iste informacije kao i u prethodnim slučajevima.
35
Parametri genetskog algoritma u četvrtom slučaju odgovaraju onima u prvom
slučaju. Nakon optimizacijskog postupka, predložena konfiguracija mreže prikazana
je na slici 7.4.
Slika 7.4 Konfiguracija mreže nakon provedenog optimizacijskog postupka (slučaj 4)
Promjena ulaznih datoteka sa sobom donosi i promjenu rezultata optimiranja.
Ukupna snaga ostala je ista, a vrijednosti vezane uz troškove se mijenjaju. Rezultati
optimiranja u četvrtom slučaju vidljivi su u tablici 7.19.
Parametar Vrijednost
Ukupna snaga 9286 kVA
Stalni pogonski troškovi i investicijski troškovi 1542089 bodova
Varijabilni pogonski troškovi 202503 bodova
Ukupni troškovi 1744592 bodova
Broj prstenova 2 Tablica 7.19 Ukupni rezultat optimiranja za četvrti slučaj
36
Vrijednosti i informacije o novonastalim prstenima dobivene u izvješću
prikazane su u tablicama 7.20. i 7.21.
Parametar Vrijednost
Broj stanica u prstenu
14
Snaga staze 5876 kVA
Cijena staze 988361 bodova
Staza
3TS18_73830, 1TS2486_11520788, 1TS738_21906, 1TS721_21356, 1TS804_24048, 1TS365_10274, 1TS1462_44665, 1TS2143_65404,
1TS242_7150, 1TS1427_43638, 1TS415_11783, 1TS608_17757, 1TS846_25306, 1TS845_25272, 1TS679_20096 ,3TS18_73830
Mjesto otvaranja
(1TS2143_65404,1TS242_7150)
Staza 1 3TS18_73830, 1TS2486_11520788, 1TS738_21906, 1TS721_21356, 1TS804_24048, 1TS365_10274, 1TS1462_44665, 1TS2143_65404
Staza 2 3TS18_73830, 1TS679_20096, 1TS845_25272, 1TS846_25306, 1TS608_17757, 1TS415_11783, 1TS1427_43638, 1TS242_7150
Padovi napona
u redovnom pogonu (staza 1): 0.586647 %, u redovnom pogonu (staza 2): 0.991970 %, u izvanrednom pogonu: 3.557505 %
Tablica 7.20 Izvještaj za prsten 1 u četvrtom slučaju
Parametar Vrijednost
Broj stanica u prstenu
8
Snaga staze 3410 kVA
Cijena staze 553728 bodova
Staza 3TS18_73830, 1TS283_8012, 1TS1241_37641, 1TS414_11749,
1TS1274_38687, 1TS765_22784, 1TS528_15344, 1TS538_15684, 1TS867_25938 ,3TS18_73830
Mjesto otvaranja
(1TS1274_38687,1TS765_22784)
Staza 1 3TS18_73830, 1TS283_8012, 1TS1241_37641, 1TS414_11749,
1TS1274_38687
Staza 2 3TS18_73830, 1TS867_25938, 1TS538_15684, 1TS528_15344,
1TS765_22784
Padovi napona
u redovnom pogonu (staza 1): 0.317279 %, u redovnom pogonu (staza 2): 0.301720 %, u izvanrednom pogonu: 1.075822 %
Tablica 7.21 Izvještaj za prsten 2 u četvrtom slučaju
7.5. Peti slučaj
Parametri genetskog algoritma petog slučaja odgovaraju parametrima
drugog slučaja, postavljeni su na iste vrijednosti. Konfiguracija mreže i rezultati
optimiranja petog slučaja vidljivi su na slici 7.5. i u tablici 7.22.
37
Slika 7.5 Konfiguracija mreže nakon provedenog optimizacijskog postupka (slučaj 5)
Parametar Vrijednost
Ukupna snaga 9286 kVA
Stalni pogonski troškovi i investicijski troškovi 1509387 bodova
Varijabilni pogonski troškovi 191629 bodova
Ukupni troškovi 1701016 bodova
Broj prstenova 2 Tablica 7.22 Ukupni rezultat optimiranja za peti slučaj
Vrijednosti i informacije o novonastalim prstenima dobivene u izvješću
prikazane su u tablicama 7.23. i 7.24.
38
Parametar Vrijednost
Broj stanica u prstenu
14
Snaga staze 5876 kVA
Cijena staze 961925 bodova
Staza
3TS18_73830, 1TS2486_11520788, 1TS738_21906, 1TS721_21356, 1TS804_24048, 1TS365_10274, 1TS1462_44665, 1TS2143_65404,
1TS415_11783, 1TS242_7150, 1TS1427_43638, 1TS608_17757, 1TS846_25306, 1TS845_25272, 1TS679_20096 ,3TS18_73830
Mjesto otvaranja
(1TS415_11783,1TS242_7150)
Staza 1 3TS18_73830, 1TS2486_11520788, 1TS738_21906, 1TS721_21356, 1TS804_24048, 1TS365_10274, 1TS1462_44665, 1TS2143_65404,
1TS415_11783
Staza 2 3TS18_73830, 1TS679_20096, 1TS845_25272, 1TS846_25306,
1TS608_17757, 1TS1427_43638, 1TS242_7150
Padovi napona
u redovnom pogonu (staza 1): 0.842034 %, u redovnom pogonu (staza 2): 0.719953 %, u izvanrednom pogonu: 3.395258 %
Tablica 7.23 Izvještaj za prsten 1 u petom slučaju
Parametar Vrijednost
Broj stanica u prstenu
8
Snaga staze 3410 kVA
Cijena staze 547462 bodova
Staza 3TS18_73830, 1TS867_25938, 1TS538_15684, 1TS528_15344, 1TS765_22784, 1TS283_8012, 1TS1241_37641, 1TS414_11749,
1TS1274_38687 ,3TS18_73830
Mjesto otvaranja
(1TS765_22784,1TS283_8012)
Staza 1 3TS18_73830, 1TS867_25938, 1TS538_15684, 1TS528_15344,
1TS765_22784
Staza 2 3TS18_73830, 1TS1274_38687, 1TS414_11749, 1TS1241_37641,
1TS283_8012
Padovi napona
u redovnom pogonu (staza 1): 0.301720 %, u redovnom pogonu (staza 2): 0.300455 %, u izvanrednom pogonu: 1.083142 %
Tablica 7.24 Izvještaj za prsten 2 u petom slučaju
7.6. Šesti slučaj
Parametri genetskog algoritma petog slučaja odgovaraju parametrima trećeg
slučaja, postavljeni su na iste vrijednosti. Konfiguracija mreže i rezultati optimiranja
petog slučaja vidljivi su na slici 7.6. i u tablici 7.25.
39
Slika 7.6 Konfiguracija mreže nakon provedenog optimizacijskog postupka (slučaj 6)
Parametar Vrijednost
Ukupna snaga 9286 kVA
Stalni pogonski troškovi i investicijski troškovi 1527855 bodova
Varijabilni pogonski troškovi 22856 bodova
Ukupni troškovi 1756416 bodova
Broj prstenova 2 Tablica 7.25 Ukupni rezultat optimiranja za šesti slučaj
Vrijednosti i informacije o novonastalim prstenima dobivene u izvješću
prikazane su u tablicama 7.26. i 7.27.
40
Parametar Vrijednost
Broj stanica u prstenu
14
Snaga staze 5770 kVA
Cijena staze 1086125 bodova
Staza
3TS18_73830, 1TS867_25938, 1TS679_20096, 1TS738_21906, 1TS721_21356, 1TS804_24048, 1TS365_10274, 1TS1462_44665, 1TS2143_65404, 1TS415_11783, 1TS242_7150, 1TS1427_43638, 1TS608_17757, 1TS846_25306, 1TS1274_38687 ,3TS18_73830
Mjesto otvaranja
(1TS2143_65404,1TS415_11783)
Staza 1 3TS18_73830, 1TS867_25938, 1TS679_20096, 1TS738_21906,
1TS721_21356, 1TS804_24048, 1TS365_10274, 1TS1462_44665, 1TS2143_65404
Staza 2 3TS18_73830, 1TS1274_38687, 1TS846_25306, 1TS608_17757,
1TS1427_43638, 1TS242_7150, 1TS415_11783
Padovi napona
u redovnom pogonu (staza 1): 0.897204 %, u redovnom pogonu (staza 2): 0.972846 %, u izvanrednom pogonu: 3.573033 %
Tablica 7.26 Izvještaj za prsten 1 u šestom slučaju
Parametar Vrijednost
Broj stanica u prstenu
8
Snaga staze 3516 kVA
Cijena staze 441730 bodova
Staza 3TS18_73830, 1TS538_15684, 1TS528_15344, 1TS765_22784, 1TS845_25272, 1TS283_8012, 1TS414_11749, 1TS1241_37641,
1TS2486_11520788 ,3TS18_73830
Mjesto otvaranja
(1TS283_8012,1TS414_11749)
Staza 1 3TS18_73830, 1TS538_15684, 1TS528_15344, 1TS765_22784,
1TS845_25272, 1TS283_8012
Staza 2 3TS18_73830, 1TS2486_11520788, 1TS1241_37641, 1TS414_11749
Padovi napona
u redovnom pogonu (staza 1): 0.238822 %, u redovnom pogonu (staza 2): 0.251548 %, u izvanrednom pogonu: 0.897200 %
Tablica 7.27 Izvještaj za prsten 2 u šestom slučaju
41
8. USPOREDBA I ANALIZA REZULTATA
Uspoređujući rezultate za svaku matricu troškova, iz izvještaja dobivenih
nakon provedbe optimizacijskog postupka, moguće je zaključiti kako promjena
parametara genetskog algoritma utječe na konfiguraciju mreže te mijenja
ekonomske, ali i tehničke parametre distribucijske mreže.
Mijenjanjem parametara genetskog algoritma se dolazi do boljeg rješenja.
Parametri su iskustveni, odnosno osoba koja koristi CADDiN prilikom planiranja i
pronalaženja najbolje konfiguracije mreže, točnije optimalnog rješenja, s vremenom
i češćim korištenjem može lakše odrediti granice parametara u kojima se rješenja
mogu zanemariti, točnije u kojima pronađena rješenja nisu najbolja i ne garantiraju
točnost s dovoljnom sigurnošću. Isto tako, moguće je odrediti interval gdje su
dobivena rješenja dovoljno dobra i od kojih se druga potencijalna dobra rješenja
razlikuju u malim iznosima.
Optimiranje provedeno na prvoj matrici troškova pokazuje smanjenje ukupnih
troškova s promjenom genetskih parametara. Svaki slučaj pokazuje bolju
ekonomsku isplativost u odnosu na prethodni. Smislenim određivanjem i
promjenom vrijednosti parametara, poboljšava se početni skup rješenja, mogućnost
loših rješenja je mala, vjerojatnost odabira dobrog kromosoma se povećava itd. Svi
ti parametri utječu na smanjivanje troškova, odnosno u nekoj daljnjoj analizi i
povećanje profita.
Druga matrica troškova i rezultati provedeni na njoj pokazuju nešto drugačije,
neočekivanije ponašanje. Troškovi za slučajeve 4, 5 i 6 se razlikuju za manji iznos
nego što je to bilo za slučajeve 1, 2 i 3. Također, zadnji slučaj za drugu matricu ne
nudi ekonomski najbolje rješenje. Najbolje rješenje je ono za slučaj 5. Pojedinim
parametrima kao što su broj generacija i veličina populacije su zadane vrijednosti
koje su većeg iznosa. U tom slučaju, kao i za parametre premalog iznosa, nađena
rješenja ne moraju nužno biti dobra, interval u kojem se nalaze rješenja koja su
najbolja je prekoračen i zbog toga je u slučaju matrice troškova 2 vrijednosti
parametara genetskog algoritma postaviti na nešto niže vrijednosti u odnosu na one
slučajeve na kojima je proveden optimizacijski postupak za matricu troškova 1.
42
Uspoređujući paralelno rezultate za prvu i drugu matricu, moguće je uočiti
kako je isplativije koristiti matricu troškova 1. Korištenje podataka definiranih u
matrici troškova 1 zahtijevalo bi potpunu izgradnju novih vodova, kao i novih ruta.
Ovi podaci se ne mogu uzeti u obzir sa stopostotnom sigurnošću zato što je matrica
troškova 1 kreirana iz matrice udaljenosti u kojoj su udaljenosti između trafostanice
geometrijske udaljenosti između koordinata točaka. Samim time, udaljenosti su
nešto kraće nego u matrici udaljenosti u kojoj su uzete stvarne duljine postojećih
vodova i trasa. Faktori s kojima se udaljenosti množe nisu dovoljno mali da bi
slučajevi promatrani za matricu troškova 2 bili isplativiji. Ta situacija ne odgovara
stvarnosti, zbog toga što kada bi se situacija u ekonomski najisplativijem slučaju išla
provesti, nije moguće garantirati nepostojanje već postojećih objekata u stvarnom
svijetu koji bi onemogućili takvo jednostavno povezivanje. Slučajevi 1, 2 i 3 su
primjeri koji su služili za testiranje automatizacije obrade podataka i programa koji
objedinjuje nekoliko različitih izvora podataka, aplikacija i jedinstvenu bazu
podataka, razvijenog za što lakše i jednostavnije optimiranje i planiranje
distribucijske mreže. Usporedba ukupnih troškova u ovisnosti o slučaju prikazana je
na grafu 8.1.
Slika 8.1 Graf ovisnosti ukupnog troška o slučaju na kojem je provedeno optimiranje
Tehnički najbolja rješenja nisu direktno povezana s ekonomskom
isplativošću. Rješenje koje daje najmanje ukupne troškove ne znači nužno za sustav
najsigurniju i najstabilniju konfiguraciju mreže. Pad napona u mreži ovisi o promjeni
1705414
1634040
1591678
1744592
1701016
1756416
1500000
1550000
1600000
1650000
1700000
1750000
1800000
1 2 3 4 5 6
Ukupni troškovi (bodova) ovisno o slučaju
43
parametara genetskog algoritma zato što se promjenom parametara mijenja broj
vodova u prstenu i duljina staze.
Uspoređujući padove napona za matrice troškova nastalih iz matrica
udaljenosti 1 i 2 moguće je primijetiti da je pad napona za svaku stazu u redovnom
pogonu i pad napona u izvanrednom pogonu veći prilikom optimizacije provedene
u svim slučajevima matrice udaljenosti 2. Udaljenosti u drugoj matrici su veće u
odnosu na prvu, a s obzirom da se pad napona povećava s udaljenosti od mjesta
napajanja, stanje napona je nepovoljnije u slučaju matrice udaljenosti 2.
U oba slučaja dobivene vrijednosti pada napona su u dozvoljenim granicama,
s obzirom na postavljeni najveći dozvoljeni iznos pada napona od 5% u redovnom
pogonu i 10% u izvanrednom pogonu, mreža je stabilna u oba slučaja. Ovisnost
pada napona u redovnom pogonu o stazama 1 i 2 prvog prstena za svaki od šest
slučajeva optimiranja prikazana je na grafu 8.2.
Slika 8.2 Graf ovisnosti pada napona (%) u redovnom pogonu za prsten 1 o stazi i slučaju
Ukoliko bi se zaključi provedeni na ekonomsku analizu pokušali povezati s
rezultatima prikazanim na grafu 8.2, vidljivo je da ekonomski najbolji slučajevi ne
znače nužno najbolji slučaj s tehničkog stajališta. U nekim drugim situacijama,
mijenjanje parametara genetskog algoritma koje bi dovelo do poboljšanja rješenja
promatranog s ekonomske strane, dovelo bi i do najboljeg rješenja promatranog s
tehničke strane. Optimizacija provedena na ovom djelu mreže nije takav slučaj.
0,2
89185
0,3
53581
0,3
51193
0,5
86647
0,8
42034
0,8
97204
0,3
39821
0,3
58833
0,2
99804
0,9
91970
0,7
19953
0,9
72846
0
0,2
0,4
0,6
0,8
1
1,2
1 2 3 4 5 6
Pad napona (%) u redovnom pogonu prstena 1 ovisno o stazi i slučaju
Pad napona - staza 1 (%) Pad napona - staza 2 (%)
44
9. ZAKLJUČAK
Ideja stvaranja programa koji objedinjuje nekoliko aplikacija, programskih
jezika i različitih tehnologija bila je stvaranje zajedničke baze koja u sebi sadrži
podatke iz više različitih izvora. Izvori podataka iz kojih su podaci spremljeni u
zajedničku bazu su GIS aplikacija razvijena od HEP – ODS-a i open source GIS
alat, Open Street Map. OSM je služio za prikupljanje podataka o cestama, koje su
iskorištene kao postojeće rute za postavljanje novih vodova u daljnjim analizama.
Iz podataka iz zajedničke baze kreirane su ulazne datoteke za CADDiN,
program za planiranje i optimiranje mreža. Stvorene su dvije matrice udaljenosti iz
kojih su stvorene dvije matrice troškova. Za svaku od matrica napravljena je analiza
za tri različita slučaja. Prva matrica udaljenosti kreirana je iz geometrijske
udaljenosti trafostanica, odnosno iz udaljenosti koordinata točaka koje predstavljaju.
Matrica troškova stvorena iz tako nastale matrice udaljenosti formira se prema
izrazu u koji je potrebno u obzir uzeti nepostojanje vodova i trasa. U drugom slučaju
matrica udaljenosti stvorena je iz duljina postojećih vodova i postojećih trasa. Izraz
za formiranje matrica troškova u tom slučaju nešto je drugačiji i u obzir se uzima
postojanje vodova i trasa.
Iznosi u matrici troškova 2 bi trebali biti manje vrijednosti, s obzirom na
faktore koji smanjuju trošak za slučaj kada se u obzir uzimaju postojeći vodovi i
trase. U slučajevima na kojima je provedena analiza, situacija je drugačija, zbog
puno veće udaljenosti linijskih objekata, generalno su troškovi u matrici 2 veći.
Iskustvena promjena parametara genetskog algoritma može dovesti do
izbjegavanja loših rješenja i divergencije te se može odrediti interval parametara za
koji će ukupni troškovi biti manji u odnosu na neke druge slučajeve. Zbog manjih
udaljenosti u matrici 1, troškovi nastali u slučajevima 1, 2 i 3 manji su u odnosu na
slučajeve 4, 5 i 6 kojima odgovaraju parametri genetskog algoritma prva tri slučaja.
Tehnički dio rješenja, točnije padovi napona nisu direktno povezani s ekonomskim
djelom. Padovi napona ovise o konfiguraciji mreže, odnosno o broju staza i ukupnoj
duljini svakog prstena.
Daljnji rad na razvoju programa koji objedinjuje nekoliko različitih već
postojećih aplikacija, programskih jezika i tehnologija uključuje proučavanje
45
CADDiN-a za slučaj u kojem su u obzir uzeti postojeći vodovi i trase. Potrebno je
ustvrditi postoji li bolja i točnija mogućnost od testirane, mogućnost da u izvješću,
varijanta o optimiranju daje podatke koji potvrđuju korištenje postojećih vodova i
trasa. Ideja stvaranja zajedničke baze podatka je korištenje podataka u drugim
programima i proračunima, a ne stvaranje ulaznih datoteka i optimiranje u CADDiN-
u. Za planiranje mreže koriste se i drugi proračuni kao što je proračun tokova snaga,
podaci se mogu koristiti i za stvaranje mreže u NEPLAN-u i u drugim programima
koji će pomoći prilikom pronalaženja optimalne konfiguracije mreže.
46
10. LITERATURA
[1] I. Kuzle, “Regulacija frekvencije i djelatne snage i podfrekvencijsko
rasterećenje elektroenergetskog sustava.”
[2] Minea Skok, “Evolucijski algoritam za dinamičko planiranje razdjelnih
mreža.” .
[3] “RAZDJELNE MREŽE I DISTRIBUIRANA PROIZVODNJA - Uvod u
tradicionalne razdjelne mreže (predavanje).”
[4] T. M. Bobetko, J. Grašo, M. Cvitanović, M. Zidar, “Planiranje povezne
distributivne mreže upotrebom programskog paketa CADDiN 4.1,” 2. Savjet.
Hrvat. Ogran. Međunarodne elektrodistribucijske Konf., pp. SO5-08, 2010.
[5] D. Pirić, “Diplomski Rad,” 2009.
[6] N. Holjevac, “Planiranje razvoja distribucijskih mreža,” 2013.
[7] S. Krajcar, D. Škrlec, M. Skok, Z. Zmijarević, H. Keko, “CADDiN 4.1 upute
za uporabu.”
[8] S. Krajcar, D. Škrlec, S. Blagajac, M. Filipec, Z. Zmijarević, “CADDiN 4.0,
Modul ACADAPP, Priprema podataka iz AutoCAD-a, Upute za korištenje,”
pp. 1–76.
47
SAŽETAK
Programska podrška planiranju srednjonaponskih distribucijskih mreža
podržana geografskim informacijskim sustavima
Operator distribucijskog sustava (ODS) je povijesno gledano planirao
energetsku mrežu uzevši u obzir samo jedan smjer toka energija. S liberalizacijom
tržišta i ulaganjem krajnjih korisnika u proizvodnju, fleksibilnost potražnje ili u
spremnike energije, proces je postao složeniji. Kako bi se novi izazovi lakše
razriješili, ODS ima mogućnost iskorištavanja novih izvora podataka i tehnologija
kako bi unaprijedio i poboljšao već postojeće alate za planiranje mreže.
Rad opisuje koncept izrade integriranog programskog alata koji koristi i
objedinjuje podatke iz nekoliko izvora i već postojećih aplikacija. Konačni proizvod
je skup programa namijenjenih kao pomoć operatoru sustava za lakše planiranje
nacrta konfiguracije distribucijske mreže. Raspon izazova u stvaranju alata čije je
korištenje opisano u radu proteže se od pronalaženja kvalitetnih i ispravnih
podataka u početnoj fazi pa sve do smanjenja vremena potrebnog za pronalaženje
optimalnog rješenja.
Funkcionalnost i ispravan rad integriranog alata testiran je i prezentiran za
nekoliko različitih slučajeva na području mreže Zagreba.
Ključne riječi: integracija podataka, baza podataka, trafostanice, dionice,
planiranje distribucijske mreže, geoinformacijski sustavi, optimizacija, CADDiN
48
SUMMARY
Software tool for planning of medium voltage distribution networks
supported by geographical information system
Historically the distribution system operator (DSO) planned the network
considering single direction flow of energy. With the liberalization of the retail market
and uptake of end-user investments, either in generation, flexible demand or
storage, this process become more complex. To tackle the new challenges the
DSOs could take advantages of the newly available data sources and technologies
further enhancing their network planning tools.
The paper describes and elaborates on the concept and procedures to create
an integrated software tool using the data from multiple sources and existing
applications. The final product is designed to help system operator in easier
planning of the layout of the distribution network. The challenges of creating the tool
solved in the paper range from the quality and source of the input data to the time
needed for finding an optimal solution.
Finally, the functionality of the tool is presented on a case study of a real
distribution network in Zagreb, Croatia.
Key words: data integration, database, substations, powerlines, distribution
network planning, geoinformation system, optimization, CADDiN