PROGRAMSKA PODRŠKA PLANIRANJU...slučaju nastanka kvara ne bi došlo do prekida opskrbe. Dodatni smjer se koristi samo u slučaju prekida napajanja, a postiže se određenim brojem

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 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.


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


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.


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.


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


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.


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



9



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


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








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.


Varijanta optimiranja i ukupni rezultat optimiranja za drugi slučaj prikazani

su u tablicama 7.10. i 7.11.

31




Struktura mreže Prstenasta Tablica 7.10 Varijanta optimiranja za drugi slučaj






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.


Broj stanica u

prstenu 15



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



7



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.








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


Varijanta optimiranja i ukupni rezultat optimiranja za treći slučaj prikazani su

u tablicama 7.15. i 7.16.




Struktura mreže Prstenasta Tablica 7.15 Varijanta optimiranja za treći slučaj






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.



13



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


Tablica 7.17 Izvještaj za prsten 1 u trećem slučaju



9



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


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.


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.






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.



14



Staza


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


Tablica 7.20 Izvještaj za prsten 1 u četvrtom slučaju



8



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


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







Broj prstenova 2 Tablica 7.22 Ukupni rezultat optimiranja za peti slučaj



38



14



Staza


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


Tablica 7.23 Izvještaj za prsten 1 u petom slučaju



8




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


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







Broj prstenova 2 Tablica 7.25 Ukupni rezultat optimiranja za šesti slučaj



40



14



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


Tablica 7.26 Izvještaj za prsten 1 u šestom slučaju



8




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


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

Documents

PROGRAMSKA PODRŠKA PLANIRANJU...slučaju nastanka kvara ne bi došlo do prekida opskrbe. Dodatni smjer se koristi samo u slučaju prekida napajanja, a postiže se određenim brojem