تقاضای شبکه برق برای یک مزرعه بادی بزرگ با الگوریتم ژنتیک+ کد ها+ فیلم

ابتدا میتوانید یک ویدیو از این مطلب ببینید.

در این شبیه سازی که برای شما انجام دادیم. سیستم گسسته به سه قسمت تقسیم کرده ایم، که برای نمونه سیستم گسسته هست، در حالت فازوری آمده ایم آن را شبیه سازی کرده ایم، به دلیل این که قطعات بسیار زیاد است.

هر کدام از این قطعات خودش از چندین باس تشکیل شده است، که میبینید بین Region A و Region B سه تا خط آنها را به همدیگر وصل می کند.

و Region B به Region C را یک خط BC وصل میکند:

هر کدام از این ها باسک های متعددی دارند، که آنها را داریم میبینیم.

باس B هست که B212 به این معنی هست، که Region 2 و باس 12 در این قسمت

و در نهایت در این قسمت باس ساب سیستم 3 ما که آمده ایم و خروجی ها را قرار داده ایم.

هر کدام از این قسمت ها

خودشان از یکسری به اصطلاح زیر مجموعه هایی تشکیل شده اند؛ و این که یک ژنراتور سنکروم هست، که دارید می بینید:

و این ژنراتور های سنکروم تنظیم شده اند به عنوان ژنراتور سیستم و هر کدام از اینها یکسری بارهایی را دارند

و دقیقا بر اساس ماهیتی که خود ieee برای ما قرار داده آمدهایم و شبیه سازی را انجام داده ایم. بین هر کدام از این ها یکسری خطوطی قرار گرفته

که فرکانس همه سیستم بر حسب 60 هرتز است، که استادارد ieee هست.

و خطوط ما هم طول و پارامتر هایش دقیقا برحسب استاندارد های ieee هست که همه این ها رعایت شده و در نهایت این سیستم برای ما ساخته شده است.

که می توانیم خروجی های متنوعی را از این سیستم داشته باشیم. از ولتاژها و میزان بایند و بادی که ما در اختیار داریم. تا بقیه سیستمی که ما این جا داریم و می شود آن را به عنوان خروجی دید.

به دلیل این که شبیه سازی سنگین هست شما باید مقداری صبر کنید.

مثلا این یکی از ولتاژ های ما هست که از 05/1 شروع شده و تا 49/1 آمده است که تقریبا می شود گفت روی همان 05/1 خودش باقی مانده است.

حالا الکتریکال پاور یا توان ها را می توانید مشاهده کنید که میزان آن تقریبا در این گونه شبیه سازی ها ثابت هست.

و سایر چیز هایی را که ما در این جا آورده ایم و باز می شود پارامتر های دیگری را استخراج کرد. وبه عنوان خروجی دید

توسعه هر روزه منابع تجدید پذیر از جمله مزارع بادی درسراسر جهان و ایران باعث بوجودآمدن بسیاری ازمشکلات

فنی و اقتصادی جدیدشده است. هزینه شبکه‌ که از مزارع بادی حمایت می‌کند، بخش زیادی از هزینه کل مزارع بادی را تشکیل می‌دهد. بنابراین، یافتن طرح بهینه شبکه برق یک عمل حیاتی است که در این مقاله به آن پرداخته می‌شود. همچنین نیاز است تا برنامه ریزی دقیقی برای سیستم برق و برآورد هزینه های ناشی از آن صورت گیرد. در این مقاله یک مدل هزینه توسعه یافته است که هزینه‌های واقعی ترانسفورماتورها، پست‌ها و کابل‌ها را در بر می‌گیرد. همچنین یک شبیه سازی بسیار دقیق هم انجام گرفته است. نتایج نهایی نشان می‌دهد که سیستم معرفی‌شده طراحی‌ بهینه ای از شبکه برق را فراهم می‌کند.

کلیدواژه‌ها- سیستم توزیع برق، الگوریتم ژنتیک، مزرعه بادی ، بهینه‌سازی.

انرژی بادی دارای اهمیت استراتژیک و اقتصادی فزاینده‌ای در سراسر جهان است. انتظار می‌رود،انرژی بادی نقش مهمی در کاهش پیامدهای زیست محیطی داشته باشد. استفاده از تولید برق بادی بنا به دلایل زیر جذاب و قابل توجه است: 1) مزارع بادی ، منابع با ارزش سرزمین‌ها را به تصرف در نمی‌آورند؛ 2) استفاده از مکان‌ها بدین معناست که مزرعه بادی تا حد زیادی دور از چشم و دید بوده و آلودگی صوتی نخواهد داشت؛ 3) جریان باد توسط ساختمان‌ها و جنگل‌ها مشوش نشده و بطور مستقیم و با سرعت زیاد با تیغه‌های توربین برخورد خواهد داشت لذا عملکرد توربین افزایش خواهد یافت؛ 4) طرح‌های توربین بادی با توان نامی بزرگتری نسبت به طرح‌های ساحلی موجودند که این نرخ‌های بزرگ باعث توسعه اقتصادی می‌شود؛ و 5) آب باعث می شود خنک‌سازی قطعات امکانپذیر بوده و هزینه کمی را به دنبال داشته باشد.

مزارع مقیاس بزرگ بادی در سرتاسر جهان توسعه یافته است. این موضوع بخصوص در کشورهای اروپایی هم مرز با ی شمال دیده می‌شود علیرغم این گستره، فناوری‌های مزارع بادی به اندازه مزارع ساحلی بالغ و کامل نیستند و هزینه یک مزرعه بادی نسبت به مورد مشابه آن با همان اندازه که در ساحل واقع شده باشد بیشتر است.

یک مزرعه بادی بزرگ ممکن است از صدها مولد توربین بادی (WT) متصل به شبکه ولتاژ متوسط یا سیستم جمع‌کننده (collector)تشکیل شده باشد، که خود در نهایت در نقطه اتصال (POI)، به سیستم انتقال وصل می‌شود. سیستم جمع محلی WT با ترانسفورماتورهایی شروع می‌شود که در هر توربین بادی و معمولا در تکیه‌گاه برج نصب شده‌اند. این ترانسفورماتورها ولتاژ را از سطح ولتاژ تولید، معمولا 690 V، تا ولتاژ متوسط (معمولا 25-40 kV[1]) افزایش می‌دهند که این سطح ولتاژ توسط سیستم توزیعی که WT ها به آن متصلند، استفاده می‌شود. این سیستم توزیع ولتاژ متوسط (MV) شامل یک یا چند فیدر خواهد بود که این فیدرها به پست‌های تبدیل متصلند که برق تولید توسط WT های متصل به فیدرها را جمع می‌کنند.

مزارع بادی معمولا شامل چندین پست تبدیل هستند که برق تولید توسط مزرعه بادی را جمع‌آوری می‌کنند، سپس از یک سیستم یکپارچه استفاده می‌شود تا انرژی از همه این پست‌ها به پست مرکزی یا ترمینال انتقال یابد؛این پست‌های مرکزی سطح ولتاژ را تا سطح ولتاژ انتقال یعنی 130-150 kV، بالاترین سطح ولتاژ فعلی برای کابل‌های ، افزایش می‌‌دهند [1]. فاصله بین پست ترمینال و POI معمولا بین ده‌ها کیلومتر تا صدها کیلومتر می‌باشد، به همین دلیل نیاز به یک سیستم انتقال ولتاژ بالاست (شکل 1 را ببینید).

شکل1 . شبکه برق ieee-rtsبرای یک مزرعه بادی بزرگ شبیه سازی شده در متلب

توسعه عملیات برق بادی در نواحی داخل بنا به دلایل زیر چالش برانگیز است: 1) مکان مزارع بادی حداقل 10 تا 20 کیلومتر از ساحل فاصله دارد و در این فاصله عمق آب به 10 تا 20 متر می‌رسد؛ 2) مزارع بادی بزرگ ممکن است برای جمع‌آوری تولیدات برق توربین‌های بادی و انتقال آن به سیستم کنار نیازمند چندین پست داخل باشند؛ و 3) مزارع بادی نیازمند تجهیزات خاصی برای احداث و نگهداری بوده و همین موضوع به طرز چشم‌گیری هزینه مزرعه بادی را در مقایسه با مزارع معادل آن در ساحل افزایش می‌دهد.

طراحی سیستم‌های جمع‌کننده، ترکیب و انتقال WT محلی برای یک مزرعه بادی (شکل 1 را ببینید)، شامل انتخاب قطعات و توپولوژی باید به دقت مشخص شده باشد تا تعادل لازم بین عملکرد فنی و هزینه اقتصادی فراهم شود. سرمایه‌گذاری لازم برای سیستم توزیع مزرعه بادی تقریبا سه برابر مورد مشابه ساحلی است [2].

لذا بهینه‌سازی طراحی شبکه برق شانسی را فراهم می‌کند تا در هزینه کلی مزرعه بادی کاهش قابل توجهی حاصل شود. تعداد متغیرهای این مساله و راهکار بهینه نیازمند استفاده از بهینه‌سازی محاسباتی است.

طرح‌بندی‌های گوناگون مزارع بادی با در نظر گرفتن هم ac و dc در منابع [3] و [4] بررسی شده‌اند، و لیست نیازمندی‌های سیستم برق به کار رفته در پارک‌های بادی در [5] ارائه شده است. در رابطه با طراحی مزارع بادی منابع متعددی وجود دارد [6]-[9]. چالش‌های فنی و اقتصادی مربوط به طراحی سیستم جمع‌کننده و انتقال مزارع بادی در برخی منابع بحث شده است [4]، [10]-[12]. Zhao و دیگران [13]-[15] برای حل مساله پیکربندی مزرعه بادی از روش الگوریتم ژنتیک بهره بردند [16]. Hausler و دیگران نیز طرح‌بندی پارک‌های مختلف بادی (با استفاده از هم ac و dc) را بررسی کردند [17]. بهینه‌سازی طرح‌های اتصال الکتریکی مزارع بادی با در نظر گرفتن تنها مدل‌های هزینه سرمایه‌گذاری با استفاده از الگوریتم ژنتیک در [18] انجام گرفت. Nandingam و دیگران نیز [19] از برنامه‌ریزی هندسی بهره گرفتند تا مدل بهینه‌سازی مبتنی بر هزینه، تلفات و قابلیت اطمینان را برای یک پست اصلی تنها حل کنند و این روش با استفاده از یک مزرعه بادی کوچک مورد آزمون واقع شد. برخی منابع روی مساله قابلیت اطمینان سیستم‌های جمع‌کننده متمرکزند [20]-[22]. الگوریتم ژنتیک استاندارد توسط الگوریتم immune بهبود داده شد [2] و مدل هزینه برای سرمایه‌گذاری و اجرا نیز در نظر گرفته شدند؛ با این حال، این روش را می‌توان با در نظر گرفتن سطح‌ مقطع‌های گوناگون در طراحی سیستم جمع‌کننده محلی WT بهبود داد.

در این مقاله، روش نوینی برای حل مساله طراحی بهینه شبکه برق برای مزارع بادی بزرگ ارائه می‌شود. این روش مبتنی است بر الگوریتم ژنتیک بهبودیافته و شامل رویکرد جدید اصلاح‌شده فروشنده دوره‌گرد(TSP) است، و برای طراحی آرایه‌های شعاعی به کار می‌رود، همچنین با افزودن برخی عبارت واقعی‌تر، مدل هزینه بهبود یافته است. مدل بهینه‌سازی و الگوریتم پاسخ به ترتیب در بخش‌های 2 و 3 ارائه شده‌اند. بخش 4 نتایج ارزیابی یک مورد مطالعه‌ای را نشان می‌دهد. موردی که در نظر گرفته شده است عبارت است از یک مزرعه بادی بزرگ که شامل 280 توربین بادی است.

طراحی بهینه شبکه برق مربوطه به مزرعه بادی به عوامل ذیل بستگی دارد: 1) تعداد پست‌های تبدیل ؛ 2) ظرفیت و مکان هر پست؛ 3) توپولوژی مجموعۀ WT محلی و سیستم یکپارچه؛ و 4) ارضای همه محدودیت‌های فنی و کمینه کردن هزینه کلی.

در این بخش، یک مدل بهینه‌سازی مناسب برای یافتن محل بهینه سیستم جمع‌کننده WT در یک مزرعه بادی ، توصیف می‌شود. این مدل تعیین کننده روشی است که به WT اجازه می‌دهد تا با کمترین هزینه به پست متصل شود در عین حال که توپولوژی شعاعی برای فیدرها و دیگر قیود فنی را ارضا کند. کل هزینه سرمایه‌گذاری (C_total) با این فرض محاسبه می شود که همه سرمایه‌گذاری در سال اول فراهم شده و در طول عمر مزرعه بادی پرداخت می‌شود. علاوه بر این، فرض شده است که مقداری سود هم خواهد داشت.

هزینه سرمایه‌گذاری سالیانه طراحی شبکه برق یک مزرعه بادی به صورت مجموع هزینه سرمایه‌گذاری سالیانه ‌کابل ولتاژ متوسط (C_CB) و پست‌ها (C_SS) و هزینه نصب ترانسفورماتور در هر WT (C_WTT) محاسبه می‌شود:

که N_ltطول عمر مزرعه بادی، r نرخ بهره، PR سود بر حسب درصد، C_inv نیز کل هزینه سرمایه‌گذاری لازم برای سیستم الکتریکی مزرعه بادی بوده و K یک مقدار ثابت است.

مساله بهینه‌سازی را می‌توان بصورت زیر توصیف کرد:

با این شرط که

که N_ss تعداد پست‌ها، N_Fi تعداد فیدرهای پست i ام، C(F_j,i)هزینه سرمایه‌گذاری کل فیدر j ام پست i ام (F_i,j)، C_SS,i هزینه کل سرمایه‌گذاری پست i ام و C_WT هزینه کل سرمایه‌گذاری ترانسفورماتورهای افزاینده متصل به WT است. I_Lm جریان نامی بخش m ام فیدر F_ij بوده و I_rated(c_m) جریان نامی هادی نوع c_m است. X_j مجموعه‌ای است که عناصر آن تعریف کننده اتصالات عناصر متعلق به گروه j هستند. X برداری است حاوی مجموعه تعاریف اتصالات همه عناصر درگیر در شبکه برق مربوطه به مزرعه بادی .

1. مدل هزینه
2. ترانسفورماتور متصل به WT: مدل هزینه برای ترانسفورماتورهای افزاینده در هر توربین (C_WTT) بصورت ذیل تعریف می‌شود:

که C_WT هزینه ترانسفورماتور (ضمیمه را ببینید) بوده و N_WT تعداد توربین بادی موجود در مزرعه بادی است.

1. پست تبدیل واقع در : هزینه کل پست تبدیل i ام، C(SS_i)، را می‌توان چنین بیان کرد:

که C_HV,i و C_MV,i به ترتیب هزینه‌های یک پست در سطح ولتاژ بالا و متوسط هستند. N_HV,i و N_MV,i به ترتیب تعداد bay های HV و MV بوده و N_Tr,i تعداد ترانسفورماتورهای موجود در پست می‌باشد.

هزینه ترانسفورماتور افزاینده نصب‌شده در پست i ام یعنی C(ST_i)، به توان نامی و سطوح ولتاژ بستگی دارد. برای ترانسفورماتورهای با نرخ نامی 6.3-150 MVA و نرخ سمت ولتاژ بالای 47 تا 140 kV و نرخ سمت ولتاژ پائین 25-40 kV [19]، [23]، هزینه به عنوان تابعی از توان نامی (S_STrated) بصورت زیر تعریف می‌شود:

که α₁ یک ثابت آفست برابر با -0.205×10⁶ ، α₂ یک ثابت شیب برابر 364.6 و نمای β₁ برابر 0.4473 می‌باشد.

C_R,i هزینه دیگر تجهیزات لازم در پست مثل رله‌های حفاظتی و تجهیزات کنترلی است. هزینه احداث پست (C_C,i) با در نظر گرفتن ناحیه معادل ناحیه احداث برای ترانسفورماتور و نیز bay های ولتاژ بالا و ولتاژ متوسط و قیمت واحد احداث تعریف می‌شود.

1. کابل‌های زیر: تعداد WT های متصل به فیدر شعاعی i ام سیستم جمع‌کننده ( N_Fi) به بیشترین توانی بستگی دارد که توسط کابل‌های زیر‌ قابل انتقال است در عین حال که قیود کیفیت توان ارضا شده باشند. جریان لازم در یک پیکربندی شعاعی بین سطح مقطع‌های مختلف فیدر تغییر خواهد کرد و لا استفاده از سطح مقطع‌های مختلف کابل بدون کاهش عملکرد سیستم باعث کاهش هزینه خواهد شد.

شکل 2 پیکربندی فیدر i ام (F_j,i) را نشان می‌دهد، هر توربین بادی جریان (I_WTm) را به فیدر تزریق می‌کند، اندازه کابل c_m برای هر مقطعی که جریان I_Lm را حمل می‌کند از نقطه اتصال در پست تبدیل j ام رسم شده است (PCC_j,i). اندازه کابل‌ها (c_m) مبتنی هستند بر این معیارها: جریان بار و بیشترین افت ولتاژ مجاز، با در نظر گرفتن طول متناظر در هر بخش (d_m).

شکل 2. دیاگرام تک‌ خطی فیدر i ام پست تبدیل j ام.

هزینه فیدر i ام (C_Fj,i) در پست تبدیل را می‌توان بصورت زیر بیان کرد:

که C_SMj,i هزینه حمل و نصب برای کابل‌های زیر در فیدر بوده و C_CbSj,i هزینه کلی کابل‌های MV بصورت زیر است:

که C_CB هزینه هادی نوع c_m به کار رفته در بخش mام، L_m طول بخش m ام، و N_SFi تعداد بخش‌های کابل موجود در فیدر i ام است.

هزینه کابل‌های MV در سیستم جمع‌کننده WT محلی تابعی است از سطح هادی A(c_m) و ولتاژ نامی (V_rated) :

که C_CB هزینه کابل c_m، I_rated(c_m) جریان نامی هادی نوع c_m، α₃ ثابت آفست، α₄ ثابت شیب و نمای β₂ (مقادیر این پارامترها در ضمیمه نشان داده شده است)، و S_rated,m توان نامی کابل است.

یک مزرعه بادی واقعی دارای صدها توربین است، که محدوده جغرافیایی تا چند ده کیلومتر را پوشش می‌دهند، و طرح‌های مختلفی برای طراحی شبکه برق آن وجود دارد.

مساله بهینه‌سازی طراحی شبکه برای مزرعه بادی دارای دو جنبه است: 1) یکپارچه‌سازی اتصالات پست تبدیل ، و 2) سیستم جمع‌کننده محلی WT. راهکار مساله بهینه‌سازی معرف موقعیت پست‌ها (پست‌های تبدیل و ترمینال)، ارتباطات بین پست‌ها و اتصال توپولوژیگ بین WTها و پست‌ها (فیدرها) خواهد بود. برای شبکه برق مزرعه بادی انواع پیکربندی‌ها ممکن است؛ این یک مساله سخت NP بهینه‌سازی ترکیبی بوده و برای روش‌های هوشمند ابتکاری مناسب می‌باشد [24].

الگوریتم ژنتیک نشان داده است که در زمینه حل مسائلی که دارای فضای پاسخ بسیار بزرگ با متغیرهای گسسته باشند، کارائی خاصی دارد؛ طراحی بهینه آرایش مزرعه بادی یکی از چنین مسائلی است [18]. در این مقاله، کارائی الگوریتم ژنتیک با در نظر گرفتن مورد مشخص طراحی شده، بخصوص برای توپولوژی شعاعی در سیستم جمع‌کننده محلی WT، بهبود می‌یابد. بدین منظور، الگوریتم ژنتیک با روش پاسخ بکار رفته برای حل مساله کلاسیک چند فروشنده دوره گرد (mTSP) ترکیب می‌شود. این روش با در نظر گرفتن چندین فیدر شعاعی متصل به PCC، باعث حل مساله طراحی جمع‌کننده یک WT محلی، موسوم به مساله چندین فروشنده دوره گرد باز^[1](omTSP)، خواهد شد. یک کدینگ ژن مخصوص که برای این فرمولاسیون خاص توسعه یافته است در این بخش ارائه می‌شود.

1. توصیف عمومی omTSP

mTSP را بطور کلی می‌توان بصورت ذیل تعریف کرد. با داشتن مجموعه n گره (شهرها)، فرض کنید m فروشنده در یک گره واقع شده باشند. گره‌های باقی‌مانده که قرار است از آنها بازدید به عمل آید را گره‌های واسط نامند. در این مقاله، TSP به مساله شروع ثابت و چند فروشنده دوره گرد باز (omTSP) بهبود خواهد یافت. این مساله شامل یافتن تور(گردش)هایی برای همه m فروشنده است، بگونه‌ای که همه فروشنده‌ها سفر خود را از یک شهر مشخص ثابتی شروع کرده، به یک مجموعه یکتایی از شهرها سفر می‌کنند (هیچکدام از آنها نزدیک حلقه‌هایشان نیستند) بدون اینکه به محل اولیه خود برگردند. به جز برای شهر اول (نقطه شروع مشترک)، هر شهری تنها توسط یک فروشنده بازدید می‌شود.

تعریف ریاضی مساله از نظریه گراف‌ها آغاز می‌شود. فرض کنید گراف G=(V, E) یک گراف وزندار بدون جهت با ماتریس هزینه C باشد، که V مجموعه n گره (رئوس) {1,2,…,n} بوده و E مجموعه شاخه‌ها است. omTSP شامل یافتن یک مجموعه از m زیرگراف‌ G₁(V₁, E₁)، G₂(V₂, E₂) ، … ، G_M(V_m, E_m) است که در روابط زیر صدق کنند:

هزینه شاخه e={v_i, v_j} برابر است با c(e)=c_ij=c_ji. همه هزینه‌ها مثبت هستند. واحد هزینه می‌تواند برحسب فاصله، زمان و غیره تعریف شود. با اینکه TSP توجه زیادی را به خود جلب کرده است، تحقیق روی mTSP محدود بوده است [25]، [26] و در زمینه omTSP عملا فقدان تحقیق وجود دارد.

1. مدل omTSP برای مساله طراحی شبکه برق

برای تبدیل omTSP به مساله طراحی بهینه شبکه برق مزرعه بادی، n گره (رئوس) و m فروشنده را در نظر بگیرید، که اینها را می‌توان به عنوان N_WT توربین بادی به علاوه N_ss پست (n=N_WT+N_ss) و m فیدر در سیستم جمع‌کننده WT محلی هر پست تبدیل در نظر گرفت. توضیح ریاضی تبدیل مساله را شاید بتوان برای یک پست تبدیل و بدون از دست دادن کلیت مساله تشریح کرد.

فرض کنید F_π={F_π(1), F_π(2),…, F_π(m)} یک مجموعه از همه فیدرها F_π(i) باشد، که در آن همه رئوس دقیقا یکبار بازدید شده اند (یکبار به ازای هر WT) و نقطه مشترک برای همه آنها یکی باشد PCC(v₁)

هزینه فیدر C(F_π(i)) برابر است با مجموع هزینه اندازه هادی تا فیدر C_π(e_π(i))

هزینه این سیستم جمع‌کننده C(Fπ) برابر است با مجموع هزینه هر فیدر

خروجی عبارت است از یک مجموعه فیدر F با هم و هزینه آن C(F) برابر کمترین هزینه فیدر است، OPT

توجه شود که این مجموعه از فیدرها لزوما یکتا نیست.

1. الگوریتم ژنتیک برای مساله omTSP

برای مورد مشخص این مساله، کارائی الگوریتم ژنتیک را می‌توان براساس موارد ذیل بهبود داد: توپولوژی شعاعی را روی سیستم جمع‌کننده WT محلی در نظر گرفته و الگوریتم ژنتیک با روش پاسخ به کار رفته برای حل مساله omTSP کلاسیک ترکیب می‌شود.

داده‌های ورودی اصلی مساله بهینه‌سازی عبارتند از مختصات (x_i,y_j) مربوط به N_WT تعداد WT و N_SSپست تبدیل، که توسط ارزیابی micro-sitting تعیین می‌شود، سپس این جزئی از مساله بهینه سازی نخواهد بود.

فلوچارت روش بهینه سازی در شکل 3 نشان داده شده است و در زیربخش‌های کلی ذیل تشریح می‌شود.

شکل 3. فلوچارت روش بهینه ‌سازی

پارامترهای هزینه به کار رفته در مدل‌های هزینه در این مقاله در جداول 1 و 2 و 3 نشان داده شده است.

هزینه حمل و نصب برای کابل‌های زیر فرض می‌شود برابر 152×10³ u.S.$./km باشد [1]. هزینه هر واحد برای ترانسفورماتور افزاینده در توربین بادی برابر C_WT = 35.92×10³ U.S.$ ، 690/35 kV، 2.2 MVA می‌باشد. هزینه تخمینی برای هر bay (که در اینجا حداقل دارای دو فیدر است) شامل تجهیزات زیر می باشد: ساختارها، باسبار، مدارشکن (3)، جداکننده‌ها، کلیدهای زمین، برقگیر، CT، VTو غیره. هزینه یک bay پست در ولتاژ بالا و ولتاژ متوسط فرض می‌شود به ترتیب برابر C_HV,I = 0.53×10⁶ U.S.$ و C_{MV,I = 0.473×10}⁶ U.S.$ باشد.

جدول 1خلاصه نتایج برای مزارع باید فرضی گوناگون

جدول 2هزینه کل سه طرح‌ بهینه

جدول 3پارامتر هزینه برای کابل، برای ولتاژهای مختلف

در این مقاله روش نوینی برای حل مساله طراحی بهینه شبکه برق برای مزارع بادی بزرگ ارائه شد. این روش مبتنی است بر الگوریتم ژنتیک بهبودیافته به همراه یک نسخه اصلاح شده از مساله چندفروشنده دوره گرد. هدف اصلی این مقاله استفاده از مساله چند فروشنده دوره‌گرد باز با نقطه شروع ثابت است یک کدگذاری ژن- کروموزوم خاصی برای این فرمولاسیون مشخص توسعه یافت تا مساله بهینه سازی طراحی شبکه برق برای مزرعه بادی بزرگ حل شود.

یکی از مزایای مهم این روش آن است که سریع بوده و برای طراحی پیکربندی‌های شعاعی موثر است و برای طراح این امکان را فراهم می‌کند که در طراحی سیستم جمع‌کننده WT محلی بتواند سطح مقطع‌های مختلفی برای کابل‌ها در نظر بگیرد. همین موضوع باعث کاهش هزینه کابل‌های زیر می‌شود. همچنین، یک مدل هزینه پیشرفته ای ارائه شد که شامل عبارات واقعی‌تر بیشتری برای هزینه ترانسفورماتورهای متصل به WTها، ترانسفورماتورهای پست و کابل‌های زیر می‌باشد. مدل بهینه شده و الگوریتم پاسخ توسط یک طرح مزرعه بادی فرض با تعداد مختلفی از توربین‌های بادی و یک مزرعه بادی بزرگ شامل 280 توربین بادی 2 MW مورد آزمون واقع شدند. نتایج حاصل از روش ارائه شده نشان دهنده یک همگرایی مناسب برای سطح مشخصی از تابع قابلیت و تعداد نسبتا کمی از نسل‌ها برای مورد مزارع بادی بزرگ می‌باشد. بهبود بیشتر این روش وقتی حاصل می‌شود که در مساله بهینه‌سازی، مدل هزینه تجهیزات، نصب، اجرا و نگهداری برای پست های تبدیل، سیستم یکپارچه Hvو سیستم انتقال در نظر گرفته شده باشد.