ترکیب جدیدی از سیستم استنتاج فازی و الگوریتم علف‌های هرز به منظور بازآرایی همزمان با جایابی و تعیین ظرفیت بهینه تولیدات پراکنده در شبکه‌های توزیع

الموضوعات :

هاجر باقری طولابی ¹ , محمودرضا شاکرمی ²

1 - دانشگاه آزاد اسلامی، خرم آباد، لرستان
2 - دانشگاه لرستان

تاريخ الإرسال : 12 الخميس , صفر, 1436 تاريخ التأكيد : 18 الثلاثاء , جمادى الثانية, 1436 تاريخ الإصدار : 02 الثلاثاء , رجب, 1436

الکلمات المفتاحية: شبکه توزیع, سیستم استنتاج فازی, بازآرایی, تولید پراکنده, الگوریتم علف‌های هرز,

ملخص المقالة :

در این مقاله یک روش بهینه‌سازی ترکیبی به منظور بازآرایی و تخصیص مناسب تولیدات پراکنده در فیدرهای شبکه توزیع برق ارائه شده است. اهداف این بهینه سازی، کاهش تلفات، بهبود پروفیل ولتاژ و افزایش تعادل بار در شبکه توزیع می‌باشند. از الگوریتم علف‌های هرز جهت تعیین آرایش بهینه شبکه توزیع همراه با تعیین مکان و ظرفیت مناسب برای واحدهای تولید پراکنده استفاده شده است. به منظور بهبود توانایی این الگوریتم از تئوری فازی بهره گرفته شده تا مسئله بهینه‌سازی چند منظوره به مسئله بهینه‌سازی تک هدفه تبدیل شود. شبکه توزیع 33 باسه جهت ارزیابی روش پیشنهادی در هر سه بار نامی، سبک و سنگین مورد ارزیابی قرار گرفته است. نتایج به دست آمده نشان می‌دهد که روش پیشنهادی، در بهبود هر سه شاخص مورد آزمایش، عملکرد قابل قبولی داشته و نیز در مقایسه با الگوریتم‌های دیگر مانند الگوریتم بهینه‌سازی غذایابی و الگوریتم ژنتیک موفق‌تر عمل نموده است.

المصادر:

[1] H.B. Tolabi, M.H. Moradi, "Multi-objective reconfiguration of distribution systems using imperialist competitive algorithm and graph theory", Technical Journal of Engineering and Applied Sciences, Vol. 3, No. 6, pp. 505-514, 2013.

[2] A. Merlin, H. Back, "Search for a minimal-loss operating spanning tree configuration in an urban power distribution system", In Proc. 5th Power System Computation Conf., Cambridge, U.K, pp. 1–18, 1975.

[3] R. Taleski, D. Rajicic, “Distribution network reconfiguration for energy loss reduction”, IEEE Trans. on Power System, Vol. 12, No. 1, pp. 398–406, 1997.

[4] Q. Zhou, D. Shirmohammadi, W.H.E. Liu, "Distribution feeder reconfiguration for service restoration and load balancing", IEEE Trans. Power Systems, Vol. 12, No. 2, pp. 724–729, 1997.

[5] K. Nara, A. Shiose, M. Kitagawa, T. Ishihara, “Implementation of genetic algorithm for distribution system loss minimum reconfiguration”, IEEE Trans. on Power Delivery, Vol. 7 No. 3, pp. 1044–1051, 1992.

[6] K. Sathish Kumar, T. Jayabarathi, "Power system reconfiguration and loss minimization for a distribution systems using bacterial foraging optimization algorithm", Electrical Power and Energy Systems, Vol. 36, pp. 13–1, 2012.

[7] C. Wang, M.H. Nehrir, "Analytical approaches for optimal placement of distributed generation sources in power systems", IEEE Trans. on Power Systems, Vol. 19, No. 4, pp. 2068–2076, 2004.

[8] S. Ghosh, K.S. Sherpa, “An efficient method for load flow solution of radial distribution networks”, International Journal Electrical Power Energy Systems Engineering, Vol. 1, No. 2, pp. 108–115, 2008.

[9] R. Khorshidi, T. Niknam, M. Nayeripour, "Distribution feeder reconfiguration considering distributed generators", World Academy of Science, Engineering and Technology, Vol. 22, pp. 595-598, 2008.

[10] H.B. Tolabi, M.H. Ali, S.B.M. Ayob, M. Rizwan, "Novel hybrid fuzzy-Bees algorithm for optimal feeder multi-objective reconfiguration by considering multiple-distributed generation", Energy, Vol. 71, pp. 507-515, July2014.

[11] A. Kavousi-Fard, T. Niknam, "Multi-objective stochastic distribution feeder reconfiguration from the reliability point of view ", Energy, Vol. 64, pp. 342-354, 2014.

[12] R. Kollu, S.R. Rayapudi, V.L.N. Sadhu, "A novel method for optimal placement of distributed generation in distribution systems using HSDO ", International Trans. on Electrical Energy Systems, Vol. 24,  pp. 547–561, April 2014.

[13] R.J. Flores, B.P. Shaffer, J. Brouwer, "Economic and sensitivity analyses of dynamic distributed generation dispatch to reduce building energy cost", Energy and Buildings, Vol. 85, pp. 293-304, 2014.