: به طور کلی اساس عملکرد اغلب محدودکننده های جریان خطا کاهش جریان اتصال کوتاه به وسیله واردکردن یک امپدانس بزرگ در مدار در زمان وقوع خطا است. محدودکننده های جریان خطا در مورد نوع امپدانس و چگونگی وارد شدن و خارج شدن امپدانس به سیستم با هم متفاوت هستند. دراین مقاله با در نظر گرفتن سه مکان مختلف جهت نصب محدودکننده جریان خطا در یک شبکه قدرت نمونه و همچنین تغییر نوع (سلفی یا مقاومتی) و مقدار امپدانس آن در یک بازه بزرگ، اثرات این پارامترها بر پایداری سیستم قدرت مورد بررسی و تحلیل قرار گرفته است. معیاری که برای اولین بار در این مقاله توسط نویسندگان جهت بررسی و ارزیابی پایداری گذرای سیستم قدرت مورد استفاده قرار گرفته است، روش اختلاف بین سطح شتاب دهنده و شتاب گیرنده است. اساس این روش بر مبنای معیار سطوح برابر است. موارد دیگری که در این مقاله به آن پرداخته شده است یکی ارایه روشی جهت مکان یابی و تعیین مقدار بهینه امپدانس محدودکننده جریان خطا جهت بهبود پایداری سیستم قدرت است. همچنین، اثر زمان رفع خطا بر پایداری گذرا، هنگام حضور محدودکننده جریان خطا در شبکه قدرت، مورد مطالعه قرار گرفته است. پرونده مقاله

The planning and operation of microgrids have become very important challenges in the electricity industry due to the expansion of distributed generation (DG) resources and the development of demand response programs (DRPs). Microgrids generally include renewable DG resources whose generation is random. This leads to uncertainty in system planning. This study discusses microgrid operation management considering DRPs and implementation of conservation voltage reduction (CVR) in the future operation horizon. For this purpose, a stochastic operation planning model for the next day is designed, which is associated with the implementation of DRPs, CVR, and the presence of DG resources to optimize the performance of a smart microgrid to increase reliability and reduce costs. In this study, DRPs are implemented using time-of-use (TOU) and incentive-based programs. Incentive-based programs are used to deal with uncertainty in the commitment of renewable resources, and TOU programs are used to deal with the fluctuation of generation of renewable resources by establishing a relationship between uncertainty and the fluctuation of generation of these resources. Besides, CVR is applied and voltage-dependent load modeling is performed considering innovation in addition to the format of DRPs to further reduce peak loads. The uncertainty of DG resources is modeled using the information-gap decision theory (IGDT) method. This optimization is carried out on a sample microgrid using genetic algorithm (GA). According to the results, the implementation of uncertainty-based DRPs leads to cost reduction and improvement of microgrid reliability. پرونده مقاله

Microgrids, with their ability to integrate renewable energy sources, play a crucial role in achieving sustainable and resilient energy systems. Effective planning and optimization of microgrids, particularly considering the inclusion of compressed air energy storage (CAES) systems, are essential for maximizing their benefits. This study proposes a novel approach, the Hybrid Artificial Neural Network-Modified Dragonfly Algorithm (HANN-MDA), for determining the optimum capacity of CAES in microgrid planning. The HANN-MDA method combines the learning capabilities of artificial neural networks with the optimization power of the modified dragonfly algorithm. The proposed method aims to minimize the overall cost of microgrid operation while considering the integration of renewable energy sources and the storage capabilities of CAES. Simulation results demonstrate the effectiveness of the HANN-MDA method in accurately determining the optimal CAES capacity, leading to improved microgrid performance and cost savings. The findings highlight the importance of considering CAES in microgrid planning and the potential of the HANN-MDA method for achieving efficient and economically viable microgrid designs. پرونده مقاله