ارائه یک تابع هدف اقتصادی جهت بهبود پروفیل ولتاژ در سیستمهای تولید پراکنده مبتنی بر الگوریتم بهینهسازی حسابی
محورهای موضوعی : مجله فناوری اطلاعات در طراحی مهندسیسید وحید زیارت نیا 1 , سید عابد حسینی 2
1 - گروه مهندسی برق، واحد مشهد، دانشگاه آزاد اسلامی، مشهد، ایران.
2 - گروه مهندسی برق، واحد مشهد، دانشگاه آزاد اسلامی، مشهد، ایران.
کلید واژه: الگوریتم بهینه ساز حسابی, سیستم تولید پراکنده, افزایش پروفیل ولتاژ, تابع هدف.,
چکیده مقاله :
استفاده از سیستمهای تولید پراکنده (DG) تأثیرات به سزایی ازجمله افزایش پایداری پروفیل ولتاژ، کاهش تلفات توان و حل مشکلات مربوط به پایداری ولتاژ دارد. این مقاله به ارائه تابع هدف بهمنظور جایابی و تعیین اندازه بهینه در سیستمهای DG در راستای بهینهسازی چندمنظوره نظیر افزایش پروفیل ولتاژ، کاهش اتلاف توان و صرفه اقتصادی به کمک الگوریتم فرا ابتکاری بهینهساز حسابی (AOA) میپردازد. در روش پیشنهادی، برای تعیین محل و اندازه بهینه در سیستمهای DG از رویکردهای کمترین تلفات و بهبود سطح پروفیل ولتاژ پس از توان تزریقی به سیستم در شبکههای توزیع و فوق توزیع استفاده میشود. این پژوهش بر روی یک شبکه 33 گذرگاه IEEE به کمک AOA اجرا شده است و نتایج آن با دو الگوریتم ژنتیک (GA) و بهینهساز ازدحام ذرات (PSO) مقایسه شده است. نتایج نشان میدهد روش پیشنهادی در زمینه جایابی و تعیین اندازه بهینه در سیستمهای DG به سبب دارابودن عملگرهای کارآمد و پارامترهای مناسب نسبت به سایر روشهای بهینهسازی اشارهشده برتری دارد. بهعنوان نمونه روش AOA نسبت به PSO و GA به ترتیب 4/33 و 8/32 درصد سود بیشتری حاصل کرده است. بهطور ویژه نتایج نشان میدهد AOA از سرعت بالاتر در همگرایی و یافتن مکان بهینه در سیستم-های DG برخوردار است.
The use of distributed generation (DG) systems has significant effects, such as increasing the stability of the voltage profile, reducing power losses, and solving problems related to voltage stability. This study proposes an objective function to locate and determine the optimal size in DG systems. The objective function is based on increasing the voltage profile, reducing power loss, and improving economic efficiency using an arithmetic optimization algorithm (AOA). The proposed approach uses the lowest losses and improvement of the voltage profile level after injecting power into the system in distribution networks and sub-transmission networks to determine and locate the optimal size in DG systems. This research has been implemented on an IEEE 33-bus network using AOA, and the results are compared with genetic algorithm (GA) and particle swarm optimization (PSO). The results show that the proposed approach is superior to other optimization methods in locating and determining the optimal size, power loss, and cost function in DG systems. For example, AOA has obtained more profit than PSO and GA, 33.4% and 32.8%, respectively. In particular, the results show that AOA has a higher convergence speed in finding the optimal location in DG systems.