کد مقاله کد نشریه سال انتشار مقاله انگلیسی ترجمه فارسی نسخه تمام متن
398472 1438722 2016 10 صفحه PDF 29 صفحه WORD دانلود کنید
عنوان انگلیسی مقاله ISI
Hybrid optimization implemented for distributed generation parameters in a power system network
ترجمه فارسی عنوان
بهینه سازی هیبریدی (ترکیبی) اجراشده برای پارامترهای تولید پراکنده در یک شبکه سیستم قدرت
کلمات کلیدی
فهرست مطالب مقاله
چکیده

کلمات کلیدی

مقدمه

مدلسازی ریاضی دستگاه های DG

دستگاه های DG

مدلسازی سلول فتوولتائیک

کندانسورهای سینکرون مانند توربین های گازی

مدلسازی توربین باد

اهداف برنامه ریزی تولید پراکنده

حداکثر سازی رفاه اجتماعی

حداقل سازی افت (تلفات)

حداقل سازی تراکم

روش هیبریدی برای استقرار بهینه و اندازه بندی DG

منطق فازی

جدول 1: قوانین فازی

الگوریتم ژنتیک

تابع هدف

رمزگذاری

جمعیت اولیه

تکثیر

تقاطع

جهش

بهینه سازی هیبریدی (FGA)

جدول 2: جدول تغییرات ولتاژ با و بدون DG

جدول 3: افت با شرایط بارگذاری

شکل 4: تکرار بر حسب سود (بهره وری) مصرف کننده

شکل 5: تکرار بر حسب تناسب

شکل 6: شرایط بارگذاری نرمال (عادی)

شکل 7: دو برابر شرایط بارگذاری نرمال (عادی)

شکل 8:افت با اندازه DG

شکل 9: زمان محاسبات برای موارد مختلف

شکل 10: دیاگرام خط واحد صنایع NTPS هند

جدول 4: بهینه سازی هیبریدی

سیستم  مسیر30 IEEE

جدول 5: هزینه تولید و توان واقعی برای 4 موارد (سیستم IEEE)

جدول 6: مورد (i) زمان بندی مجدد تولید (130)

جدول 7: مورد (ii) زمان بندی مجدد تولید با دستگاه های DG (150)

جدول 8: مورد (iii) زمان بندی مجدد تولید با تخلیه بار (155)

جدول 9: مورد (iv) زمان بندی مجدد تولید با تخلیه بار  و دستگاه های DG (155)

سیستم مسیر utility-NTPS23 هندوستان

جدول 10: داده های مسیر صنایع NTPS 23  هند

جدول 11: هزینه تولید و توان واقعی برای 4 موارد (سیستم NTPS)

جدول 12: مورد (i) 

جدول 13: مورد (ii) 

جدول 14: مورد (iii) 

جدول 15: مورد (iv)  

نتیجه گیری
ترجمه چکیده
این مقاله، یک الگوریتم بهینه سازی هیبریدی جدید را برای بهینه کردن پارامترهای تولید پراکنده (DG) در سیستم قدرت تجدیدساختاریافته ارائه می دهد که پایدار و ثبات را بهبود می بخشد افت (تلفات) را کاهش می دهد و همچنین، هزینه تولید را افزایش می دهد. این الگوریتم هیبریدی که شامل الگوریتم ژنتیک فازی (FGA) است برای بهینه سازی همزمان پارامترهای مختلف تولیدپراکنده استفاده می شود. پارامترهای مختلفی که در نظر گرفته می شوند عبارتند از : نوع، موقعیت و اندازه دستگاه های تولید پراکنده. شبیه سازی بر روی یک سیستم پراکنده انجام گرفت و برای مطالعات حالت پایدار مدلسازی گردید. نتایج بهینه سازی با راه حل های ارائه شده با استفاده از روش های پژوهشی دیگر مانند الگوریتم ژنتیک (GA) و الگوریتم میکروژنتیک (MGA) مقایسه شدند. نتایج، مزایای روش پیشنهادی برای حل همزمان مسائل ترکیبی دستگاه های تولید پراکنده در یک شبکه سیستم قدرت را نشان دادند.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
چکیده انگلیسی


• Simultaneous optimization of DG parameters is implemented.
• We evaluate the problem using Hybrid Optimization Algorithm.
• Maximization of Total Social Welfare is justified using an IEEE modified distribution system and in real time Indian utility system.
• Results depict the success of the method for a complex power system.

This paper presents a novel hybrid optimization algorithm for optimizing the Distributed Generation (DG) parameters in deregulated power system which improves the stability, reduces the losses and also increases the cost of generation. This Hybrid algorithm which includes Fuzzy-Genetic Algorithm (FGA) is used to optimize the various DG parameters simultaneously. The various parameters taken into consideration are their type, location and size of the DG devices. The simulation was performed on a distribution system and modeled for steady state studies. The optimization results are compared to the solution given by another search method like Genetic Algorithm (GA) and Micro Genetic Algorithm (MGA). The results reveal the benefits of the proposed method, for solving simultaneous combinorial problems of DG devices in a power system network.

ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: International Journal of Electrical Power & Energy Systems - Volume 78, June 2016, Pages 690–699
نویسندگان
, , ,