| کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
|---|---|---|---|---|
| 399180 | 1438719 | 2016 | 6 صفحه PDF | دانلود رایگان |
کلمات کلیدی
مقدمه
فرمول بندیِ مسأله
توابع هدف
کمینه سازیِ اتلاف توان فعال
توسعة نمودار ولتاژ
محدودیت های نابرابری
شناساییِ گره ضعیف با روش تحلیل مودال
الگوریتم بهینه سازیِ مبتنی بر آموزش و یادگیری
نتایج و بحث
جدول 1. اتلاف توان فعال و هزینه عملیاتیِ سیستم بدون بهینه سازی
شکل 1. فلوچارت الگوریتم TLBO
جدول 2. نتیجة تست هزینة عملیاتی و اتلاف توان فعال
جدول 3. کاهش در اتلاف توان فعال و هزینة عملیاتی با استفاده از روش های مختلف بهینه سازی
شکل 2. تغییرات هزینة عملیاتی با تولید برای سیستم باس IEEE 30
شکل 3. تغییرات هزینة عملیاتی با تولید برای سیستم باس IEEE 57
نتیجه گیری
• Teaching Learning Based Optimization method in reactive power optimization.
• Active power loss minimization.
• Optimization of system operating cost.
• Comparative analysis with other optimization methods.
Reactive power planning is one of the most challenging problem for efficient and source operation of an interconnected power network. It requires effective and optimum co-ordination of all the reactive power sources present in the network. Recently, Teaching Learning Based Optimization (TLBO) algorithm is evolved and finds its application in the field of engineering optimization. In the proposed work TLBO based optimization algorithm is used for reactive power planning and applied in IEEE 30 and IEEE 57 bus system. The results obtained by this method are compared with the results obtained by other optimization techniques like PSO (Particle swarm optimization), Krill heard, HSA (Harmony search algorithm) and BB-BC (Big Bang-Big Crunch). At the end, TLBO appears as the most effective method for reactive power planning among all the methods discussed and can be considered as one of the standard method for reactive power optimization.
Journal: International Journal of Electrical Power & Energy Systems - Volume 81, October 2016, Pages 248–253