کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
399551 | 1438731 | 2015 | 15 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Optimal allocation of capacitor banks in radial distribution systems for minimization of real power loss and maximization of network savings using bio-inspired optimization algorithms
ترجمه فارسی عنوان
تخصیص بهینۀ بانکهای خازنی در سیستمهای توزیع شعاعی به منظور کمینهسازی تلفات توان حقیقی و بیشینهسازی صرفهجوییهای شبکه با استفاده از الگوریتمهای بهینهسازی الهامگرفته از محیطزیست
همین الان دانلود کنید
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
الگوریتم های زیستی الهام گرفته؛ بانک های خازنی - به حداقل رساندن افت قدرت واقعی - به حداکثر رساندن صرفه جویی در شبکه ؛ سیستم های توزیع شعاعی
فهرست مطالب مقاله
چکیده مقدمهمدلسازی ریاضی سیستم توزیع شعاعیمدل دو شینه برای تحلیل سیستم توزیع
شکل 1. سیستم توزیع شعاعی دو شینه.
شکل 2. شمای تک خطی ترکیب خازن شنت با سیستم توزیع شعاعی.
شکل 3. نمودار گردشی پخش بار توزیع شعاعی با روبش رو به عقب/ رو به جلو.فرمولبندی تابع هدفتابع هدفالگوریتمهای ارائه شدهالگوریتم خفاشگامهای پیادهسازی الگوریتم خفاش
شکل 4. نمودار گرشی پیادهسازی الگوریتم خفاش.الگوریتم جستجوی فاخته[1] (CS)گامهای پیادهسازی الگوریتم جستجوی فاخته
شکل 5. نمودار گردشی پیادهسازی الگوریتم جستجوی فاخته.نتایج پیادهسازی و بحثها
جدول 1:ثابتهای به کار رفته در محاسبات صرفهجویی کلی برای موارد تست.
جدول 2 :توصیف پارامترهای الگوریتم
شکل 6. شمای تک خطی سیستم توزیع شعاعی 34 شینه.نتایج عددی و شبیهسازیهای سیستم تست 34 شینه
جدول 3 :مکان و اندازۀ بهینۀ خازنها برحسب کیلووار برای سیستم 34 شینه.
جدول 4:تحلیل نتایج برای سیستم 34 شینه با و بدون خازنهای بهینه
شکل 7. مشخصات همگرایی الگوریتم خفاش بر اساس تلفات توان حقیقفی سیستم تست 34 شینه.
شکل 8. مشخصات همگرایی الگوریتم خفاش بر اساس صرفهجویی سالانۀ شبکه مربوط به سیستم تست 34 شینه.
شکل 9. تحلیل پروفیل ولتاژ الگوریتمهای ارائه شده برای سیستم تست 34 شینه.
شکل 10. شمای تک خطی برای سیستم توزیع شعاعی 85 شینه.
جدول 5:مکان و اندازههای بهینۀ خازنها بر حسب کیلووار در سیستم تست 85 شینه
جدول 6 :تحلیل نتایج سیستم تست 85 شینه با و بدون خازنهای بهینه.
شکل 11. مشخصات همگرایی الگوریتم خفاش بر اساس تلفات توان حقیقی سیستم تست 85 شینه.
شکل 12. مشخصات همگرایی الگوریتم خفاش بر اساس صرفهجویی سالانۀ شبکه برای سیستم تست 85 شینه.
شکل 13. تحلیل پروفیل ولتاژ الگوریتمهای ارائه شده برای سیستم تست 85 شینه.
جدول 7:تحلیل آماری نتایج عددی برای 20 اجرا.تحلیل عملکرد الگوریتمهای خفاش و جستجوی فاختهنتیجهگیریپیوست A1:شبه کد ساده برای الگوریتم خفاشپیوست A2:شبه کد ساده برای جستجوی فاخته
شکل 1. سیستم توزیع شعاعی دو شینه.
شکل 2. شمای تک خطی ترکیب خازن شنت با سیستم توزیع شعاعی.
شکل 3. نمودار گردشی پخش بار توزیع شعاعی با روبش رو به عقب/ رو به جلو.فرمولبندی تابع هدفتابع هدفالگوریتمهای ارائه شدهالگوریتم خفاشگامهای پیادهسازی الگوریتم خفاش
شکل 4. نمودار گرشی پیادهسازی الگوریتم خفاش.الگوریتم جستجوی فاخته[1] (CS)گامهای پیادهسازی الگوریتم جستجوی فاخته
شکل 5. نمودار گردشی پیادهسازی الگوریتم جستجوی فاخته.نتایج پیادهسازی و بحثها
جدول 1:ثابتهای به کار رفته در محاسبات صرفهجویی کلی برای موارد تست.
جدول 2 :توصیف پارامترهای الگوریتم
شکل 6. شمای تک خطی سیستم توزیع شعاعی 34 شینه.نتایج عددی و شبیهسازیهای سیستم تست 34 شینه
جدول 3 :مکان و اندازۀ بهینۀ خازنها برحسب کیلووار برای سیستم 34 شینه.
جدول 4:تحلیل نتایج برای سیستم 34 شینه با و بدون خازنهای بهینه
شکل 7. مشخصات همگرایی الگوریتم خفاش بر اساس تلفات توان حقیقفی سیستم تست 34 شینه.
شکل 8. مشخصات همگرایی الگوریتم خفاش بر اساس صرفهجویی سالانۀ شبکه مربوط به سیستم تست 34 شینه.
شکل 9. تحلیل پروفیل ولتاژ الگوریتمهای ارائه شده برای سیستم تست 34 شینه.
شکل 10. شمای تک خطی برای سیستم توزیع شعاعی 85 شینه.
جدول 5:مکان و اندازههای بهینۀ خازنها بر حسب کیلووار در سیستم تست 85 شینه
جدول 6 :تحلیل نتایج سیستم تست 85 شینه با و بدون خازنهای بهینه.
شکل 11. مشخصات همگرایی الگوریتم خفاش بر اساس تلفات توان حقیقی سیستم تست 85 شینه.
شکل 12. مشخصات همگرایی الگوریتم خفاش بر اساس صرفهجویی سالانۀ شبکه برای سیستم تست 85 شینه.
شکل 13. تحلیل پروفیل ولتاژ الگوریتمهای ارائه شده برای سیستم تست 85 شینه.
جدول 7:تحلیل آماری نتایج عددی برای 20 اجرا.تحلیل عملکرد الگوریتمهای خفاش و جستجوی فاختهنتیجهگیریپیوست A1:شبه کد ساده برای الگوریتم خفاشپیوست A2:شبه کد ساده برای جستجوی فاخته
ترجمه چکیده
در این مقاله ، دو الگوریتم جدید برای حل جایابی بهینۀ خازنها در سیستمهای توزیع شعاعی به دو روش پیادهسازی شدهاند که عبارتند از : جایابی بهینۀ بانکهای خازنی با اندازه ثابت (بانکهای خازنی ثابت با مکانهای متغیر- VLFQ) و یافتن اندازه و مکان بهینۀ خازنها (سایزبندی متغیر با مکانهای متغیر از خازن ها- VLVQ) برای حداقلسازی افت توان حقیقی و حداکثرسازی صرفهجویی شبکه . دو الگوریتم الهام گرفته شده از محیط زیست (BA) و جستجوی Cuckoo (CS) : جستجو برای تمام مکانهای محتمل در سیستمی همراه با اندازههای مختلف از خازنها که در آن، سایزهای بهینه از خازن برای سایزهای استانداردی انتخاب شدهاند که در بازار موجود هستند. برای بررسی امکانپذیری، الگوریتمهای پیشنهادی بر روی سیستمهای توزیع شعاعی 34 و 85 شینۀ استاندارد استفاده میشوند و نتایج نیز با نتایج حاصل از روشهای دیگر مانند بهینهسازی ازدحام ذرات (PSO) ، جستجوی هارمونیک (HS) ، الگوریتم ژنتیک (GA) ، کلونی زنبورعسل مصنوعی (ABC) ، بهینه سازی مبتنی بر آموزش و یادگیری (TLBO) و الگوریتم شبیهسازی رشد گیاه (PGSA) ، (قابل دسترسی در این مقاله) ، مقایسه شدهاند . رویکردهای پیشنهادی قادر به تولید راهحل هایی با کیفیت بالا به همراه عملکردی خوب همگرایی هستند. تمام این شبیهسازی در نرم افزار MATLAB R2010a توسعه یافته است .
موضوعات مرتبط
مهندسی و علوم پایه
مهندسی کامپیوتر
هوش مصنوعی
چکیده انگلیسی
In this paper, two new algorithms are implemented to solve optimal placement of capacitors in radial distribution systems in two ways that is, optimal placement of fixed size of capacitor banks (Variable Locations Fixed Capacitor banks-VLFQ) and optimal sizing and placement of capacitors (Variable Locations Variable sizing of Capacitors-VLVQ) for real power loss minimization and network savings maximization. The two bio-inspired algorithms Bat Algorithm (BA) and Cuckoo Search (CS): search for all possible locations in the system along with the different sizes of capacitors, in which the optimal sizes of capacitor are chosen to be standard sizes that are available in the market. To check the feasibility, the proposed algorithms are applied on standard 34 and 85 bus radial distribution systems. And the results are compared with results of other methods like Particle Swarm Optimization (PSO), Harmonic Search (HS), Genetic Algorithm (GA), Artificial Bee Colony (ABC), Teaching Learning Based Optimization (TLBO) and Plant Growth Simulation Algorithm (PGSA), as available in the literature. The proposed approaches are capable of producing high-quality solutions with good performance of convergence. The entire simulation has been developed in MATLAB R2010a software.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: International Journal of Electrical Power & Energy Systems - Volume 69, July 2015, Pages 441–455
Journal: International Journal of Electrical Power & Energy Systems - Volume 69, July 2015, Pages 441–455
نویسندگان
Satish Kumar Injeti, Vinod Kumar Thunuguntla, Meera Shareef,