ترکیب جدیدی از سیستم استنتاج فازی و الگوریتم علف‌های هرز به منظور بازآرایی همزمان با جایابی و تعیین ظرفیت بهینه تولیدات پراکنده در شبکه‌های توزیع

روش‌های هوشمند در صنعت برق

مقاله 2، دوره 6، شماره 21، اردیبهشت 1394، صفحه 13-20   

نوع مقاله: مقاله پژوهشی

نویسندگان

هاجر باقری طولابی^{* 1}؛ محمودرضا شاکرمی²

¹دانشگاه آزاد اسلامی، خرم آباد، لرستان

²دانشگاه لرستان

چکیده

در این مقاله یک روش بهینه‌سازی ترکیبی به منظور بازآرایی و تخصیص مناسب تولیدات پراکنده در فیدرهای شبکه توزیع برق ارائه شده است. اهداف این بهینه سازی، کاهش تلفات، بهبود پروفیل ولتاژ و افزایش تعادل بار در شبکه توزیع می‌باشند. از الگوریتم علف‌های هرز جهت تعیین آرایش بهینه شبکه توزیع همراه با تعیین مکان و ظرفیت مناسب برای واحدهای تولید پراکنده استفاده شده است. به منظور بهبود توانایی این الگوریتم از تئوری فازی بهره گرفته شده تا مسئله بهینه‌سازی چند منظوره به مسئله بهینه‌سازی تک هدفه تبدیل شود. شبکه توزیع 33 باسه جهت ارزیابی روش پیشنهادی در هر سه بار نامی، سبک و سنگین مورد ارزیابی قرار گرفته است. نتایج به دست آمده نشان می‌دهد که روش پیشنهادی، در بهبود هر سه شاخص مورد آزمایش، عملکرد قابل قبولی داشته و نیز در مقایسه با الگوریتم‌های دیگر مانند الگوریتم بهینه‌سازی غذایابی و الگوریتم ژنتیک موفق‌تر عمل نموده است.

کلیدواژه‌ها

الگوریتم علف‌های هرز؛ بازآرایی؛ تولید پراکنده؛ سیستم استنتاج فازی؛ شبکه توزیع

مراجع

[1] H.B. Tolabi, M.H. Moradi, "Multi-objective reconfiguration of distribution systems using imperialist competitive algorithm and graph theory", Technical Journal of Engineering and Applied Sciences, Vol. 3, No. 6, pp. 505-514, 2013.

[2] A. Merlin, H. Back, "Search for a minimal-loss operating spanning tree configuration in an urban power distribution system", In Proc. 5th Power System Computation Conf., Cambridge, U.K, pp. 1–18, 1975.

[3] R. Taleski, D. Rajicic, “Distribution network reconfiguration for energy loss reduction”, IEEE Trans. on Power System, Vol. 12, No. 1, pp. 398–406, 1997.

[4] Q. Zhou, D. Shirmohammadi, W.H.E. Liu, "Distribution feeder reconfiguration for service restoration and load balancing", IEEE Trans. Power Systems, Vol. 12, No. 2, pp. 724–729, 1997.

[5] K. Nara, A. Shiose, M. Kitagawa, T. Ishihara, “Implementation of genetic algorithm for distribution system loss minimum reconfiguration”, IEEE Trans. on Power Delivery, Vol. 7 No. 3, pp. 1044–1051, 1992.

[6] K. Sathish Kumar, T. Jayabarathi, "Power system reconfiguration and loss minimization for a distribution systems using bacterial foraging optimization algorithm", Electrical Power and Energy Systems, Vol. 36, pp. 13–1, 2012.

[7] C. Wang, M.H. Nehrir, "Analytical approaches for optimal placement of distributed generation sources in power systems", IEEE Trans. on Power Systems, Vol. 19, No. 4, pp. 2068–2076, 2004.

[8] S. Ghosh, K.S. Sherpa, “An efficient method for load flow solution of radial distribution networks”, International Journal Electrical Power Energy Systems Engineering, Vol. 1, No. 2, pp. 108–115, 2008.

[9] R. Khorshidi, T. Niknam, M. Nayeripour, "Distribution feeder reconfiguration considering distributed generators", World Academy of Science, Engineering and Technology, Vol. 22, pp. 595-598, 2008.

[10] H.B. Tolabi, M.H. Ali, S.B.M. Ayob, M. Rizwan, "Novel hybrid fuzzy-Bees algorithm for optimal feeder multi-objective reconfiguration by considering multiple-distributed generation", Energy, Vol. 71, pp. 507-515, July2014.

[11] A. Kavousi-Fard, T. Niknam, "Multi-objective stochastic distribution feeder reconfiguration from the reliability point of view ", Energy, Vol. 64, pp. 342-354, 2014.

[12] R. Kollu, S.R. Rayapudi, V.L.N. Sadhu, "A novel method for optimal placement of distributed generation in distribution systems using HSDO ", International Trans. on Electrical Energy Systems, Vol. 24,  pp. 547–561, April 2014.

[13] R.J. Flores, B.P. Shaffer, J. Brouwer, "Economic and sensitivity analyses of dynamic distributed generation dispatch to reduce building energy cost", Energy and Buildings, Vol. 85, pp. 293-304, 2014.