تعیین ظرفیت بهینه منابع تولید پراکنده با هدف کاهش هزینه و بهبود پروفایل ولتاژ
- سال انتشار: 1399
- محل انتشار: هفتمین کنگره ملی تازه یافته های مهندسی برق ایران
- کد COI اختصاصی: COMCONF07_040
- زبان مقاله: فارسی
- تعداد مشاهده: 538
نویسندگان
گروه برق، دانشکده فنی ومهندسی،دانشگاه آزاد اسلامی واحد همدان
گروه برق، دانشکده فنی ومهندسی،دانشگاه آزاد اسلامی واحد همدان
چکیده
شبکه های توزیع دارای بارهای متنوعیاند که این بارها مقادیر متفاوتی از توان راکتیو را مصرف میکنند. با در نظر گرفتن تاثیر نوع بار روی محل و اندازه ی منابع تولید پراکنده در سیستمهای توزیع،در این پایان نامه، یک روش بدیع جهت مدلسازی بارهای مختلف شبکه به منظور بهبود پروفیل ولتاژ وکاهش تلفات توان در حضور DG انجام میگیرد.دراین پژوهش یک شاخص جدید(شاخص هزینه) باسه شاخص پایداری ولتاژ تلفات با در نظر گرفتن تغییرات بار ارائه شده است. در هرمرحله سایز و محل بهینه DG تعیین می شودسپس یک عبارت کلی برای سایزهای DG به عنوان تابعی از سطح بار از طریق روش برازش منحنی نتیجه گرفته می شود.در این پژوهش به دنبال بهینه سازی یا به حداقل رساندن تلفات و ماکزیمم نمودن حاشیه پایداری ولتاژ و همچنین به حداقل رساندن هزینه کل می باشیم، وبا استفاده فرمولاسیون های موجوددر فصل روش پیشنهادی کدگذاری را در متلب نوشته و نتایج با استفاده از الگوریتم بهینه سازی ازدحام ذرات به دست آمده است. درواقع دراین تحقیق شاخص هزینه، کاهش تلفات،پروفیل ولتاژ و بهبود پایداری ولتاژبه عنوان چهار هدف اصلی در نظر گرفته شده استوبا استفاده از پخش بار پسروپیشرو و همچنین روش فازی برای نرمالیزه نمودن توابع هدف،پیاده سازی درمحیط نرم افزاری متلب (MATLAB) انجام گرفته است و به نتایج مطلوب و قابل قبولی رسیده ایم. روش ارائه شده برای سیستم آزمایش 69 شینه استاندارد IEEE بکار می رود و نتایج بدست آمده در بخش نتایج شبیه سازی، ارائه شده است.کلیدواژه ها
سایزبندیDG،بهینه نمودن تلفات،شاخص هزینه، الگوریتم بهینه سازی ازدحام ذرات(PSO)مقالات مرتبط جدید
- ناوبری وسائل نقلیه زیر آبی مستقلبا استفاده الگوریتم تکرارشونده خط مشی معتبر ایمن
- استفاده از هوش مصنوعی - یادگیری عمیق برای تشخیص خطای ماشینهای دوار
- هوش مصنوعی و کاربرد آن در حمل و نقل
- طراحی و پیاده سازی کنترل کنندهPI D فازی برای اکسترودر واحد پلی اتیلن سبک خطی در PLC زیمنس
- هوش مصنوعی: تحول دنیای مدرن و آینده نگری
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.