ورود
مقالات فارسیISIکنفرانسهاژورنالها

روش جدید برای جایابی و تعیین اندازه منابع تولید پراکنده در سیستم های توزیع با استفاده از الگوریتم ژنتیک

محل انتشار: مجله هوش محاسباتی در مهندسی برق، دوره: 2، شماره: 3
سال انتشار: 1390
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 184

فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:
https://civilica.com/doc/1360076

شناسه ملی سند علمی:

JR_ISEE-2-3_006

تاریخ نمایه سازی: 6 دی 1400

چکیده مقاله:

در جایابی منابع تولید پراکنده در سیستم های توزیع، لازم است محدوده وسیعی از شرایط بهره برداری و امنیت سیستم بررسی و ارزیابی شود. تعداد زیادی از شاخص ها در ارزیابی مکان بهینه منابع تولید پراکنده استفاده می شود؛ به گونه ای که تجمیع این شاخص ها در به دست آوردن یک شاخص چند هدفه و نیز به دست آوردن وزن بهینه آنها معمولا در صنعت مورد توجه قرار می گیرد. در این مقاله، با بهره گیری از الگوریتم ژنتیک وزن های بهینه شاخص عملکرد مذکور به دست آورده شده و بر این اساس به جایابی بهینه و تعیین اندازه منابع تولید پراکنده در شبکه های تست استاندارد IEEE ۳۳-bus و IEEE ۶۹-bus پرداخته شده است. نتایج حاصل از شبیه سازی، کارآیی این شاخص عملکرد با ضرایب بهینه را در جایابی بهینه و تعیین ظرفیت منابع تولید پراکنده بخوبی نشان می دهد.

کلیدواژه ها:

نویسندگان

سید عباس طاهر

دانشیار، گروه مهندسی برق- دانشکده مهندسی- دانشگاه کاشان- کاشان- ایران

محمد رضا شیبانی

کارشناس ارشد، گروه مهندسی برق- دانشکده مهندسی- دانشگاه کاشان- کاشان- ایران

سید مصطفی نصرت آبادی

کارشناس ارشد، گروه مهندسی برق- دانشکده مهندسی- دانشگاه کاشان- کاشان- ایران

مرتضی جدیدالاسلام

دانشجوی دکتری، دانشکده مهندسی برق- دانشگاه صنعتی اصفهان- اصفهان- ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • P. Chiradeja, and R. Ramakumar, “An Approach to Quantify the ...
  • M. Bayegan, “A Vision of the Future Grid,” IEEE Power ...
  • A. Invernizzi, B. Buchholz, M. Stubbe, N. Jenkins, B. Dowd, ...
  • N. Jenkins, R. Allan, P. Crossley, D. Kirschen, and G. ...
  • P.P. Barker and R.W. de Mello, “Determining the Impact of ...
  • N. Hadjsaid, J.F. Canard, and F. Dumas, “Dispersed Generation Impact ...
  • J.A.P. Lopes, “Integration of dispersed generation on distribution networks- impact ...
  • M.T. Doyle, “Reviewing the Impacts of Distributed Generation on Distribution ...
  • R.E. Brown, “Modeling the reliability impact of distributed generation,” in ...
  • R. Srinivasa Rao, S.V.L. Narasimham, and M. Ramalingaraju, “Optimization of ...
  • R. Srinivasa Rao, and S.V.L. Narasimham, “Optimal Capacitor Placement in ...
  • N. Rugthaicharoencheep, and S. Sirisumrannukul, “Feeder Reconfiguration for Loss Reduction ...
  • R.C. Dugan, T.E. McDermott, and G.J. Ball, “Planning for Distributed ...
  • A.M. Zonkoly, “Optimal Placement of Multi-Distributed Generation Units Including Different ...
  • S. Biswas, “Optimum Distributed Generation Placement With Voltage Sage Effect ...
  • M.F. Akorede, H. Hizam, I. Arias, and M.Z.A. Abkadir , ...
  • L.F. Ochoa, A. Padilha-Feltrin, and G.P. Harrison, “Evaluating Distributed Generation ...
  • D.E. Goldberg, Genetic Algorithms in Search, Optimization and Machine Learning, ...
  • J.B. Park, Y.M. Park, J.R. Won, and K.Y. Lee, “An ...
  • Y. Fukuyama and H. Chiang, “A Parallel Genetic Algorithm for ...
  • Y.M. Park, J.B. Park, and J.R. Won, “A Genetic Algorithms ...
  • D.C.Walters and G.B. Sheble, “Genetic algorithm solution of economic dispatch ...
  • J. Sirikum, and A. Techanitisawad, “Power Generation Expansion Planning with ...
  • M.E. Baran and F. Wu, “Network Reconfiguration in Distribution System ...
  • M.E. Baran, “Optimal Capacitor Placement on Radial Distribution Systems,” IEEE ...
    • نمایش کامل مراجع