Multi-objective ORPD Considering Different Load Models for Active Distribution Networks
سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: انگلیسی
مشاهده: 202
فایل این مقاله در 20 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IECO-4-2_005
تاریخ نمایه سازی: 20 تیر 1401
چکیده مقاله:
Secure and economical operation of distribution networks needs the management of reactive power resources. Optimal Reactive Power Dispatch (ORPD) optimally manages the reactive power scheduling of generators and distribution generations as well as the Reactive Power Compensation (RPC) devices. This paper investigates the effect of load models on the multi-objective ORPD problem in active distribution networks. Moreover, a modified Grey Wolf Optimizer (GWO), which is called in this paper as Civilized GWO (CGWO), is introduced to solve the ORPD problem. The proposed strategy including multi-objective function, various load models, DG’s reactive power, RPCs and the introduced CGWO, is tested on standard IEEE ۳۳- and ۶۹-bus distribution systems. The obtained results indicate the load models have significant impact on the cost function amount. Moreover, the performance of the proposed algorithm is evaluated using ten standard benchmark functions. The optimization results demonstrate the robustness of the introduced optimization algorithm and its ability in finding the better solutions compared to the Particle Swarm Optimization (PSO), Exchange Market Algorithm (EMA), and original GWO.
کلیدواژه ها:
Civilized grey wolf optimizer ، load modelling ، Multi-objective optimization ، optimal reactive power dispatch
نویسندگان
Saman Hosseini-Hemati
Electrical Engineering Department, Engineering Faculty, Razi University, Kermanshah,
Shahram Karimi
Department of Electrical Engineering, Razi University, Kermanshah, Iran
Gholam Hossein Sheisi
Electrical Engineering Department, Engineering Faculty, Razi University, Kermanshah,
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 :