خازن گذاری مبتنی بر پیش بینی تلفات در شبکه های توزیع انرژی الکتریکی

سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 572

فایل این مقاله در 6 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:

شناسه ملی سند علمی:

NCNIEE03_099

تاریخ نمایه سازی: 11 اردیبهشت 1394

چکیده مقاله:

در این مقاله روشی برای کاهش تلفات در شبکه های توزیع به وسیله ی مکانیابی بهینه ی خازن، بدون داشتن اطلاعات و جزئیات کاملشبکه ارائه می گردد. برای اندازهگیری تلفات شبکه از روش مختلط استفاده شده است. در روش مختلط فرض بر این است که تنها بخشی ازنواحی و اجزاء شبکه دارای اطلاعات کامل و کافی می باشند و تلفات کل سیستم براساس اطلاعات آن نواحی تخمین زده میشود. برای این منظور،تلفات شبکه ی توزیع با استفاده از شبکه ی عصبی مصنوعی پیش بینی شده است. سپس جهت مکانیابی بهینه ی خازن ها برای شبکه ی توزیعفاقد اطلاعات فنی کامل، ابتدا توسط الگوریتم ژنتیک مقادیر خازن در شینهای کاندید انتخاب می شود و سپس با استفاده از شبکه ی عصبیمقدار تلفات شبکه ی توزیع پیش بینی و به الگوریتم ژنتیک جهت انتخاب بهترین حالت برگشت داده می شود. روش پیشنهادی بر روی چند نمونهشبکه 13 شین تست شده است. نتایج نشان دهندهی انتخاب بهترین حالت مکانیابی خازنها، کاهش تلفات سیستم نزدیک به مقدار کمینه وبهبود ولتاژ شین ها در محدوده ی مجاز می باشد.

کلیدواژه ها:

الگوریتم ژنتیک ، خازنگذاری ، شبکه های عصبی مصنوعی ، کاهش تلفات

نویسندگان

سیدشهاب بنی طبا

دانشگاه آزاد اسلامی واحد نجف آباد

بهادر فانی

دانشگاه آزاد اسلامی واحد نجف آباد

سعید جلالی

دانشگاه کاشان

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 :
  • تلفات (Kw) 37, 10 40662 40م181 203, 91 339, 22 ...
  • درصد کاهش تلفات 14, 3 12, 7 12, 7 15, ...
  • T. Gomen, "Electric Power Distribution System Engineering", McGraw-Hil Publishing Company, ...
  • , 50 336, 54 341, 47 725, 10 575, 24 ...
  • _J . J. Grainger, S. H. Lee, " Optimum Size ...
  • M. E. Baran, F. F.Wu, _ Optimal Capacitor Placement On ...
  • M. E. Baran, F F.Wu, _ Optimal Sizing of Capacitors ...
  • N.I. Santoso & O.T. Tan, Neural-net based real-time control of ...
  • Z. Gu & D.T. Rizy, Neural network for combined control ...
  • Farahani, V. ; Vahidi, B. ; Abyaneh, H.A, Re configuration ...
  • _ _ wersystems, 2 ...
  • M.Song Kang, C. Chen, C.Lin, C.Huang, and M.Kao, _ Systematic ...
  • M. Mitchell, An introduction to genetic algorithms (Cambridge, MA: MIT ...
  • R.K. Aggarwal & Y.H. Song, Artificial neural networks in power ...
  • نمایش کامل مراجع