اختصاص خازن بهینه در شبکه توزیع توسط الگوریتم ژنتیک با استفاده مستقیم از منحنی بار روزانه

سال انتشار: 1381
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 2,478

فایل این مقاله در 13 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:

PSC17_084

تاریخ نمایه سازی: 8 مهر 1386

چکیده مقاله:

اکثر مصرف کنندگان انرژی الکتریکی علاوه بر توان اکتیو، توان راکتیو هم مصرف می کنند . توان اکتیو یا همان توان حقیقی در نیروگاه تولید می شود . در صورتی که توان راکتیو می تواند در نیروگاه و یا در محلهای دیگر تولید گردد . مناسبترین و ارزانترین وسیله برای تولید توان راکتیو در محلهای غیر از نیروگاه، خازنهای موازی می باشند . در صورتی که توان راکتیو توسط نیروگاه تولید شود، هر یک از المانهای سیستم ( ژنراتورها، ترانسفورماتورها، خطوط انتقال و توزیع و کلیه تجهیزات ) باید ظرفیت بالاتری داشته باشند تا بتوانند کل توان ظاهری که جمع برداری توان اکتیو و راکتیو است، را از خود عبور دهند . در صورتی که خازنهای موازی می توانند با تولید این توان راکتیو در محلهای مورد نیاز، افزایش ظرفیت المانهای شبکه به این منظور، جلوگیری نمایند . علاوه بر کاهش ظرفیت المانها، تلفات کل شبکه نیز به خاطر کم شدن جریان کل کاهش پیدا می کند . به طور کلی مزایای اقتصادی نصب خازن در شبکه توزیع ما را ترغیب به نصب آن می نماید . پیشگامان جایابی بهینه خازن، [1] Naegle, samson ، [2] Cook ، [3] ، [4] Schmill ، [5] Chang ، [6] و [7] Bagهمگی از روشهای تحلیلی برای حداکثر کردن تابع هدف استفاده می کردند . این روشها براساس فرضیات غیر واقع بینانه از فیدر همچون اندازه هادی ثابت و بارهای توزیع شده یکنواخت استوار بودند . از این روشها قانون مشهور 2/3 به دست امد. قانون 2/3 که برای ماکزیمم کردن کاهش تلفات به وجود آمده بوده بدین صورت بود که یک خازن با نسبت 2/3 پیک بار راکتیو باید در نقطه 2/3 فاصله از کل طول فیدر با بار یکنواخت نصب گردد تا حداکثر کاهش تلفات در آن فیدر ایجاد گردد . یک اشکال تمام روشهای تحلیل مدل کردن اندازه و مکان خازنها به صورت متغیرهای پیوسته است . بنابراین اندازه خازنهای محاسبه شده ممکن است با اندازه استاندارد موجود مطابقت نداشته باشد و مکانهای محاسبه شده با مکانهای فیزیک کره ها در سیستم توزیع منطبق نباشد . لذا لازم است نتایج به نزدیکترین مقدار عملی تقریب زده شود که ممکن است در برخی حالات اضافه ولتاژ و یا کاهش صرفه جویی، نسبت به مقادیر محاسبه شده ایجاد گردد . از زمانی که قدرت محاسبات بالا رفت و حافظه کامپیوترها ارزان شد بتدریج روشهای برنامه ریزی عددی نیز برای حل مسأله بهینه سازی مورد استفاده قرار گرفت . روشهای برنامه ریزی عددی، روشهای مبتنی بر تکرار هستند که برای حداکثر و یا حداقل کردن یک تابع هدف از متغیرهای حالت بکار می روند . متغیرهای حالت وابسته به نوع مسأله است و این متغیرها باید قیود مسأله را تأمین کنند . برای مسأله جایابی خازن، تابع صرفه جویی تابع هدف است و مکان، تعداد و اندازه خازنها و همچنین ولتاژ شینها و جریانهای فیدرها متغیرهای حال خواهند بود . که تمام آنها باید قیود مسأله را برآورده سازند . در این روشها می توان از توابع هدف پیچیده و پر جزئیات استفاده نمود . تابع هدف می تواند شامل تمام قیود ولتاژ و جریان بارها، اندازه گسسته خازنها و مکانهای فیزیکی گره ها باشد .

کلیدواژه ها:

جایابی خازن - شبکه توزیع - آزاد سازی ظرفیت - الگوریتم ژنتیک - منحنی بار

نویسندگان

مرتضی امینی شرفی

تبریز - دانشگاه تبریز

قاسم اهرابیان

تبریز - دانشگاه تبریز

سیدحسین حسینی

تبریز - دانشگاه تبریز

سهراب خانمحمدی

تبریز - دانشگاه تبریز

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 :
  • Neagle, N. M. and Samson, D. R. "Loss reduction from ...
  • Cook, R. F. "Optimizing the application of shunt capacitors for ...
  • Granger, J. J. and Lee, S. H. "Optimum size and ...
  • Fawzi, T. H. EL-Sobki, S. M. and AbdelHalim, M. A. ...
  • Kaplan, M. "Optimization of number, location, siae, control type, and ...
  • Baran, M. E. and Wu, F. F. "Optimal capacitor placement ...
  • Grainger, J. J. and Civanlar, S. "Volt/var control on distribution ...
  • Bae , Y.G. "Analytical method of Capacitor allocation on distribution ...
  • Brown D.R., "Performance Analysis of avariable source of reactive power ...
  • Desai, K., Brown D.R, "Multiple Variable Source of reactive power ...
  • Levitin G., Kaluzhny A., Shenkman A., and Chertkov M., "Optimal ...
  • Shenkman A., "Energy Loss Computation by Using Statistical Techniques, " ...
  • Goldberg D., Genetic Algorithms in Search, Optimization and Machine Learning. ...
  • Koza J., Genetic Programming, The MIT Press, Cambridge MA, 1992. ...
  • نمایش کامل مراجع