مکانیابی و تعیین ظرفیت بهینه منابع تولید پراکنده و خازن های موازی بطور همزمان در شبکه توزیع به منظور کاهش تلفات انرژی
محل انتشار: سومین کنفرانس ملی و اولین کنفرانس بین المللی پژوهش هایی کاربردی در مهندسی برق، مکانیک و مکاترونیک
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 598
فایل این مقاله در 13 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:
ELEMECHCONF03_1011
تاریخ نمایه سازی: 9 مرداد 1395
چکیده مقاله:
در سال های اخیر به دلیل گسترش شبکه های قدرت و افزایش تقاضای انرژی، استفاده از تولیدات پراکنده (DGs) و خازن های موازی (SCs) در سیستم های توزیع در حال افزایش می باشند. تعیین مکان و ظرفیت بهینه برای DG ها و خازن ها در شبکه های توزیع یکی از مهمترین مسائل برای بهره برداران شرکت های توزیع می باشد. در این مقاله، یک روش بهینه سازی برای مکانیابی و تعیین ظرفیت بهینه واحدهای تولید پراکنده و خازن های موازی در شبکه توزیع شعاعی به منظور کاهش تلفات انرژی سالیانه ارائه شده است. سطوح بارگذاری سبک، نامی و سنگین برای شبکه در نظر گرفته شده، و میزان توان های تولیدی توسط DG ها و توان راکتیو خازن ها برای هر سطح بارگذاری متغیر فرض شده است. انواع منابع تولید پراکنده در این تحقیق در نظر گرفته شده اند. حضور DG ها در شبکه طور مجزا و بصورت همزمان با خازن ها بررسی شده است. الگوریتم بهینه سازی مبتنی بر آموزش و یادگیری (TLBO) برای حل مسئله بکار برده شده است. تابع هدف مسئله با رعایت قیود لازم کمینه شده است. بهبود پروفیل ولتاژ در شین های سیستم و بهبود ظرفیت بارگذاری در خطوط شبکه بنا به حضور DG ها و خازن ها در شبکه نیز مشاهده شده اند. روش ارائه شده، روی سیستم توزیع شعاعی 34 شینه استاندارد IEEE پیاده سازی شده است. نتایج بدست آمده از شبیه سازی ها، صحت و کارآمدی روش پیشنهادی را نشان می دهند.
کلیدواژه ها:
نویسندگان
مسعود طرهانی
دانشجوی کارشناسی ارشد، دانشکده فنی و مهندسی، دانشگاه لرستان، خرم آباد، ایران
محمودرضا شاکرمی
استادیار گروه مهندسی برق، دانشکده فنی و مهندسی، دانشگاه لرستان، خرم آباد، ایران
اسماعیل رک رک
استادیار گروه مهندسی برق، دانشکده فنی و مهندسی، دانشگاه لرستان، خرم آباد، 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 :