جایابی بهینه منابع تولید پراکنده در شبکه های توزیع با استفاده از الگوریتم رقابت استعماری و مقایسه آن با سایر روشهای های هوشمند
- سال انتشار: 1395
- محل انتشار: کنفرانس بین المللی چشم انداز 2020 و پیشرفت های تکنولوژیک مهندسی برق، کامپیوتر و فناوری اطلاعات
- کد COI اختصاصی: EECIT01_062
- زبان مقاله: فارسی
- تعداد مشاهده: 696
نویسندگان
دانشجوی کارشناسی ارشد مهندسی برق (قدرت) دانشگاه آزاد اسلامی، واحد سیرجان
استاد، عضو هیات علمی بخش مهندسی برق، دانشگاه شهید باهنر کرمان
چکیده
در سال های اخیر اقدامات قابل توجهی جهت بهینه سازی و تغییر سیستم قدرت از ساختار سنتی به ساختاری جدید با مالکیت های خصوصی، صورت گرفته است. در نتیجه این تغییر و تحول چشمگیر در زمینه فن آوری های تولیدات پراکنده نیز تاثیرگذارده و انتظار می رود که تولیدات پراکنده نقش مهم و اساسی را در صنعت برق ایفا کنند و با افزایش قیمت سوخت های فسیلی و پیشرفت فناوری های تولید انرژی های تجدیدپذیر تمایل به استفاده از این واحدها در شبکه برق افزایش پیدا کرده است. در مقابل فوایدی که اضافه شدن این واحدها به شبکه به دنبال خواهد داشت، چالش هایی نیز در این زمینه وجود دارد که لازم است تا مطالعاتی در این زمینه انجام گیرد. از جمله این چالش ها می توان به مسایل بهره برداری شبکه با حضور این واحدها اشاره کرد. از این رو بهتر است که مطالعات اولیه جهت تعیین نقاط اتصال این واحدها به صورت کامل و همه جانبه انجام شود. نفوذ بالای منابع تولید پراکنده در شبکه قدرت، سبب افزایش پیچیدگی طراحی و بهره برداری بهینه از شبکه شده است. علت این امر، تزریق توان از این منابع به شبکه برق است که می تواند پروفیل ولتاژ شین های شبکه، وضعیت تلفات توان اکتیو و حاشیه پایداری ولتاژ سیستم را تغییر دهد. در این مقاله تعیین نقاط اتصال و ظرفیت واحدهای اتصالی جهت بهبود شرایط بهره برداری شبکه مورد مطالعه قرار گرفته است. کاهش تلفات توان اکتیو، افزایش پایداری ولتاژ، کاهش تعداد و مجموع ظرفیت واحدها و ترکیب آنها توابع هدفی هستند که در این مقاله مورد مطالعه قرار گرفته اند. روش فازی جهت یکسان سازی مقدار توابع هدف مختلف و نگاشت آنها با بازه [1-0] از دیگر مواردی است که در این مقاله استفاده شده است. شبیه سازی ها بر روی شبکه 33 شین IEEE و با استفاده الگوریتم های رقابت استعماری و مقایسه آن با سایر روش های هوشمند انجام شده است. نتایج نشان می دهد که الگوریتم ICA بهترین عملکرد را داشته و توانسته بهترین حالت ممکن را بدست آورد.کلیدواژه ها
جایابی بهینه، واحد تولید پراکنده، فازی سازی، بهینه سازی، الگوریتم وراثتی، الگوریتم تکامل تفاضلی، الگوریتم رقابت استعماری، الگوریتم جمعیت ذراتمقالات مرتبط جدید
- مرور سیستماتیک کاربرد هوش مصنوعی در موسیقی
- In-silico Analyses for Finding Potential Key Genes and Pathways Associated with Guillain-Barré Syndrome Using Computational Tools
- OCD Severity Based on EEG Signals
- Investigating the (non) -Impact of Customizing Knowledge Bases of Artificial Intelligence -Driven Robot on Language for Specific Purposes Learning
- The Need for Telehealth and Tele-Educationon in Optimizing Measles Surveillance and Reducing Healthcare Costs
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.