بهینه سازی جبرانساز استاتیک در سیستم قدرت با هدف بهبود پروفیل ولتاژ

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 479

فایل این مقاله در 5 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

FROMIHE01_012

تاریخ نمایه سازی: 19 خرداد 1396

چکیده مقاله:

با استفاده از ادوات فکتس در سیستم قدرت می توان به مزایایی نظیر کنترل پخش بار، کمینه سازی هزینه های تولید، بهبود پایداری دینامیکی، افزایش ظرفیت خطوط و جبرانسازی توان راکتیو دست یافت. در این مقاله،جامکانیابی بهینه جبرانساز استاتیک با هدف بهبود پروفیل ولتاژ سیستم قدرت با استفاده از الگوریتم اجتماع ذرات مورد مطالعه قرار گرفته است. مساله مکانیابی بصورت چندهدفه و با استفاده از روش ضرایب وزنی صورت گرفته است. هدف بهینه سازی تعیین مکان و ظرفیت بهینه جبرانساز در سیستم قدرت می باشد. برای تایید کارایی روش پیشنهادی، مساله بهینه سازی با الگوریتم ژنتیک نیز حل شده و نتایج مورد مقایسه قرار گرفته است. نتایج نشان داده است که با بکارگیری جبرانساز استاتیک، پروفیل ولتاژ سیستم بهبود داده می شود و همچنین نتایج حاکی از این است که روش اجتماع ذرات در بهینه سازی مساله و دستیابی به تابع هدف، نسبت به روش ژنتیک دارای عملکرد بهتری می باشد.

نویسندگان

مصطفی مقصودلو

موسسه آموزش عالی غیرانتفاعی فخرالدین اسعد گرگانی

میکاییل نورانی کلته

موسسه آموزش عالی غیرانتفاعی فخرالدین اسعد گرگانی

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 :
  • Hingorani NG, High power electronics and flexible AC transmission system. ...
  • Gerbex S, Cherkoui R, Germond A. Optimal location of multi ...
  • Galiana FD, Almeida A, Toussaint M, Griffin J, Adanackovic D. ...
  • Krishnan S, Padiyar KR. Discrete control of unified power flow ...
  • Kazemi Ahad, Sohrforouzam Mahmoud Vakili. Power system damping using fizzy ...
  • Alabduljabbar A, Milanovic J. Genetic algorithm based optimization for allocation ...
  • Venkatesh P, Gnanadas R, Padhy NP. Comparison and application of ...
  • Abido, M. A. (2002). Optimal design of power-System constrained. IEEE ...
  • Kennedy J, Eberhart R. Particle _ optimization. In: Proceedings of ...
  • Shi Y, Eberhart RC. Empirical study of particle Swarm optimization. ...
  • Gerbex S, Cherkaoui R, Germond AJ. Optimal location of multi-type ...
  • Radu D, Besanger Y. Blackout prevention by optimal insertion of ...
  • Cai L, Erlich I, Stamtsis G. Optimal choice and allocation ...
  • Alabduljabbar A, Milanovic J. Genetic algorithm based optimization for allocation ...
  • Kaewn iyompanit S, Mitani Y, Tsuji K. A method ofispl ...
  • Proceeding of the IEEE international conference on power system technology ...
  • Mila no F. An open source powet system analysis toolbox. ...
  • Goldberg D. Genetic algorithm in search, optimization and machine learning. ...
  • de Bruin A, Rinnooy Kan AHG, Trienkens H. A simulation ...
  • Kim DH, Abraham, A hybrid genetic algorithm and bacterial foraging ...
  • Phadke AR, Manoj Fozdar, Niazi KR. A new mult. objective ...
  • Yousefi A, Nguyen TT, Zareipour H, Malik OP. Congestion management ...
  • Huang JS, Jiang ZH, Negnevitsky. Loadability of power systems and ...
  • Mahmoudabad Amin, Rashidinejad Masoud. An application of hybrid heuristic method ...
  • Zimmermann RD, Gan D. Mat power a Mat lab power ...
  • Acha Enrique, Esquivel Claudia RF, Ambriz-Pere, Hugo, Camacho CA. FACTS ...
  • Poli, R., Kennedy, J., & Blackwell, T. (2007). Particle Swarm ...
  • نمایش کامل مراجع