مکانیابی بهینه جبرانساز استاتیک در سیستم قدرت با هدف بهبود پروفیل ولتاژ با استفاده از الگوریتم بهینه سازی جستجوی شکار

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 312

فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ETEC06_292

تاریخ نمایه سازی: 11 مرداد 1396

چکیده مقاله:

با استفاده از ادوات فکتس(devices facts (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، مکانیابی 1 بهینه جبرانساز استاتیک با هدف بهبود پروفیل ولتاژ سیستم قدرت با استفاده از الگوریتم جستجوی شکار (HUS) 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 HUS در بهینه سازی مساله و دستیابی به تابع هدف، نسبت به روش ژنتیک دارای عملکرد بهتری می باشد.

کلیدواژه ها:

سیستم قدرت- جبرانساز استاتیک- پروفیل ولتاژ- الگوریتم جستجوی شکار

نویسندگان

مهدی صبری

گروه برق، واحد بین المللی جلفا، دانشگاه آزاد اسلامی، جلفا، ایران

حامد شیخ بگلو

دانشگاه آزاد اسلامی واحد ارومیه، گروه برق، ارومیه، ایران

مرتضی فرسادی

دانشیار گروه برق، دانشگاه ارومیه

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 AJ. 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, Sohrforouzan i Mahmoud Vakili. Power system damping using ...
  • Alabdulj abbar A, Milanovic J. Genetic algorithm based optimization for ...
  • Venkatesh P, Gnanadas R, Padhy NP. Comparison and application of ...
  • Fogel DB. Evolutionary computation: toward a new philosophy of machine ...
  • Kennedy J, Eberhart R. Particle swarm 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 ...
  • Alabd uljabbar A, Milanovic J. Genetic algorithm based optimization for ...
  • Kaewniyom panit S, Mitani _ Tsuji K. A method of/spl ...
  • Proceeding of the IEEE international conference on power system technology ...
  • Mila no F. An open source power 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 _ ulti-bjective ...
  • Yousefi A, Nguyen TT, Zareipour H, Malik OP. Congestion management ...
  • Huang JS, Jiang ZH, Negnevitsky. Loadability of power systems and ...
  • Mahm oudabadi Amin, Rashidinejad Masoud. _ application of hybrid heuristic ...
  • The IEEE 30BusTest System. <http ://www. ee.washi ngton _ ed ...
  • Zimmermann RD, Gan D. Mat power a Mat lab power ...
  • Acha Enrique, Esquivel Claudia RF, Ambriz-Perez Hugo, Camacho CA. FACTS ...
  • Oftadeh, R., Mahjoob, M. J., & S hariatpanahi, M. (2010). ...
  • Kulluk, S. (2013). A novel hybrid algorithm combining hunting search ...
  • نمایش کامل مراجع