تعیین اندازه و مکان بهینه خازنها به منظور کاهش هزینه های ریزشبکه با استفاده از الگوریتم آموزش یادگیری اصلاح شده

استفاده از تولیدات پراکنده (DG) در شبکه های توزیع طی سالهای اخیر به یک موضوع مهم تبدیل شده ونحوه ی بهره برداری و طراحی این شبکه ها را تحت تاثیر خود قرار داده است. نصب DG در مکان غیربهینهمنجر به افزایش تلفات، پدیده ی افزایش ولتاژ و افزایش هزینه های توزیع برای کاربران شبکه می شود. دراین مطالعه، تخصیص بهینه خازن به صورت همزمان در دو حالت بهره برداری متصل به شبکه و جزیره ای درشبکه 24 باسه شعاعی با درنظر گرفتن سطوح مختلف بارگذاری (کمباری، میانباری، پرباری) انجام شد.تابع هدف شامل کمینه سازی هزینه تلفات انرژی، هزینه پیک تلفات تاوان و هزینه های بکارگیری خازنمی باشد. مسیله بهینه سازی با استفاده از الگوریتم آموزش یادگیری اصلاح شده (MTLBO) برای تعیینمکان و ظرفیت بهینه خازن حل شد و از طرفی با نتایج حاصل از الگوریتم TLBO مقایسه گردید. همچنینمنابع تولید پراکنده در هر دو حالت دارای قابلیت تولید توان راکتیو و فاقد توانایی تولید توان راکتیو بررسیشدند. نتایج حاصل از شبیه سازی نشان داد که خازن گذاری در هر دو حالت به کاهش میزان تلفات وهمچنین هزینه های ناشی از آن منجر شد. همچنین با اندک هزینه خازن گذاری، مقدار صرفه جویی سالانهقابل ملاحظه ای بدست آمد. از طرفی، در حالتی که منابع پراکنده دارای قابلیت تولید توان راکتیو باشندمقادیر مختلف هزینه در شبکه قبل و بعد از خازن گذاری نسبت به حالت فاقد توانایی تولید توان راکتیوکمتر بود. همچنین مقدار حداقل ولتاژ شبکه در بارگذاری های مختلف در هر دو مد متصل به شبکه وجزیره ای بهبود یافت. روش MTLBO از عملکرد بهتری نسبت به روش TLBO برخوردار بود.

کلیدواژه ها:

الگوریتم آموزش یادگیری ، تخصیص خازن ، توان راکتیو ، تولید پراکنده ، ریزشبکه