بهينه سازي مكان و ظرفيت منابع توليد پراكنده(DG) در شبكه هاي توزيع جهت كاهش تلفات توان و بهبود پروفايل ولتاژ شبكه با استفاده از تحليل پوششي داده‌ها(DEA )

Optimization of location and capacity of distributed generation (DG) in distribution networks to reduce power losses and improve network voltage profiles using Data Envelopment Analysis (DEA)

در اين مقاله ، تعيين مكان و ظرفيت بهينه واحدهاي توليد (DG) پراكنده با استفاده از شاخص عملكرد چندهدفه براي توسعه پايداري ولتاژ در شبكه¬هاي توزيع شعاعي، نقش مهمي را در كاهش تلفات، آزادسازي ظرفيت خطوط، بهبود پروفيل ولتاژ و پايداري ولتاژ ايفا مي¬كند. در حالت كلي يك سيستم توزيع داراي تعداد زيادي گره مي‌باشد و پيدا كردن محل‌ها و اندازه هاي بهينه منابع با دست كار دشواري مي‌باشد. در اين مقاله جهت انتخاب بهترين باس براي كاهش هزينه از روش ارزيابي و تحليلي بهره گرفته شده است. سپس با روش تحليل پوششي داده ها تمام شاخص ها تحليل ميگردند. در ادامه، كارآمد ترين باس‌ها رتبه بندي ميگردند. جنبه هاي فني متفاوتي با استفاده از ضرايب وزني با يكديگر تركيب شده و تحت قيود بهره برداري متفاوتي با استفاده از روش تحليل داده‌ها حل شده است. اثر بخشي الگوريتم پيشنهادي با آزمايش روي شبكه توزيع 33باسه استاندارد IEEE شعاعي اعتبار سنجي شده است و نتايج شبيه سازي صحت عملكرد سيستم مذكور را تاييد مي كند.

In this paper determining the location and capacity of distributed generation units (DG) using the multi objective performance index for the development of voltage stability in radial distribution networks plays an important role in reducing losses Releasing line capacities improving the voltage profile and voltage stability. In general a distribution system has a large number of nodes and it is difficult to find the optimal resources locations and sizes Manually. In this paper in order to select the best bass for cost reduction The evaluation and analytical method has been used. Then all indicators are analyzed by data envelopment analysis method. In the following the most efficient bosses are ranked. Different technical aspects are combined with the use of weight coefficients and under Different utilization constraints have been solved using data analysis method. The effectiveness of the proposed algorithm is verified by testing on a 33 base distributed network of IEEE radial standard and the simulation results confirms the accuracy of the system s performance