ارائه يك روش طرح ريزي منابع توليد پراكنده بر مبناي الگوريتم ژنتيك با مرتب سازي نامغلوب

Providing a projection method for Distributed generations based on non-dominated sorting genetic algorithm

افزايش سهم توليدات پراكنده در منابع انرژي الكتريكي باعث شده است تا دقت در برنامه ريزي اين منابع بيشتر مورد توجه قرارگيرد. به طور مثال مكان يابي، ظرفيت و تعداد نادرست DG ها مي‌تواند موجب افزايش تلفات و آسيب رسيدن به شبكه قدرت شود. گوناگوني و تناقض توابع هدف، عدم اطمينان از سودمندي و يا مشكل داشتن يك روش و مناسب بودن يا نبودن يك طرح براي رفع يك مورد خاص، مواردي است كه در تكنيك هاي نوين جهت بررسي منابع انرژي مورد بحث قرار مي‌گيرد. در اين مقاله، يك برنامه چند هدفه جهت بهينه سازي، مكان يابي و تعيين ظرفيت DG ها در سيستم قدرت ارائه شده است. شبكه نمونه با افق طرح ريزي براي اجرا و با استفاده از الگوريتم ژنتيك با مرتب سازي نامغلوب و تولباكس Matpower در متلب مدل سازي شده است. هزينه اوليه و اجرايي DG ها با توجه به دوره برنامه ريزي مورد بحث در نظر گرفته شده است. نتايج نشان مي‌دهد كه، طرح چند هدفه مورد بحث اجازه اعمال راه حل هاي گوناگوني را مي‌دهد و بر مبناي انتخاب كمترين توابع هدف، بيشترين بازدهي و استقلال از شبكه را به ارمغان مي‌آورد.

Increase the share of distributed generation in electrical energy sources has lead us to consider more accuracy in planning. For example, location, capacity and DG incorrect number can increases casualties and damages to the power grid. Diversity and contradiction of objective functions, the uncertainty of the usefulness or having problem for a proper procedure and whether a plan is correct to remove a particular item, are the issues that will be discussed in new techniques for energy resources. In this paper, a multi-objective optimization, placement and determining the DG capacity in the power system has been presented. The sample network with planning horizon for implementation and use of non-dominant sorting genetic algorithm, is modeled in Matpower toolbox in MATLAB. DG initial and operational planning cost with respect to the proposed time period is considered. The results show that proposed multi objectiveness plan, let us apply various solutions. it also give the independency from the grid and most yield by selecting the less objective functions.