طرح توسعه شبكه توزيع به منظور كاهش تلفات و بهبود پروفيل ولتاژ با استفاده از الگوريتم هاي هوش مصنوعي

Distribution Network Development Plan to reduce losses and improve voltage profiles using artificial intelligence algorithms

با توجه به ابعاد وسيع سيستم قدرت و پيچدگي روش هاي كلاسيك بهينه سازي، معمولا اين نوع روش ها از كارايي لازم در تحليل سيستم قدرت برخوردار نبوده و عملكرد رضايت بخشي ندارند. نواقص روش هاي كلاسيك در سال هاي اخير برنامه ريزان را واداشته است كه استفاده از روش هاي فرا ابتكاري را مورد بررسي و تحقيق قرار دهند. اين الگوريتم ها، كارايي بيشتري در تعيين ساختار بهينه نسبت به روش هاي كلاسيك داشته و از اين رو توجه بسياري از محققين را به خود جلب كرده اند. در اين مقاله از الگوريتم جستجوي هارموني (HSA) براي توسعه شبكه توزيع در يك سيستم 9 باسه بهره گرفته شده است. حالت هاي متعدد توليد و مصرف و نوسان قيمت انرژي و نوسان مصرف بار و عدم قطعيت مورد بررسي قرار داده شده است و در هر حالت طرح و توسعه بهينه با استفاده از الگوريتم پيشنهادي بدست آورده شده است و براي بررسي كارآمدي الگوريتم پيشنهادي نتايج بدست آمده از شبيه سازي با الگوريتم بهينه سازي ازدحام ذرات (PSO) مقايسه شده است. نتايج شبيه‌سازي توانايي و اثرگذاري برنامه‌ريزي پيشنهادي براي مقابله با عدم قطعيت‌هاي تحت محيط بازار برق را نشان مي‌دهد.

Due to the wide dimensions of the power system and the complexity of the classical optimization methods, these types of methods usually do not have the necessary efficiency in the analysis of the power system and do not have satisfactory performance. The defects of classical methods in recent years have prompted planners to explore the use of meta-innovative methods. These algorithms have more efficiency in determining the optimal structure than the classical methods, and thus attracted the attention of many researchers. In this paper, Harmony Search Algorithm (HSA) has been used to develop a distribution network in a 9-byte system. Various modes of production and consumption, and energy fluctuations, and load fluctuations, and uncertainty have been investigated. In each case, optimum design and development are obtained using the proposed algorithm. To evaluate the efficiency of the proposed algorithm, the results obtained from Simulation has been compared with the Particle Swarm Optimization (PSO) algorithm. Simulation results show the ability and effectiveness of proposed planning to deal with uncertainties under the electricity market environment.