جايابي چندمنظوره محدودكننده جريان خطا با استفاده از الگوريتم بهينه سازي MOPSO

Fault Current Limiter Placement Using Multi-Objective Particle Swarm Optimization

ورود توليدات پراكنده به شبكه­ قدرت باعث بروز مسائل زيادي همچون افزايش سطح جريان اتصال كوتاه مي ­شود، كه اگر بيشتر از سطح مجاز مدار شكن­ هاي موجود در شبكه باشد مي ­تواند منجر به آسيب­ ديدگي تجهيزات شبكه شود. استفاده از محدود­كننده جريان خطا (FCL) در شبكه روشي موثر براي مقابله با مسئله فوق است، كه تاثير­گذاري آن در گرو تعيين صحيح تعداد، مكان و مقدار امپدانس است. در اين مقاله روشي كارامد براي جايابي FCL ها در شبكه ارائه مي­شود كه بموجب آن مسئله جايابي FCL به يك مسئله بهينه ­سازي چند منظوره مدل مي ­شود. در مسئله بهينه سازي مذكور، توابع هدف عبارتند از اختلاف جريان خطاي باس­ها، نرخ خرابي تجهيزات، تعداد و امپدانس­ FCL ها. براي حل مسئله، از الگوريتم بهينه ­سازي چند منظوره ازدحام ذرات (MOPSO) استفاده شده است. در روند بهينه سازي الگوريتم، جواب­ه اي بهينه و غالب استخراج مي شوند و در يك مخزن ذخيره­­ مي­ گردند كه اندازه مخزن در روند بهينه ­سازي با استفاده از تكنيك دسته­ بندي فازي كنترل مي­ شود. و در انتها با اعمال الگوريتم نيل به آرمان (GAO) به جواب­ هاي غالب، جواب متناسب با نياز شبكه توسط اپراتور شبكه انتخاب مي ­شود. نتايج بدست آمده از پياده ­سازي روش پيشنهادي برروي يك شبكه قدرت نمونه نشان دهنده كارامدي روش است.

The presence of distributed generations (DGs) in the power systems is causing problems such as increasing the short circuit current levels which may exceed the rating of existing circuit breakers and can damage system equipment. The utilization of fault current limiters (FCLs) in the network can be an effective method to overcome the above problems. Furthermore, FCL has the benefits such as improving the system security and reliability. FCL benefits depend on the number, installation location, and impedance of FCL. For this end, we require a method to determine the optimum number, impedance and locations for FCL placement. In the considered method, we have modeled the FCL placement as an optimization problem while the objectives are; bus fault current difference, reliability, the number and impedance of FCLs. Moreover, to solve the proposed problem, a new multi-objective optimization algorithm based on particle swarm optimization has been implemented. In the algorithm, several iterations have been considered, and the non-dominated solutions are extracted and stored in an external repository in the iterations. Finally, a fuzzy clustering technique is used to control the size of the repository during the algorithm evolution. The proposed approach is tested on a test system, namely, RBTS 2 . The obtained results demonstrate the effectiveness and feasibility of the new method.