مكانيابي بهينه و اندازه توليدات پراكنده و خازن هاي موازي به صورت همزمان در شبكه هاي توزيع برق با استفاده از الگوريتم بهينه سازي ازدحام ذرات مبتنيبر يادگيري تطبيقي

Optimal Placement and Sizing of DGs and Shunt Capacitor Banks Simultaneously in Distribution Networks using Particle Swarm Optimization Algorithm Based on Adaptive Learning Strategy

جايابي و مقدار يابي بهينه منبع توليد پراكنده و خازن يك مسئله بهينه سازي با تابع هدف غيرخطي است كه داراي قيود مساوي و نامساوي است و كارايي روشهاي فرا ابتكاري براي حل مسايل بهينه سازي تا هر درجه اي از پيچيدگي به اثبات رسيده است. همچنين با افزايش جمعيت و به دنبال آن افزايش مصرف انرژي الكتريكي نياز به توليد نيز بيشتر مي شود كه اين موضوع سبب افت بيشتر ولتاژ، افزايش تلفات و درنتيجه كاهش پايداري ولتاژ گره ها مي شود. براي حل اين معضلات بهترين راهكار نصب منابع توليد پراكنده (DGs) و جبران سازهاي خازني است، نصب چنين منابعي از تاسيس خطوط انتقال و توزيع جديد و تغييرتوپولوژي سيستم قدرت براي تامين توان جلوگيري مي كند و باعث بهبود معضلات ذكرشده مي شود. لذا در اين مقاله مكان يابي ومقدار يابي بهينه توليدات پراكنده و خازن هاي موازي به صورت همزمان در شبكه هاي توزيع برق با استفاده از الگوريتم (PSO)مبتني بر يادگيري تطبيقي (ALPSO) با اهداف كاهش تلفات توان اكتيو، بهبود پروفيل ولتاژ شين ها و شاخص پايداري ولتاژ بر روي شبكه استاندارد 33 توسط نرم افزار MATLAB انجام مي گيرد. نتايج نشان داده شده پس از بررسي و مقايسه نشان دهنده ي عملكرد نسبتا مطلوب الگوريتم ALPSO براي حل مسئله جايابي است.

Optimization of DG and capacitors is a nonlinear objective optimization problem with equal and unequal constraints, and the efficiency of meta-heuristic methods for solving optimization problems has been proven to any degree of complex it. As the population grows and then electricity consumption increases, the need for generation increases, which further reduces voltage, increases losses, and thereby decreases the voltage stability of the nodes. The best solution to these problems is to install distributed generation sources (DGs) and capacitors, the installation of such resources will prevent the establishment of new transmission and distribution lines and change the power system topology to improve power supply and improve the aforementioned problems. Therefore, in this article, optimum locating and quantification of distributed generation and parallel capacitors simultaneously in power distribution networks using Adaptive Learning practical swarm optimization Algorithm (ALPSO) with the goal of reducing active power losses, improving voltage profile profiles and stability index Voltage on standard 33-bus grid by MATLAB software. The results presented after review and comparison show the relatively desirable performance of the ALPSO algorithm for solving the optimal location problem.