حل مسيله پخش بار بهينه در شرايط نرمال و اضطراري با استفاده از الگوريتم تركيبي گروه ذرات و نلدر ميد (PSO-NM)

Optimal Power Flow under Both Normal and Contingent Operation Using Hybrid Particle Swarm Optimization and Nelder Mead Algorithms (PSO-NM)

در اين مقاله به منظور حل مسيله‎ پخش‎بار بهينه (OPF)، از الگوريتم تركيبي گروه ذرات (PSO) و نلدر – ميد(Nelder-Mead) براي تنظيم بهينه‎ متغيرهاي كنترلي پخش‎بار بهينه استفاده شده است. هدف از تركيب دو الگوريتم گروه ذرات و نلدر- ميد يافتن روشي مي باشد كه علاوه بر داشتن مزيت هاي دو الگوريتم فوق، عيب ونقص هاي اين دو الگوريتم را نداشته باشد. قدرت بالا در جستجو و وابستگي زياد عملكرد به انتخاب اوليه نقاط از مزايا و معايب الگوريتم نلدر – ميد مي باشد. همچنين از مزايا و معايب الگوريتم گروه ذرات مي توان به يافتن بهترين جواب و سرعت پايين در رسيدن به همگرايي اشاره كرد. بنابراين با تركيب اين دو الگوريتم، مي توان به روش هوشمندي دست يافت كه علاوه بر عدم وابستگي به انتخاب اوليه نقاط، داراي قدرت و سرعت بالايي در همگرايي مي باشد. الگوريتم پيشنهادي بر‎روي شبكه استاندارد IEEE bus -30‏‏‏‏‏‏ با در نظرگرفتن اهداف حداقل نمودن هزينه سوخت ژنراتورها، اصلاح پروفيل ولتاژ و افزايش پايداري ولتاژ در شرايط عادي و اضطراري بررسي شده است. توابع هزينه مورد استفاده در اين مطالعه بصورت چند جمله‎اي درجه دوم تكه‎اي ناهموار و غير‎محدب مي‎باشند. نتايج شبيه‎سازي با استفاده از الگوريتم مذكور با نتايج حاصل از ساير الگوريتم‎هاي تكاملي ارايه شده در مقالات سال‎هاي اخير مقايسه شده است كه نتايج نشان‌دهنده برتري الگوريتم PSO-NM در حل مسيله پخش‎بار بهينه مي‎باشد.

In this paper, solving optimal power flow problem has been investigated by using hybrid particle swarm optimization and Nelder Mead Algorithms. The goal of combining Nelder-Mead (NM) simplex method and particle swarm optimization (PSO) is to integrate their advantages and avoid their disadvantages. NM simplex method is a very efficient local search procedure but its convergence is extremely sensitive to the selected starting point. In addition, PSO belongs to the class of global search procedures but requires much computational effort. PSO-NM algorithm is proposed in order to solve the optimal power flow and find optimal settings of OPF control variables. The proposed method is examined on IEEE 30-bus standard test system by considering fuel cost minimization, voltage profile improvement, and voltage stability enhancement in normal and contingency conditions. It is also possible to apply the mentioned algorithm for optimal settings of OPF control variables considering non-smooth piecewise quadratic and non-convex cost functions. Simulation results are presented and compared with other intelligent algorithms in the previous literature. The results indicate that PSO-NM algorithm is effective in solving OPF problem.