45000 تومان
افزودن به سبد خرید
0 فروش 232 بازدید
جزئیات محصول
تعداد قسمت: 1
پسوند فایل: zip
حجم فایل: 1MB
فایل راهنما: ندارد
بسته نصبی: ندارد
امکانات: شامل فایل pdf مقاله لاتین و فایل word ترجمه فارسی (29 صفحه) و ام فایل MATLAB
تاریخ انتشار: 24 دسامبر 2018
دسته بندی: ,,

تبلیغات

تنظیم بهینه‏ی توان راکتیو با استفاده از الگوریتم EPSDE به منظور بهبود پایداری استاتیک ولتاژ

چکیده

این مقاله روشی کارا و قابل اطمینان بر پایه ی روش های تکامل یافته برای حل مسئله ی پخش بهینه ی توان راکتیو (ORPD) ارائه می دهد. پخش بهینه ی توان راکتیو یک مسئله ی ترکیبی عدد صحیح و بهینه سازی غیر خطی است که متغیرهای کنترلی پیوسته و گسسته دارد. روش پیشنهاد شده از الگوریتم مجموعه ای از جهش ها و استراتژی های دو رگه و پارامترها در تکامل های تفاضلی (EPSDE)، برای بهینه سازی متغیرهای کنترلی توان راکتیو مانند ولتاژ ژنراتور، موقعیت تپ ترانسفورمر تپ چنجر و مقداری از توان راکتیو جبران ساز که ذخیره‏ی توان راکتیو در باس های تولید را حداکثر می‏کند، به کار می‏رود. محدودیت‏های ولتاژ که در اثر توان راکتیو هستند، محدودیت های نامساوی الگوریتم را نه تنها در شرایط عملی فعلی (پس از تنظیم دوباره توان راکتیو) به دست می دهند بلکه با پیش بینی بار آینده نیز محدودیت های عملیاتی را محاسبه می کنند (با تنظیم دوباره توان راکتیو). روش پیشنهاد شده بر روی شبکه های ۱۴ و ۲۵ شین IEEE، پیاده سازی شده است و نتایج با الگوریتم های تکامل تفاضلی خود وفقی (SaDE)، TLBO و الگوریتم ژنتیک (GA) از دید آماری مقایسه شده است.

معرفی

امروزه مدیریت ولتاژ و توان راکتیو هم در بخش برنامه ریزی و هم در بخش عملیات در سیستم های قدرت بسیار بزرگ، مورد توجه واقع شده است. این موضوع در دهه ی اخیر با توجه به کمبود منابع توان راکتیو در مقابل افزایش تقاضا، به موضوعی بحرانی تبدیل شده است. بهینه سازی توان راکتیو نقشی بسیار مهم در عملکرد بهینه ی سیستم قدرت دارد. بهینه سازی توان راکتیو (PRO) به معنای بهینه سازی متغیرهای کنترلی توان راکتیو مانند ولتاژ ژنراتور، تپ ترانسفورمر تپ چنجر و تجهیزات جبران سازی توان راکتیو است. تپ ترانسفورمر و تجهیزات جبران سازی توان راکتیو با تجهیزات، متغیرهایی گسسته هستند در حالی که دامنه ی ولتاژ شین وتوان راکتیو خروجی ژنراتور کمیت هایی پیوسته می باشند، بنابراین مسئله ی ORPD با استفاده از برنامه نویسی ترکیبی عدد صحیح غیر خطی مدل می شود. تکنیک های بهینه سازی معمول مانند روش جست و جوی گرادیان (GS)، برنامه نویسی غیر خطی (NLP)، برنام نویسی غیر خطی درجه دوم (QP)، برنامه نویسی خطی و روش های نقطه ی داخلی دارای مزیت هایی مانند سرعت محاسبات و همگرایی با توجه به تابع هدف پیوسته، متمایز و تک مقدار برای پیک هستند. اما روش‏های معمول قادر به حل مسئله ی بهینه سازی گسسته-پیوسته‏ی بهینه سازی توان راکتیو نیستند. اخیراً، روش های محاسباتی بر مبنای هوش مانند الگوریتم جست و جوی هارمونی (HSA)، التهاب شبیه سازی شده، PSO، CAPSO، الگوریتم ژنتیک (GA)، جست و جوی tabu و تکامل تفاضلی (DE) در کاربردهای بهینه سازی توان راکتیو به کار می رود. از این ها به عنوان راه حل های عملی و قدرتمند برای به دست آوردن جواب نهایی بهینه برای مسائل بهینه سازی مهندسی نام برده می شود. که به عنوان تکنیک های ابتکاری بهینه سازی استفاده می شوند. الگوریتم مجموعه ای از جهش ها و استراتژی های دو رگه و پارامترها در تکامل‏های تفاضلی به جواب‏های با کیفیت با محاسبات کم می رسد و عملکرد همگرای ثابتی دارد. تقوی و همکاران در [۶] یک روش بهینه سازی فازی در سیستم های هیبریدی قدرت ارائه داده اند. خزعلی و کلانتر در [۷] الگوریتم جست و جوی هارمونی برای پخش بهینه ی توان راکتیو ارائه داده اند. Devaraj و Roselyn در [۸] از الگوریتم بهبود یافته ی ژنتیک برای بهبود پایداری ولتاژ استفاده کرده اند.  Yoshida و دیگران در [۹] از الگوریتم اصلاح شده‏ی PSO برای کنترل توان راکتیو و کم کردن نوسانات محدودیت های ولتاژ استفاده کرده است. zhang و Liu در [۱۰] از الگوریتم بهبود یافته‏ی PSO برای حل مسئله ی چند منظوره بهینه سازی توان راکتیو استفاده کرده اند. Varadarajan و Swarup در [۱۱] الگوریتم تکاملی تفاضلی را برای پخش بهینه ی توان راکتیو ارائه داده اند. Zhang و همکاران در [۱۲] الگوریتم دینامیکی چند گروهی خود وفقی تفاضلی تکاملی برای پخش بهینه ی توان راکتیو ارائه داده اند. مسئله ی مورد نظر یک مسئله ی ترکیبی عدد صحیح غیر خطی با شروط نامساوی است. موجودیت توان راکتیو در منابع و قابلیت انتقال شبکه دو جنبه ی مهم هستند که در طول برنامه ریزی دوباره برای تنظیم متغیرهای کنترلی باید در نظر گرفته شود. Nedwickو همکاران در [۱۳] الگوریتم مدیریت توان راکتیو برای یک سیستم عملی را نشان می دهد. آن ها یک برنامه ریزی برای تأمین تقاضای توان راکتیو سیستم با نصب بانک های خازنی در اندازه و مکان های مناسب ارائه داده اند که ضریب توان بخش تولید را به یک نزدیک می‏کند. Menezes و همکاران در [۱۴] روشی برای تنظیم مجدد توان راکتیو تولیدی ماشین و کندانسور سنکرون برای نگه داشتن حاشیه ی امنیت سطح پایداری ارائه داده است. موسوی و همکاران در [۱۵] با استفاده از مدیریت توان راکتیو، اندازه‏گیری پیشگیرانه‏ای برای بهبود مارجین پایداری ولتاژ ارائه داده اند. مقدار کافی مارجین پایداری ولتاژ از طریق تنظیم دوباره ی منابع توان راکتیو به دست می آید.  Dong و همکاران در [۱۶]، سیستم مدیریت بهینه ی توان راکتیو با استفاده از تکنیک bender را معرفی کرده است. He و همکاران در [۱۷] روشی برای بهینه سازی پخش توان راکتیو (ORPF) با توجه به اهداف گوناگون با نگه داشتن حد امنیت ولتاژ ارائه داده اند. Zhang و همکاران در [۱۸] روشی محاسباتی برای تسطیح بازار توان راکتیو ارائه داده اند. Singh و Shrivastava در [۲۹] روشی برا حل مسئله ی چند منظوره ی مدیریت VAR معرفی کرده اند. مدیریت توان راکتیو یکی از وظایف بسیار مهم برای کارکرد امن وکنترل مناسب سیستم قدرت است.

Optimal reactive power rescheduling based on EPSDE algorithm to enhance static voltage stability

Abstract

This paper presents an efficient and reliable evolutionary-based approach to solve the optimal reactive power dispatch (ORPD) problem. Optimal reactive power dispatch is a mixed integer, nonlinear optimization problem which includes both continuous and discrete control variables. The proposed approach employs Ensemble of Mutation and Crossover Strategies and Parameters in Differential Evolution (EPSDE) algorithm for optimizing a set of reactive power control variables such as generator voltages, tap positions of tap changing transformers and the amount of reactive compensation which maximizes reactive reserve available at generating buses. Voltage dependent reactive power limits have been accounted. Developed algorithm accounts inequality constraints not only in present operating conditions (after reactive power rescheduling) but also for predicted next interval load (with reactive power rescheduling). Proposed methodology has been implemented on IEEE 14-bus and 25-bus test systems. Performance of the methodology has been compared with Selfadaptive Differential Evolution (SaDE), Teaching Learning Based Optimization (TLBO) and Genetic Algorithm (GA) techniques based on statistical inference.

لینک مقاله اصلی:

https://www.sciencedirect.com/science/article/pii/S0142061514003652

افزودن به سبد خرید

لطفاً براي ارسال دیدگاه، ابتدا وارد حساب كاربري خود بشويد

محصولات پر فروش

پر فروش ترین محصولات فروشگاه روکساوب