بهبود جایابی چند هدفه منابع تولید پراکنده در ریز شبکه ها با الگوریتم MOPSO

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 436

فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

BPJ02_314

تاریخ نمایه سازی: 11 آبان 1395

چکیده مقاله:

نیاز روزافزون به انرژی الکتریکی از یکسو و معضلات ناشی از تولید انرژی در نیروگاه های بزرگ و سنتی از سوی دیگر پژوهشگران را بر آن داشته است تا با ابداع منابع پاک و کارآمد براساس انرژی های تجدید پذیر همچون نیروگاه های بادی علاوه بر جلوگیری از آلودگی محیط زیست، فاصله فیزیکی میان تولید و مصرف را کاهش دهند. از این رو نیاز به شبکه هایی است که علاوه بر کنترل هوشمند، انعطاف پذیری لازم رابرای تامین انرژی الکتریکی براساس قابلیت اطمینان بالا و کیفیت توان مطلوب داشته باشند، این شبکه ها امروزه به نام ریزشبکه ها شناخته می شوند که از تکنولوژی بالایی برای مدیریت انرژی برخوردار هستند. همچنین با توجه به اهمیت بحث بهینه سازی در مهندسی برق تاکنون روش های گوناگونی برای آن به کار گرفته شده است که الگوریتم MOPSO چندهدفه یکی از روش های قدرتمند در این زمینه به شمار می رود. از این رو در این مقاله ضمن بیان اساس الگوریتم مورد نظر، بهینه سازی برای جایابی نیروگاه ها بر اساس دو هدف هزینه و تلفات در یک ریزشبکه شعاعی مورد تحلیل قرار گرفته و نتایج آن با الگوریتم رایج ژنتیک چند هدفه مورد مقایسه قرار گرفته است.

نویسندگان

محمد طالبی اسفندارانی

دانشجوی کارشناسی ارشد، گروه برق، واحد یزد، دانشگاه آزاد اسلامی واحد یزد، ایران،

حمید رضا اکبری

استادیار، گروه برق، واحد یزد، دانشگاه آزاد اسلامی واحد یزد، ایران،

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Applied Research, vol. 4, no. I, pp. 161-169, 2014. ...
  • R. Ishak, A. Mohamed, A. N. Abdalla, and M. Z. ...
  • P. Chiradeja, _ of distributed generation: a line loss reduction ...
  • J. A. Pec , as Lopes, "Integration of dispersed generation ...
  • P. Chiradeja and R. Ramakumar, _ approach to quantify the ...
  • _ _ _ "Hybrid 78, no. 3, pp. 392-398, 2008. ...
  • Engineering Review, part 4, August 2000. ...
  • Th. Ackermann, G. Anderson, L. Soder; "Distributed Generation: A Definition" ...
  • M. Jenabalia Jahromi, E. Farjah, M. Zolghadr; "Mitingating Voltag Sag ...
  • E. B. Cano; _ Utilization Fuzzy Optimization for Distributed Generation ...
  • _ _ _ _ Ranch Algorithm" University of Saveh, Iran, ...
  • T. Griffin, et al; "Placement of Dispersed Generation Systems for ...
  • K. Nara, Y. Hayashi, K. Ikeda, T. Ashizawa: "Application of ...
  • J. A. Greatbanks, D. H. Popovic, M. Begovic, A. Pregelj, ...
  • _ _ _ distribution network security and reliability", Int. J. ...
  • a competitive electricity market", IEEE Trans. Power Syst., 2004, 19, ...
  • T. K. A. Rahman, S. R. A. Rahim, I. Musirin, ...
  • C. Wang, and M. H. Nehrir, "Analytical approaches for optimal ...
  • G. Celli, F. Pilo, "Optimal distributed generation allocation in MV ...
  • M _ Pipattana somporn, M. Willingham, S.Rahman, "Implications of onsite ...
  • _ _ _ _ of distributed generation by means of ...
  • N _ M ithulananthan, L. Phu, "Distributed generator placement techique ...
  • N.S.Rau, Y .H. Wan, "Optimum location of resources in distributed ...
  • G. Celli, F. Pilo, "MV network planning under uncertainty _ ...
  • _ F. Pilo, A. Russo, : "Distributed _ _ uncertainty", ...
  • P.Karimyan, G. B. Gharehpetian, M. A bedi, A. Gavili, Long ...
  • E.R. GH ADIKOLAEI, M.N. AZARIa and S.M. HOS SEINI, "The ...
  • T. S. Ustun, C. Ozansoy, A. Zayegh, "Recent developments in ...
  • _ _ _ _ wireless Sensor network", International Journal of ...
  • _ _ _ _ _ _ minimization", Electrical Power and ...
  • P. Jeihouni, A. Safari, A. Sakhavati, "A multi objective genetic ...
  • نمایش کامل مراجع