ارایه یک روش طرح ریزی منابع تولید پراکنده بر مبنای الگوریتم ژنتیک با مرتب سازی نامغلوب

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 573

فایل این مقاله در 11 صفحه با فرمت PDF و WORD قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ELEMECHCONF04_194

تاریخ نمایه سازی: 11 مرداد 1396

چکیده مقاله:

افزایش سهم تولیدات پراکنده در منابع انرژی الکتریکی باعث شده است تا دقت در برنامه ریزی این منابع بیشتر مورد توجه قرارگیرد. به طور مثال مکان یابی، ظرفیت و تعداد نادرست DG ها می تواند موجب افزایش تلفات و آسیب رسیدن به شبکه قدرت شود. گوناگونی و تناقض توابع هدف، عدم اطمینان از سودمندی و یا مشکل داشتن یک روش و مناسب بودن یا نبودن یک طرح برای رفع یک مورد خاص، مواردی است که در تکنیک های نوین جهت بررسی منابع انرژی مورد بحث قرار می گیرد [1]. در این مقاله، یک برنامه چند هدفه جهت بهینه سازی، مکان یابی و تعیین ظرفیت DG ها در سیستم قدرت ارایه شده است. شبکه نمونه با افق طرح ریزی برای اجرا و با استفاده از الگوریتم ژنتیک با مرتب سازی نامغلوب و تولباکس Matpower در متلب مدل سازی شده است. هزینه اولیه و اجرایی DG ها با توجه به دوره برنامه ریزی مورد بحث در نظر گرفته شده است. نتایج نشان می دهد که، طرح چند هدفه مورد بحث اجازه اعمال راه حل های گوناگونی را می دهد و بر مبنای انتخاب کمترین توابع هدف، بیشترین بازدهی و استقلال از شبکه را به ارمغان می آورد.

کلیدواژه ها:

تولید پراکنده ، الگوریتم ژنتیک غیر مغلوب ، توابع چند هدفه ، بهینه سازی

نویسندگان

محمدرضا علیزاده پهلوانی

دانشیار مجتمع دانشگاهی برق و الکترونیک، دانشگاه صنعتی مالک اشتر، ایران

مجید خسروی

دانشجوی کارشناسی ارشد مهندسی برق و اویونیک، دانشگاه صنعتی مالک اشتر، 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 :
  • Rana.H.A. Zuboa, Geev Mokryania, Haile-Selassie Rajamania, Jamshid Aghaeib, Taher Niknamb, ...
  • Vahid Vahidinasab Optimal distributed energy resources planning in a competitive ...
  • Pavlos S. Georgilakis, Nikos D. Hatziargyriou, A review of power ...
  • K. Y. Lee, M.A. El-Sharkawi, ،، Modern heuristics optimization techniques ...
  • K. Deb, A. Pratap, S. Agarwal, T. Meyarivan, ،0A fast ...
  • Matlab Global optimization toolbox User's Guide (r2014b), [online]. Available: http ...
  • K. Deb, *Multi-Obj ective Optimization using Evolutionary Algorithms', Singapore: John ...
  • J. Knowles, D. Corne, ،;The Pareto archived evolution strategy: a ...
  • E. Zitzler, ' Evolutionary algorithms for Multi-objective optimization: methods and ...
  • R.T.F.A. King, H.C.S. Rughooputh, ? Elitist multiobjective evolutionary algorithm for ...
  • S. Kannan, S. Baskar, J.D McCalley, P. Murugan, 4Application of ...
  • Zhihuan Li Begovic, M.M. Xianzhong Duan, ،Reactive Power Planning Using ...
  • R. D. Zimmerman and C. Murillo- Sanchez. MATPOWER User's Manual, ...
  • J. Knowles, D. Corne, *Quantifying the effects of objective space ...
  • H. Lee Willis, _ Power Distribution Planning Reference Book', New ...
  • R.D. Zimmerman, C.E. Murillo- Sanchez, R.J. Thomas, ' _ MATPOWER: ...
  • نمایش کامل مراجع