بکار گیری روش الگوریتم یادگیری افزایشی مبتنی بر جمعیت در جایابی بهینه جبران ساز استاتیکی به منظور کنترل پروفیل ولتاژ و کاهش تلفات

عملکرد بهینه سیستمهای انعطافپذیر و تاثیرات آنها روی سیستمهای قدرت امروزی وابسته به تعداد، محل و ظرفیت این سیستمها است. روش یادگیری افزایشی مبتنی بر جمعیت به خاطر ماهیت احتمالاتی، استفاده از شاخص بردار احتمالاتی برای کنترل و محدودسازی فضای نمونه و همچنین ارائه مدل احتمالاتی از فضای جستجو و جمعیت جوابها نسبت به الگوریتم ژنتیک و روشهای کلاسیک عملکرد دقیق تر و سریعتر دارد. در این مقاله الگوریتم یادگیری افزایشی مبتنی بر جمعیت جوابها برای جایابی بهینه جبران ساز استاتیکی در سیستم ۱۴ شینه IEEE بکار گرفته شده و نتایج حاصل با نتایج حاصل از جایابی با الگوریتم ژنتیک مقایسه شده است. نتایج جایابی بهینه جبران ساز استاتیکی روی شبکه ۱۴ شینه IEEE نشان میدهند که عملکرد الگوریتم یادگیری افزایشی مبتنی بر جمعیت در مقایسه با عملکرد الگوریتم ژنتیک دقیقتر و سریعتر است.

کلیدواژه ها:

جبران ساز استاتیکی ، جایابی بهینه ، یادگیری افزایشی مبتنی بر جمعیت ، بردار احتمالاتی.