Solving OPF problem with the Hybrid GA and the Hybrid PSO Algorithms and Comparing with the Gradient-based Methods
Publish place: 21st International Power System Conference
Publish Year: 1385
نوع سند: مقاله کنفرانسی
زبان: English
View: 1,967
This Paper With 9 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
PSC21_202
تاریخ نمایه سازی: 27 آبان 1385
Abstract:
Abstract- In this paper we evaluate using the Genetic Algorithm (GA) and Particle Swarm Optimization (PSO) method for solving Optimal Power Flow (OPF) in large scale power systems. We have proposed the Hybrid GA (HGA) and the hybrid PSO (HPSO) methods to increase the convergence speed and to reduce the risk of divergence in critical system conditions (i.e. transmission line flow limits). The proposed method was tested with the IEEE 118-bus and 300-bus test systems and compared with one gradient-based algorithm (Newton's method).
Keywords:
Optimal Power Flow (OPF) , Genetic Algorithm (GA) , Particle Swarm Optimization (PSO) , Newton's Method , Hybrid GA , Hybrid PSO
Authors
Mostafa Majidpour
School of Electrical & Computer Engineering University of Tehran, Iran
Ashkan Rahimi-Kian
School of Electrical & Computer Engineering University of Tehran, Iran
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :