برنامه ریزی چند هدفه توسعه منابع تولید پراکنده جهت کاهش تلفات و بهبود عملکرد حفاظتی در شبکه توزیع

Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,219

This Paper With 7 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

ENERGYBON02_045

تاریخ نمایه سازی: 1 آذر 1394

Abstract:

با جایابی و تعیین ظرفیت بهینه واحدهای تولید پراکنده می توان رفتار شبکه را در حضور این منابع تولید توان بهینه نمود. در این مقاله از روش بهینه سازی چند هدفه NSGA –II استفاده شده است. روش پیشنهادی بر روی شبکه استاندار 83 شین IEE اعمال شده است. هدف اصلی در این مقاله افزایش اثرات مثبت ناشی از نصب DG در شبکه استاندارد 83 شین IEE اعمال شده است. هدف اصلی در این مقاله افزایش اثرات مثبت ناشی از نصب DG در شبکه توزیع مانند کاهش تلفات اکتیو و بهبود پروفیل ولتاژ با توجه به افزایش بیش از حد جریان اتصال کوتاه سه فاز در شبکه در جایابی و تعیین ظرفیت بهینه DG استفاده شده است. در نهایت پیشنهاد استفاده از دستگاه محدود کننده جریان مناسب با توجه به مشخصات حفاظتی سیستم شده است.

Keywords:

الگوریتم NSGA-II , برنامه ریزی توسعه منابع تولید پراکنده , کاهش تلفات , جریان اتصال کوتاه

Authors

امیر امینیان

موسسه آموزش عالی خراسان

سید کمال الدین مشهدی

استادیار دانشکده مهندسی برق دانشگاه علم و صنعت ایران

سیدامیر حسین بحرینی

دانشجوی دکتری دانشکده مهندسی برق دانشگاه علم و صنعت ایران

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 :
  • V. Janev. (2009). Implem entation and evaluation of a distribution ...
  • H. Lee Willis and W. G. Scott. (2000). Distributed Power ...
  • Specific Genetic Algorithm" IEEE Transactions on Power Delivery, Vol. 21, ...
  • Pavlos S. G, Nikos D. H, (2013). _ Distributed Generation ...
  • Al Arabi, R.S, EL-Saadany, E.F, Atwa, Y.M, (2013). Optimal Placement ...
  • Generation, " IEEE Transactions on Power Systems, Vol.28, No.1, pp-326-334. ...
  • Esmaili, M. (2013). Placement of minimum distributed generation units observing ...
  • M. Sedighizadeh, A. Rezazadeh, (2008). Using Genetic Algorithm for Distributed ...
  • Technology, Cairo, Egypt, Vol. 27 , ISSN 1307- 6884, pp. ...
  • Prakomchai P (2010). Pptimal Placement of DG Using Multiobjective particle ...
  • Moradi MH, Abedini M. (2012). A combination of genetic algorithm ...
  • Pathomthat. C and R. Ramakumar. (2004). "An Approach to Quantify ...
  • P. Carvalho, P. Correia, and L. Ferreira. (2008). Distributed reactive ...
  • C. M. Fonseca and P. Fleming. (1995). "An overview of ...
  • C. A. C. Coello. (2000). An updated survey of multiobjective ...
  • techniques, " in Proc. ACM Computing Surveys, vol. 32, pp. ...
  • G. Celli, E. Ghiani, S. Mocci and F Pilo. (2006). ...
  • Methods Applied to Power Systems KTH, Stockholm, Sweden, pp.1-6. ...
  • K. Deb, S. Agrawal, A. Pratap, and C. Meyarivan. (2000). ...
  • Delivery. Vol. 23, No. 2, pp. 576-585. ...
  • IEC 60909-0 (2001). Calculation of short- circuit currents. ...
  • IEC 60909- (2002). Electrical equipment - Data for short-circuit currents ...
  • IEC 60909- (2002). Examples for the calculation of short-circuit currents. ...
  • M. S. Srinivas, (2000. Distribution Load Review, " IEEE ...
  • Engineering Society Winter Meeting, pp. 942- ...
  • TaherS.A, Hasani M, Karimian A, (201). 4 novel method for ...
  • Antonio P. (2009). Ealuating the Impact of Network Investment Deferral ...
  • Chun W, Hao 2 C. (2008). Uptimization of Network Configuration ...
  • نمایش کامل مراجع