مکانیابی بهینه واحد اندازه گیری فازور (PMU) در شبکه های قدرت با استفاده از الگوریتم ترکیبی PSO،GSA

Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,308

This Paper With 11 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:

MAARS01_175

تاریخ نمایه سازی: 16 اسفند 1394

Abstract:

با گسترش روزافزون شبکه های قدرت، در حال حاضر کنترل و مدیریت آنها بسیار مهم و حائز اهمیت شده است. مدیریت، کنترل، تحلیل پایداری و سایر تصمیمات در خصوص شبکه های قدرت نیازمند داشتن اطلاعات کافی و درست از وضعیت شبکه می باشد. با انتخاب اندازه و زاویه ولتاژ باس ها به عنوان حالت شبکه و در نظر گرفتن معادلات فازوری آنها به عنوان معادلات شبیه دینامیکی سیستم ، می توان با یافتن اندازه و زاویه ولتاژ باس ها اطلاعات کافی از وضعیت شبکه و کنترل آن را در اختیار گرفت. اخیراً اندازه گیری های PMU و (Phasor Measurement Unit) یا همان واحدهای اندازه گیری فازور بسیار مورد توجه قرار گرفته اند. این اندازه گیری ها قادر به اندازه گیری فازور ولتاژ در یک شین و فازور جریان خطوط هستند. پیشرفت سریع سیستم های مخابراتی در جهان و ابداع روش اندازه گیری فازوری سنکرون به کمک PMU با استفاده از سیگنال هم زمانی GPS تحولی عظیم در پایش و کنترل شبکه های گسترده و به هم پیوسته قدرت ایجاد کرده است. از طرفی نصب واحدهای اندازه گیری فازور هزینه سنگینی به دنبال خواهد داشت، لذا مسئله قرار گرفتن آنها در محل هایی که بیشترین فایده را داشت و با حداقل تعداد آنها سیستم رویت پذیر گردد، بسیار حائز اهمیت است. ما در این مقاله قصد داریم به کمک ترکیب دو روش بهینه سازی هوشمند قوی کارآمد (بهینه سازی ازدحام ذرات و بهینه سازی گرانشی)، PSO و GSA راهکار جامعی در خصوص جایابی بهینه واحدهای اندازه گیری فازور با در نظر گرفتن تمامی قیود شبکه، ارائه دهیم.

Keywords:

واحدهای اندازه گیری فازور(PMU) , اتگوریتم های بهینه سازی , مکان یابی بهینه , بهینه سازی ازدحام ذرات , بهینه سازی گرانشی , مشاهده پذیری شبکه

Authors

میثم میری

دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران

حامد امین زاده

دانشکده مهندسی برق،دانشگاه پیام نور ،تهران

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 :