جایابی واحدهای تولید پراکنده با قید بهبود پروفیل ولتاژ با الگوریتم IPSO-Monte Carlo

Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 641

This Paper With 14 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:

CBCONF01_0190

تاریخ نمایه سازی: 16 شهریور 1395

Abstract:

آنچه در این مقاله موردبحث و بررسی قرار می گیرد روشی است که در آن مسائل مهم برنامه ریزی واحدهای تولید پراکندهبه منظور پیدا کردن انداز و مکان بهینه و قیمت فروش توان تولیدی این واحدها در نظر گرفته شده است. افزایش سودشرکت توزیع، مالک DG و بهبود شاخص های فنی و بهر برداری شبکه شامل بهبود پروفیل ولتاژ شبکه و کاهش تلفاتاکتیو و راکتیو از جنبه ای این برنامه ریزی قرار می گیرد. در این مقاله شبیه سازی با یک روش ترکیبی مبتنی بر الگوریتمبهینه یابی اجتماع ذرات (IPSO) و شبیه سازی مونتکارلو برای این مسئله پیشنهادشده است. الگوریتم پیشنهادی علاوه برمکان بهینه، اندازه توان تولیدی، ولتاژ DG ، قیمت پیشنهادی فروش توان تولیدی نیروگاه را ارائه می دهد. الگوریتمپیشنهادی بر روی شبکه تست 33 باسه IEEE بکار گرفته شده است. پخش بار صورت گرفته پخش بار نیوتن رافسون میباشد. نتایج حاصله بهبود قابل توجهی در بهبود پروفیل ولتاژ و کاهش تلفات و همچنین موجب سودآوری مناسب در اینبرنامه ریزی شده است.

Authors

ابوالفضل گروسی

گروه مهندسی برق، دانشکده فنی مهندسی، دانشگاه بین المللی امام خمینی (ره)، قزوین، ایران

کریم افشار

گروه مهندسی برق، دانشکده فنی مهندسی، دانشگاه بین المللی امام خمینی (ره)، قزوین، ایران

نوشین بیدگلی

گروه مهندسی برق، دانشکده فنی مهندسی، دانشگاه بین المللی امام خمینی (ره)، قزوین، 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 :
  • قاسم پور آقا ملکی، ح 1386." بهینه یابی نیروگاه‌های کوچک ...
  • improved particle Swarm optimization 4Anه 14. Wu, P., Gao, L, ...
  • Ackermann, T., Andersson, G., and Soder, L. (2001). "Distributed generation: ...
  • Daly, P., and Morrison, J. (2001). _ 'Understanding the potential ...
  • Pepermans, G., Driesen, J., Haeseldonckx, D., Belmans, R., and Dhaeseleer, ...
  • B humkittip ich, K. and Phuangp ornpitak, W. (2013). "Optimal ...
  • Ameli, A., Bahrami, S., Khazaeli, F., and Haghifam, M. R. ...
  • Hejazi, H. A., Araghi, A. R., Vahidi, B., Hosseinian, S. ...
  • Hung, D. Q., M ithulananthan, N., and Bansal, R. C. ...
  • Karimyan, P., Gharehpetian, G. B., Abedi, M., and Gavili, A. ...
  • Abdi, S., and Afshar, K. (2013). "Application of IPSO-Monte Carlo ...
  • Zangiabadi, M., Feuillet, R., Lesani, H., Hadj-Said, N., and Kvaloy, ...
  • Celli, G., Ghiani, E., Mocci, S., and Pilo, F. (2005). ...
  • Lee, T. Y., and Chen, C. L. (2007). _ commitment ...
  • Raoofat, M. (2011). "Simultaneos allocation of DGs and remote controllable ...
  • نمایش کامل مراجع