پایگاه علمی سعید سان دانلود رایگان مقالات علمی کنفرانس و ژورنال
دانلود ترجمه مقاله ترکیب الگوریتم ژنتیک و الگوریتم بهینه‌سازی ازدحام ذرات برای یافتن اندازه و مکان بهینۀ تولید پراکنده در سیستم‌های توزیع
چکیده
منابع تولید پراکنده (DG) به علت تقاضای روبروی رشد انرژی دارای اهمیت زیادی در سیستم‌های توزیع می‌گردند. مکان‌ها و توانمندی‌های منابع تولید پراکنده تاثیر عمیقی در تلفات سیستم در شبکه توزیع داشته‌اند. در این مقاله، یک ترکیب نوینی از الگوریتم ژنتیک[1] (GA)/ بهینه‌سازی ازدحام ذرات[2] (PSO) برای جایابی و یافتن اندازه بهینه تولید پراکنده در سیستم‌های توزیع معرفی میشود. هدف این است که تلفات توان شبکه کمینه شده، تنظیم ولتاژ بهتری صورت گرفته و پایداری ولتاژ در چارچوب قیود عملکردی و امنیتی سیستم در سیستم‌های توزیع شعاعی حاصل شود. یک تحلیل تشریحی روی سیستم‌های 33 و 39 باس انجام شده است تا کارائی روش ارائه شده نشان داده شود.
- مقدمه
سیستم‌های توزیع معمولا جهت تسهیل کارکرد به صورت طبیعی شعاعی هستند. سیستم‌های توزیع شعاعی[3] (RDSs) تنها در یک نقطه که همان پست باشد تغذیه می‌شوند. این پست، توان (برق) را مراکز تولید مرکزی و از طریق شبکه انتقال دریافت می‌کند. کاربران نهائی برق نیز توان الکتریکی را از پست و از طریق سیستم توزیع شعاعی که یک شبکه پسیو است دریافت می‌کنند. لذا، عبور توان در سیستم توزیع شعاعی به صورت یک‌طرفه است. نسبت R/X بالا در خطوط توزیع منجر به افت ولتاژ بزرگ، پایداری ولتاژ کوچک و افزایش تلفات توان میشود. در شرایط بارگذاری بحرانی در برخی نواحی صنعتی خاص، سیستم توزیع شعاعی به علت مقدار کم شاخص پایداری ولتاژ، در بیشتر گره‌های خود یک فروپاشی ناگهانی ولتاژ را تجربه می‌کند.
اخیرا، با قراردادن منابع الکتریکی در ظرفیت‌های کوچک جهت افزایش قابلیت اطمینان سیستم و تنظیم ولتاژ، راهکارهای مختلفی برای تکمیل پسیو بودن سیستم توزیع شعاعی پیشنهاد شده است [1,2].
چنین تولیدات تعبیه شده در یک سیستم توزیع را تولیدات متفرقه یا تولیدات پراکنده (DG) می‌نامند. انتظار می‌رود تولید پراکنده نقش فزاینده‌ای در ظهور سیستم‌های برق ایفا کند. مطالعات پیش‌بینی کرده است که درصد قابل توجهی از همه تولیدات جدید را به خود اختصاص خواهد داد. همچنین پیش‌بینی شده است که ظرفیت این تولیدات حدود 20% تولیدات جدیدِ نصب شده خواهند بود [3].
دلایل اصلی جهت استفاده گسترده و رو به رشد از تولید پراکنده را می‌توان بصورت ذیل بیان کرد [4]:
- یافتن محل برای نصب ژنراتورهای کوچک ساده‌تر است.
- فناوری اخیر منجر به نیروگاه‌هایی در ظرفیت‌های 10 تا 15 مگاوات شده است.
- برخی فناوری‌ها عالی بوده و بطور گسترده مورد استفاده قرار می‌گیرند (توربین‌های گازی، موتورهای با سوخت احتراق داخلی)، برخی دیگر کاربرد گسترده‌تری در سال‌های اخیر داشته‌اند (انرژی‌های بادی و خورشیدی) و برخی نیز در حال حاضر مورد بررسی قرار گرفته‌اند و یا حتی نصب شده‌اند ( سلول سوختی، پنل‌های خورشیدی تعبیه شده در منازل).
- واحدهای تولید پراکنده در نزدیکی محل متشرکین قرار دارند و لذا هزینه‌های انتقال و توزیع[4] (T&D) کاهش یافته و به کل از آنها صرفنظر شده است.
- گروه‌های ترکیب حرارت و برق[5] (CHP) نیازی به شبکه‌های گرمایشی بزرگ و گران ندارند.
- گاز طبیعی که اغلب به عنوان سوخت در پست‌های تولید پراکنده به کار می‌رود تقریبا در همه جا موجود است و هزینه‌های پایدار و مناسبی برای آنها انتظار می‌رود.
- معمولا نیروگاه‌های تولید پراکنده نیاز به زمان نصب کوتاه‌تری داشته و مخاطرات سرمایه‌گذاری آن کم است.
- تولید پراکنده مقادیر بزرگی را پیشنهاد می‌کند، چون راهکار منعطفی برای انتخاب محدوده گسترده از ترکیب هزینه و قابلیت اطمینان را فراهم می‌کند.
[1] Genetic Algorithm
[2] Particle Swarm Optimization
[3] Radial distribution systems
[4] Transmission and Distribution
[5] Combined Heat and Power
A combination of genetic algorithm and particle swarm optimization for optimal
DG location and sizing in distribution systems
M.H. Moradi ⇑, M. Abedini
Department of Electrical Engineering, Faculty of Engineering, Bu Ali Sina University, Hamedan, Iran
a r t i c l e i n f o
Article history:
Received 31 October 2010
Received in revised form 20 August 2011
Accepted 20 August 2011
Available online 29 October 2011
Keywords:
Distributed generation
Genetic algorithm
Placement
Particle swarm optimization
Losses
a b s t r a c t
Distributed generation (DG) sources are becoming more prominent in distribution systems due to the
incremental demands for electrical energy. Locations and capacities of DG sources have profoundly
impacted on the system losses in a distribution network. In this paper, a novel combined genetic algorithm (GA)/particle swarm optimization (PSO) is presented for optimal location and sizing of DG on distribution systems. The objective is to minimize network power losses, better voltage regulation and
improve the voltage stability within the frame-work of system operation and security constraints in
radial distribution systems. A detailed performance analysis is carried out on 33 and 69 bus systems
to demonstrate the effectiveness of the proposed methodology.
2011 Elsevier Ltd. All rights reserved.
این فایل ورد ترجمه در 13 صفحه و فایل اصلی pdf مقاله در 9 صفحه به خدمتتون ارائه میشود.