دانلود مقاله ترجمه شده پیکربندی مجدد شبکه جهت مینیم سازی اتلاف قدرت در سیستم توزیع – مجله IEEE

• فهرست مطالب:

چکیده
فهرست علائم و اختصارات
۱- مقدمه
۲- فرمول مسئله
A- معادلات توان (برق)
B. اتلاف توان با استفاده از پیکربندی مجدد شبکه
Cـ کاهش اتلاف با استفاده از پیکربندی مجدد شبکه
D- کاهش اتلاف توان با استفاده از نصب DG
E. تابع هدف مسئله
III- آنالیز حساسیت برای نصب DG
IV- بازبینی الگوریتم جستجوی هارمونی
A: مقدار دهی اولیه پارامترهای الگوریتم و مسئله: مسئله‌ی بهینه‌ی کلی به صورت زیر مشخص شده است
B- مقداردهی اولیه حافظه هارمونی
c- ایجاد یک هارمونی جدید
Dـ بروز رسانی حافظه هارمونی
Eـ بررسی معیار توقف
V- کاربرد HSA برای حداقل‌سازی اتلاف توان
VI- نتایج آزمایش
A: سیستم آزمایش ۱
سیستم آزمایشی ۲

• بخشی از ترجمه:

VII- نتایج
در این مقاله یک روش جدید برای پیکربندی مجدد و نصب واحدهای D به شکل همزمان در سیستم توزیع پیشنهاد شده است. علاوه بر این روش‌های کاهش اتلاف مختلف (فقط پیکربندی مجدد شبکه، فقط نصب DG، نصب DG پس از پیکربندی مجدد) هم برای تعیین ویژگی عالی روش پیشنهادی شبیه‌سازی شدند. یک HSA مؤثر فرا ابتکاری در فرآیند بهینه‌سازی پیکربندی مجدد شبکه و نصب DG مورد استفاده قرار گرفته است. روش پیشنهادی و دیگر روش‌ها بر سیستم‌های ۳۳ شین و ۶۹ شین در سه سطح بار متفاوت یعنی سبک، اسمی و سنگین مورد آزمایش قرار گرفت. نتایج نشان می‌دهد که روش پیکربندی مجدد و نصب DG همزمان در کاهش اتلاف توان و بهبود پروفایل ولتاژ در مقایسه با دیگر روش‌ها موثرتر است. تأثیر تعداد مکان‌های نصب DG بر کاهش اتلاف توان در سطوح بار مختلف مورد مطالعه قرار گرفت. نتایج نشان می‌دهد که درصد کاهش اتلاف توان بهبود یافته‌اند چون تعداد مکان‌های نصب DG از یک تا چهار افزایش می‌یابد، اما نرخ بهبود وقتی مکان‌ها از یک تا چهار در تمام سطوح بار افزایش یابد، کاهش خواهد یافت. اگر چه نسبت درصد کاهش توان به اندازه DG در زمانی که تعداد مکان‌های نصب DG، سه عدد است، بالاترین ارزش را دارد. نتایج بدست آمده با استفاده از HSA با نتایج الگوریتم ژنتیک (GA) و الگوریتم ژنتیک اصلاح شده (RGA) مورد مقایسه قرار گرفته است. نتایج محاسبه‌ای نشان داد که عملکرد HSA بهتر از GA‌ و RGA است.

• بخشی از مقاله انگلیسی:

VII. CONCLUSIONS

In this paper, a new approach has been proposed to reconfigure and install DG units simultaneously in distribution system. In addition, different loss reduction methods (only network reconfiguration, only DG installation, DG installation after reconfiguration) are also simulated to establish the superiority of the proposed method. An efficient meta heuristic HSA is used in the optimization process of the network reconfiguration and DG installation. The proposed and other methods are tested on 33- and 69-bus systems at three different load levels viz., light, nominal, and heavy. The results show that simultaneous network reconfiguration and DG installation method is more effective in reducing power loss and improving the voltage profile compared to other methods. The effect of number of DG installation locations on power loss reduction is studied at different load levels. The results show that the percentage power loss reduction is improving as the number of DG installation locations are increasing from one to four, but rate of improvement is decreasing when locations are increased from one to four at all load levels. However, the ratio of percentage loss reduction to DG size is highest when number of DG installation locations is three. The results obtained using HSA are compared with the results of genetic algorithm (GA) and refined genetic algorithm (RGA). The computational results showed that performance of the HSA is better than GA and RGA.

دانلود رایگان مقاله انگلیسی

خرید ترجمه فارسی مقاله