| دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
|
|
| عنوان فارسی مقاله: |
تخصیص بهینه SVC و TCSC برای بهبود پایداری ولتاژ و کاهش تلفات سیستم قدرت با استفاده از ترکیب الگوریتم ژنتیک باینری و بهینه سازی ازدحام ذرات |
| عنوان انگلیسی مقاله: |
Optimal Allocation of SVC and TCSC for Improving Voltage Stability and Reducing Power System Losses using Hybrid Binary Genetic Algorithm and Particle Swarm Optimization |
|
|
| مشخصات مقاله انگلیسی (PDF) | |
| سال انتشار | 2012 |
| تعداد صفحات مقاله انگلیسی | 8 صفحه با فرمت pdf |
| رشته های مرتبط با این مقاله | مهندسی برق |
| گرایش های مرتبط با این مقاله | مهندسی الکترونیک، برق قدرت و سیستم های قدرت |
| مجله |
مجله کانادایی در مهندسی برق و الکترونیک – Canadian Journal on Electrical and Electronics Engineerin |
| دانشگاه | دانشکده مهندسی برق، دانشگاه شهید باهنر کرمان، ایران |
| کلمات کلیدی | ادوات FACTS، ترکیب الگوریتم ژنتیک باینری و بهینه‌سازی ازدحام ذرات، پایداری ولتاژ، تلفات سیستم، جایابی بهینه، هزینه‌های نصب و اجرا |
| رفرنس | دارد |
| لینک مقاله در سایت مرجع | لینک این مقاله در سایت |
| نشریه | IEEE |
| مشخصات و وضعیت ترجمه فارسی این مقاله (Word) | |
| تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش و فونت 14 B Nazanin | 15 صفحه |
| ترجمه عناوین تصاویر و جداول | ترجمه شده است |
| ترجمه متون داخل تصاویر | ترجمه نشده است |
| ترجمه متون داخل جداول | ترجمه نشده است |
| درج تصاویر در فایل ترجمه | درج شده است |
| درج جداول در فایل ترجمه | درج شده است |
| درج فرمولها و محاسبات در فایل ترجمه به صورت عکس | درج شده است |
- فهرست مطالب:
چکیده
1. مقدمه
2. مرور ترکیب الگوریتم ژنتیک باینری و بهینه‌سازی ازدحام ذرات (HBGAPSO)
3. مدلسای ادوات FACTS
4. شاخص پایداری ولتاژ استاتیکی
5. تابع هدف
6. تابع هزینه ادوات FACTS
7. سیستم مورد مطالعه
8. شبیه‌سازی و نتایج
9. نتیجه‌گیری
- بخشی از ترجمه:
9. نتیجه‌گیری
این مقاله یک روش موثر برای جایابی و یافتن اندازه تجهیزات چندگانه FACTS روی یک تابع هدف چندمنظوره را برای بهبود شرایط عملکرد سیستم ارائه می‌دهد. ادوات FACTS شامل SVC و TCSC که در اینجا بحث شدند، به ترتیب دارای عملکرد موازی و سری هستند. یک تابع چندهدفه که شامل بهبود پایداری ولتاژ، کاهش تلفات، کاهش هزینه‌های نصب ادوات FACTS و هزینه عملکرد باشد برای مساله بهینه‌سازی فرموله شده است. برای نیل به این هدف، فرایند سلسله‌مراتبی تحلیلی (AHP) این امکان را فراهم می‌کند تا بتوان اهداف را در یک وضعیت مقایسه‌ای مرتب کرد. بهینه‌سازی تابع سازگاریِ توسعه‌یافته نیز توسط یک الگوریتم نوین ابتکاری موسوم به ترکیب الگوریتم ژنتیک باینری و بهینه‌سازی ازدحام ذرات (HBGAPSO) انجام می‌گیرد. الگوریتم‌های ارائه شده بر روی یک سیستم تست 30 باس اصلاح‌شده IEEE پیاده‌سازی شدند. نتایح نشان می‌دهد که برای بهبود عبارت تعریف شده توابع هدف، جایابی و یافتن اندازه تجهیزات چندگانه FACTS به طور همزمان، دارای مزایای بیشتری نسبت به FACTS تک نوعه است. برای تایید عملکردهای HBGAPSO، نتایح بدست آمده از آن با نتایج دیگر روش‌های ابتکاری چون PSO و GA مقایسه می‌شود. این نتایج نشان می‌دهند که HBGAPSO در مقایسه با GA و PSO دارای دقت بیشتر و مشخصات همگرائی بهتری است.
- بخشی از مقاله انگلیسی:
IX. Conclusion
This paper presents an effective method for multi-type FACTS devices sizing and placement based on a multi-objective function for improvement of system operating conditions. FACTS devices including SVC and TCSC which are disused here has parallel, and series performance respectively. A perfect multi-objective function consists of improving voltage stability, minimizing losses, decreasing cost of installation FACTS devices and cost of operation is formulated for optimization problem. For achieving this purpose, analytic hierarchy process (AHP) makes it possible to ranking the objectives in a comparative manner. The optimization of developed fitness function is performed using a noel heuristic algorithm named hybrid binary Genetic algorithm and particle swarm optimization (HBGAPSO). The proposed algorithms have been implemented on modified IEEE 30-bus test system. The results indicates that simultaneously allocation and sizing of multi-type FACTS devices has more advantages than singletype FACTS to improve the defined terms of objective functions. To verify the performances of HBGAPSO, results are compared with those obtained using other heuristic methods such as PSO and GA. The results show better accuracy and convergence characteristic for HBGAPSO in comparison with GA and PSO.
|
تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد |
|
|
| دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
|
|
| عنوان فارسی مقاله: |
توزیع بهینه SVC و TCSC جهت ارتقای ثبات ولتاژ و کاهش تلفات سیستم قدرت با ترکیب الگوریتم ژنتیک باینری و PSO |
| عنوان انگلیسی مقاله: |
Optimal Allocation of SVC and TCSC for Improving Voltage Stability and Reducing Power System Losses using Hybrid Binary Genetic Algorithm and Particle Swarm Optimization |
|
|