افزایش ظرفیت بارگیری توسط ادوات FACTS با استفاده از الگوریتم جستجوی جاذبه ای (کششی)

قیمت: 45,000 تومان

دانلود رایگان مقاله

خرید ترجمه مقاله

عنوان فارسی

افزایش ظرفیت بارگیری توسط ادوات FACTS با استفاده از الگوریتم جستجوی جاذبه ای (کششی)

عنوان لاتین

Loadability enhancement with FACTS devices using gravitational search algorithm

در مقاله قبلی، GSA (الگوریتم جستجوی کششی) مبتنی بر الگوریتم بهینه سازی برای تخصیص بهینه ادوات FACTS در سیستم انتقال به کار برده شد. سیستم های آزمایش باس IEEE 30 و IEEE 57 به عنوان استاندارد در نظر گرفته شده اند. هر دو بار اکتیو و راکتیو سیستم قدرت مطرح شده است و تاثیر ادوات FACTS روی ظرفیت انتقال توان مولد به صورت مجزا بررسی شده است. هدف پیشنهادی دسترسی به طراحی منابع توان راکتیو به همراه ادوات FACTS در مقایسه با دیگر شیوه های رایج مورد قبول مانند GA (الگوریتم ژنتیک)، تکامل تفاضلی (DE)، و PSO (بهینه سازی گروهی جزیی) می باشد. از نتایج کسب شده، مشاهده می شود که یکپارچه سازی ادوات FACTS ، ظرفیت بارگیری سیستم قدرت را به طور قابل توجهی افزایش می دهد و هر مولد (ژنراتور) ارائه شده در سیستم، می تواند مقدار قابل توجهی از توان اکتیو را تحت شرایط بارگذاری افزایشی مختلف، گسیل کند که نرخ چرخه بخار به طور متناظر با شرایط بارگذاری اکتیو مبنا برقرار است. تلفات توان اکتیو و هزینه عملیاتی همچنین توسط مرز مهم با ادوات FACTS در هر شرایط بارگذاری کاهش پیدا می کند و طراحی مبتنی بر GSA منابع توان راکتیو با ادوات FACTS کشف شده اند تا در طی تمام روش هایی که در مبحث کاهش تلفات توان اکتیو و جمع هزینه عملیاتی سیستم تحت تمام وضعیت های بارگذاری اکتیو و راکتیو بحث شده اند، بهترین باشند.

In the present work, GSA (gravitational search algorithm) based optimization algorithm is applied for the optimal allocation of FACTS devices in transmission system. IEEE 30 & IEEE 57 test bus systems are taken as standards. Both active and reactive loading of the power system is considered and the effect of FACTS devices on the power transfer capacity of the individual generator is investigated. The proposed approach of planning of reactive power sources with the FACTS devices is compared with other globally accepted techniques like GA (Genetic Algorithm), Differential Evolution (DE), and PSO (Particle Swarm Optimization). From the results obtained, it is observed that incorporating FACTS devices, loadability of the power system increases considerably and each generator present in the system is being able to dispatch significant amount of active power under different increasing loading conditions where the steam flow rate is maintained corresponding to the base active loading condition. The active power loss & operating cost also reduces by significant margin with FACTS devices at each loading condition and GSA based planning approach of reactive power sources with FACTS devices found to be the best among all the methods discussed in terms of reducing active power loss and total operating cost of the system under all active and reactive loading situations.