الگوریتم گله کریل مخالف برای جایگذاری بهینه‌ی خازن با پیکربندی مجدد سیستم توزیع رادیویی

قیمت: 45,000 تومان

دانلود رایگان مقاله

خرید ترجمه مقاله

عنوان فارسی

الگوریتم گله کریل مخالف برای جایگذاری بهینه‌ی خازن با پیکربندی مجدد سیستم توزیع رادیویی

عنوان لاتین

Oppositional krill herd algorithm for optimal location of capacitor with reconfiguration in radial distribution system

تحویل توان از منبع به مصرف کننده همیشه با تلفات توان همراه بوده است. در اصل، توان تلف شده‌ی فعال در سیستم‌های توزیع را می‌توان با پیکربندیِ بهینه‌ی شبکه کاهش داد. مسئله‌ی تخصیص خازن بهینه در شبکه‌ی توزیع پیکربندیِ مجدد چالشی برای محققان است. این مقاله یک متد بهینه به نام الگوریتم گله کریل (KH) برای پیدا کردن موقعیت بهینه برای خازن و پیکربندیِ بهینه‌ی آن ارائه می‌کند تا توان تلف شده‌ی واقعی سیستم‌های توزیع رادیویی را کاهش دهد. به علاوه، یادگیریِ مبتنی بر مخالف (OBL) با الگوریتم KH ترکیب شده است تا سرعت پوشش‌دهی و نتایج شبیه‌سازی بهبود یابند. برای اینکه کاربرد و برتریِ این رویکرد نشان داده شود، KH مرسوم و KH مخالف پیشنهادی (OKH) در دو شبکه‌ی توزیع 96 و 44 باسی تست شده‌اند. نتایج شبیه‌سازیِ متدهای پیشنهادی با رویکرد چندهدفیِ فازی و الگوریتم ژنتیک مرتب‌سازیِ غیر چیره مقایسه شده است. نتایج این راه‌حل نشان می‌دهند که تکنیک OKH می‌تواند راه‌حل‌های بهتر و با کیفیت‌تری نسبت به الگوریتم KH مرسوم و سایر تکنیک‌های بهینه‌سازیِ موجود در سایر منابع ارائه دهد. نتایج همچنین قدرتمندیِ متد ارائه شده را برای حل مسائل شبکه‌ توزیع پیکربندیِ مجدد (RDN) را نشان می‌دهد.

The delivery of power from sources to the consumer points is always accompanied of power losses. Basically, active losses in distribution systems can be reduced by optimal reconfigurations of the network. Optimal capacitor allocation problem in reconfigured distribution network is a challenge of researchers for several decades. This paper presents a computationally efficient methodology namely, krill herd (KH) algorithm to find optimal location of capacitor and optimal reconfiguration in order to minimize real power loss of radial distribution systems. Moreover, the opposition based learning (OBL) concept is integrated with KH algorithm for improving the convergence speed and simulation results. In order to show the usefulness and supremacy, the conventional KH and proposed oppositional KH (OKH) algorithms are tested on 33-bus and 69-bus radial distribution networks. The simulation results of the proposed methods are compared with fuzzy multi-objective approach and non dominated sorting genetic algorithm (NSGA). The solution results show that OKH technique could generate better quality solutions and better convergence characteristics than those obtained by conventional KH algorithm and other existing optimization techniques available in the literature. Results also show the robustness of the proposed methodology to solve reconfigured distribution network (RDN) problems.