ترجمه مقاله جایابی چندهدفه و سایزبندی DGها در شبکه های توزیع با تضمین پایداری گذرا

چکیده

محبوبیت واحدهای توزیع پراکنده (DG) درسراسر جهان در حال افزایش است. با درنظر گرفتن ثابت اینرسی DGها، پایداری گذرای آن ها در شبکه یکی از موضوعات اصلی می باشد. در این مقاله، یک مساله چندهدفه مبتنی بر پائرتو جدید برای جایابی و سایزبندی چندین میکروتوربین در یک شبکه توزیع برای بهبود شاخص پایداری گذرا علاوه بر اتلاف ها و مشخصه ولتاژ ارائه می شود. برای محاسبه شاخص پایداری گذرا، نرخ های وقوع خرابی در مکان های مختلف درنظر گرفته می شوند. همچنین، بارها به صورت موارد توان ثابت و وابسته به ولتاژ مدل می شوند. به منظور شناسایی حل های بهینه پائرتوی مساله بهینه سازی، یک الگوریتم تکاملی تلفیقی جدید براساس بهینه سازی ازدحام ذرات (PSO) و الگوریتم جهش ترکیبی قورباغه (SFL) ارائه می شود. یک سیستم آزمایشی توزیع 33 باس برای نشان دادن عملکرد روش پیشنهادی در نرم¬افزار پاورفاکتوری DIgSILENT استفاده می شود که می تواند برای کاربردهای عملی در سیستم¬های قدرت استفاده شود.

بهبود پایداری گذرا

سومین تابع هدف مساله بهینه سازی بهبود پایداری گذرای DGها با استفاده از شاخص CCT می باشد. CCT به صورت مدت زمان خرابی ماکزیمم تعریف می شود که برای آن سیستم به طور گذرا پایدار می ماند. از لحاظ ریاضی، CCT یک تابع مختلط از شرایط قبل از خرابی سیستم (نقطه عملیاتی، توپولوژی، پارامترهای سیستم)، ساختار خرابی (نوع و مکان) و شرایط بعد از خرابی می باشد که خودشان وابسته به برنامه رله گذاری حفاظتی استفاده شده می باشند. به این منظور، عوامل مختلف مربوط به مکان های خرابی مختلف درنظر گرفته شده اند. درحقیقت، یک خرابی اتصال کوتاه سه فاز (به عنوان شدیدترین خرابی) به طور منحصر به فرد برای تمام باس-ها به کار می رود و در هر مورد، CCT با آغاز ناپایداری اولین DG محاسبه می شود. DG شروع به ناپایدار شدن می کند هنگامیکه سرعت و زاویه روتور افزایش می یابد که منجر به از دست رفتن همزمانی می شود. توجه کنید که، در فاز شبیه سازی، پایداری سیستم براساس این واقعیت بررسی می شود که پدیده غیرفعال شدن قطب رخ می دهد یا نمی دهد. سپس، CCTهای محاسبه شده براساس نرخ های بهنجارشده وقوع خرابی (احتمال های وقوع خرابی بهنجارشده) در باس های مختلف می شوند.

الگوریتم تکاملی تلفیقی پیشنهادی

در این مقاله، یک الگوریتم تلفیقی اصلاح شده (ترکیب الگوریتم های PSO]27[ و SFL]28[) برای بهینه سازی توابع هدف استفاده می شود. الگوریتم های SFL و PSO اصلی و مفاهیم آن ها می توانند در [27،28] یافته شوند. مزیت های اصلی الگوریتم SFL در مقایسه با الگوریتم های ریاضی و تکنیک های بهینه سازی تکاملی دیگر متن ساده و نیازمندی های ذخیره سازی کمینه آن می باشند [27]. به علاوه، PSO[28] به عنوان یک الگوریتم بهینه سازی شناخته می شود که توانایی فرار از بهینه های محلی را با پذیرش حل انرژی غیرافزایشی در طول مرحله ابتدایی و میانی الگوریتم دارد. همچنین، PSO الگوریتم رایجی در مقالات سیستم های قدرت ناشی از پیاده سازی ساده آن می باشد. براساس دلایل فوق الذکر، ما این الگوریتم های تکاملی را به صورت الگوریتم تلفیقی انتخاب کرده ایم. به علاوه، انگیزه ترکیب PSO و SFL می تواند به صورت زیر توصیف شود.

ترجمه مقاله جایابی چندهدفه و سایزبندی DGها در شبکه های توزیع با تضمین پایداری گذرا

نماد اعتماد الکترونیکی

لوگوی رسانه‌های برخط

ترجمه مقاله جایابی چندهدفه و سایزبندی DGها در شبکه های توزیع با تضمین پایداری گذرا

ترجمه مقاله توپولوژی اینورتر بدون مبدل تک فاز با جریان نشتی کاهش یافته برای سیستم فوتوولتائیک شبکه ای متصل

ترجمه مقاله خوشه بندی K میانگین داده های بزرگ بهینه شده با استفاده از MapReduce

ترجمه مقاله روش جدیدی از یکپارچگی نمایش خطی تکه ای و ماشین بردار پشتیبانی وزنی

ترجمه مقاله کاهش نوسانات ولتاژ با استفاده از DSTATCOM ها و توان راکتیو اینورترهای PV

ترجمه مقاله مقایسه پاسخ های برشی مستقیم و برشی ساده ضایعات (زباله) جامد شهری در آمریکا

نماد اعتماد الکترونیکی

لوگوی رسانه‌های برخط