ترجمه مقاله جایگذاری بهینه و اندازه گیری تولید پراکنده توسط الگوریتم ژنتیک مرتب سازی غیر غالب بهبود یافته 2 - نشریه IEEE

ترجمه مقاله جایگذاری بهینه و اندازه گیری تولید پراکنده توسط الگوریتم ژنتیک مرتب سازی غیر غالب بهبود یافته 2 - نشریه IEEE
قیمت خرید این محصول
۳۷,۰۰۰ تومان
دانلود رایگان نمونه دانلود مقاله انگلیسی
عنوان فارسی
جایگذاری بهینه و اندازه گیری تولید پراکنده توسط یک الگوریتم ژنتیک مرتب سازی غیر غالب بهبود یافته 2
عنوان انگلیسی
Optimal Placement and Sizing of Distributed Generation via an Improved Nondominated Sorting Genetic Algorithm II
صفحات مقاله فارسی
23
صفحات مقاله انگلیسی
9
سال انتشار
2014
نشریه
آی تریپل ای - IEEE
فرمت مقاله انگلیسی
PDF
فرمت ترجمه مقاله
ورد تایپ شده
رفرنس
دارد
کد محصول
7555
وضعیت ترجمه عناوین تصاویر و جداول
ترجمه شده است
وضعیت ترجمه متون داخل تصاویر و جداول
ترجمه نشده است
وضعیت فرمولها و محاسبات در فایل ترجمه
به صورت عکس، درج شده است
رشته های مرتبط با این مقاله
مهندسی برق
گرایش های مرتبط با این مقاله
تولید، انتقال و توزیع، مهندسی الکترونیک و برق قدرت
مجله
تراکنش ها در انتقال قدرت - TRANSACTIONS ON POWER DELIVERY
دانشگاه
موسسه تحقیقات توان الکتریکی، پکن، چین
کلمات کلیدی
تولید پراکنده (DG)، برنامه ریزی سیستم توزیع، بهینه سازی چند هدفه (MOO)، الگوریتم ژنتیک ذخیره سازی غیر غالب 2 (NSGA-II)
فهرست مطالب
چکیده
1- مقدمه
2- فرمول بندی مسئله
A . توابع هدف
B. محدودیت ها
C. مرور فرمولبندی
D. عملیات قیود برابری و نابرابری
3- الگوریتم NSGA-II بهبود یافته
4- آزمایش ها و نتایج
5- نتیجه گیری
نمونه چکیده متن اصلی انگلیسی
Abstract

An improved nondominated sorting genetic algorithm–II (INSGA-II) has been proposed for optimal planning of multiple distributed generation (DG) units in this paper. First, multiobjective functions that take minimum line loss, minimum voltage deviation, and maximal voltage stability margin into consideration have been formed. Then, using the proposed INSGA-II algorithm to solve the multiobjective planning problem has been described in detail. The improved sorting strategy and the novel truncation strategy based on hierarchical agglomerative clustering are utilized to keep the diversity of population. In order to strengthen the global optimal searching capability, the mutation and recombination strategies in differential evolution are introduced to replace the original one. In addition, a tradeoff method based on fuzzy set theory is used to obtain the best compromise solution from the Pareto-optimal set. Finally, several experiments have been made on the IEEE 33-bus test case and multiple actual test cases with the consideration of multiple DG units. The feasibility and effectiveness of the proposed algorithm for optimal placement and sizing of DG in distribution systems have been proved.

نمونه چکیده ترجمه متن فارسی
چکیده

یک الگوریتم ژنتیک ذخیره سازی غیر غالب بهبود یافته -2 (INSGA-II)  برای طراحی بهینه واحدهای تولید پراکنده چندگانه (DG) در این مقاله پیشنهاد شده است. ابتدا توابع چند هدفه که کمترین اتلاف خط، کمترین انحراف ولتاژ و بیشترین حاشیه پایداری ولتاژ را در نظر دارند، ساخته می شوند. سپس با استفاده از الگوریتم INSGA-II پیشنهادی برای حل مسئله برنامه ریزی چندهدفه با جزئیات شرح داده می شود. استراتژی ذخیره سازی بهبود یافته و استراتژی برش جدید بر اساس دسته بندی سلسله مراتبی متراکم برای مداومت تنوع جمعیت استفاده می شود. به منظور تقویت توانایی جستجوی بهینه کلی، استراتژی های جفتگیری و جهش در تکامل تفاضلی برای جایگذاری عدد اصلی معرفی می شوند. همچنین یک روش سبک و سنگین کردن بر اساس منطق فازی برای بدست آوردن بهترین راه حل سازش از مجموعه پارتو-بهینه استفاده می شود. سرانجام چند آزمایش بر سیستم 33 شین IEEE و چند مورد واقعی با در نظر گرفتن واحد های DG چندگانه انجام شده است. عملی بودن و کارائی الگوریتم پیشنهادی برای جایگذاری بهینه و اندازه گیری DG در سیستم های توزیع ثابت شده است.