ظرفیت یابی بهینه واحدهای تولید پراکنده به منظور بهبود شاخص های کیفیت توان با استفاده از الگوریتم PSO بهبود یافته

نویسندگان

1 عضو هیئت علمی دانشگاه آزاد اسلامی واحد سیاهکل

2 عضو هیئت علمی دانشگاه غیر انتفاعی علامه محدث نوری

3 عضو هیئت علمی دانشگاه علوم دریایی امام خمینی(ره) نوشهر

چکیده

استفاده از انرژی های تجدید پذیر در تولید برق به علل متفاوتی از جمله کمبود منابع سوخت فسیلی، کاهش آلودگی محیط زیست، بهبود شاخص های کیفیت توان، کاهش تلفات خط و پایداری شبکه به سرعت رو به افزایش است. در سال های اخیر به علل فوق و همچنین عدم امکان انتقال انرژی برق از شبکه سراسری به کشتی ها و محدودیت حمل سوخت  در آنها ، استفاده  از انرژی های نو در شناورها مورد توجه محققین قرار گرفته است. در این مقاله یک روش جدید ظرفیت یابی بهینه واحد های تولید پراکنده به منظور بهبود شاخص کاهش تلفات خط (LLRI) ارائه شده است. سپس میزان تاثیر گذاری واحدهای تولید پراکنده بر روی شاخص بهبود پروفیل ولتاژ (VPII) بررسی شده است. در پیاده سازی این روش از ترکیب الگوریتم PSO و تئوری آشوب برای بهبود توانایی جستجوی سراسری و رهایی از مینیمم های محلی مساله بهینه سازی استفاده شده است. محاسبات تلفات و ولتاژ شبکه با استفاده از پخش بار نیوتن رافسون صورت می پذیرد. ایده پیشنهادی با استفاده از نرم افزار MATLAB بر روی شبکه 30 باس استاندارد IEEE و سیستم برق رسانی یک کشتی نظامی نمونه پیاده سازی شده است. خروجی های حاصل از این برنامه کارایی مناسب روش پیشنهادی را تایید می کند. علاوه بر مزایای ذکر شده سرعت همگرایی روش پیشنهادی نسبت به سایر روش های ارایه شده به میزان محسوسی بیشتر است. همچنین قابل ذکر است که با توسعه روش ارائه شده امکان مکان یابی مناسب واحد های تولید پراکنده وجود دارد.

کلیدواژه‌ها


عنوان مقاله [English]

Improved Detection Capacity Distributed Generation Units to Improve Power Quality Indices Using the Improved PSO Algorithm

نویسندگان [English]

  • E sharifi 1
  • M verij kazemi 2
  • SH tamandani 3
چکیده [English]

Today, the use of renewable energy in electricity production to different causes, including lack of fossil fuel resources, reduce environmental pollution, improving power quality, reduce line losses and stability of networks is growing rapidly. In recent years the above reasons as well as lack of electricity transmission networks nationwide to ships carrying fuel and limit their energy use in new vessels, researchers have been considered.The aim of this proposal is to find out the optimal value of the DG capacity to reduce line losses (LLRI) and Voltage Profile Improvement Index (VPII) .To achieve this goal , integrate  the particle swarm optimization (PSO) with the chaotic sequences is proposed. The application of chaotic sequences in PSO is an efficient strategy to improve the global searching capability and escaping from local minima. Calculation line losses and voltage profile was accomplished by Newton-Raphson load flow solution. The proposed method is tested on a standard IEEE-30 bus system and the results of the simulation carried out by using MATLAB are found to be encouraging. Moreover rate convergence in this method is very higher than the other methods. The method has the potential to be used for identifying the best location and rating a DG to be installed for improving power quality in an electrical power system.

کلیدواژه‌ها [English]

  • Improved PSO Algorithm
  • Voltage Profile
  • Distributed Generation
  • Network Losses
[1]   I.E. Davidson, and N.M. Ijumba, “Optimization Model for Loss Minimization in a Deregulated Power Distribution Network”, 6th IEEE Africon Conference in Africa (AFRICON), Africa, 2-4 Oct. 2002, Vol.2, pp.887 – 894.

[2]   N.Acharya, P.Mahat and N.Mithulanathan, “An analytical approach for DG in primary distribution network”, International journal of Electrical power and Energy Systems, vol. 28, pp.669- 678, 2006.

[3]   Naresh Acharya, Pukar Mahat,N. Mithulanathan, “An analytical approach for DG allocation in primary distribution network” International Journal of Electrical Power & Energy System, to be published.

[4]   M.S.Tsai,F.Y.Hsu ,“ Comparison of Genetic Algorithm Reproduction Methods for Distribution System Loss Minimization” Proceedmgs of the Third IEEE International Conference on’ Machine Learning and Cybemetics,Shanghai, 26-29 August 2004

[5]   T. M. Khalil, G. M. Omar A. A. Sallam, “Power Losses Minimization and Voltage Profile Enhancement for Distribution Feeders using PSO” IEEE Power Engineering, 2007 Large Engineering Systems Conference on 10-12 Oct. 2007 Page(s):101 – 105

[6]   J. Kennedy and R. Eberhart, "Particle Swarm Optimization" Proceeding of IEEE International Conference on neural networks vol. 4, 27 Nov.-1 Dec 1995.

[7]   R. Caponetto, L. Fortuna, S. Fazzino, and M. G. Xibilia, “Chaotic sequences to improve the performance of evolutionary algorithms,” IEEE Trans. on Evolutionary Computation, Vol. 7, No. 3, pp. 289-304, Jun. 2003.

[8]   S. S. Kalsi,N. Hendersonand J. Voccio, “Superconductor Motors for High Speed Ship Propulsion”, a paper to be presented at the ASNE High Speed/High Performance Ship and Craft Symposium,Everett,WA,July 19-20, 2005.