دانلود مقاله ISI انگلیسی شماره 52844 + ترجمه فارسی
عنوان فارسی مقاله

بازیابی بار چندهدفه برای خاموشی سیستم توزیع دارای تولیدات پراکنده بر اساس الگوریتم ژنتیک چندعامله

کد مقاله سال انتشار مقاله انگلیسی ترجمه فارسی
52844 2011 10 صفحه PDF 14 صفحه WORD
خرید مقاله
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
عنوان انگلیسی
Multi-Objective Service Restoration for Blackout of Distribution System with Distributed Generators based on Multi-agent GA
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Energy Procedia, Volume 12, 2011, Pages 253–262

فهرست مطالب ترجمه فارسی
چکیده
1.مقدمه
2.مدل ریاضیاتی برای بازیابی خاموشی مقیاس بزرگ در سیستم توزیع همراه DGها
2.1.ساده‌سازی برای ساختار توپولوژی سیستم توزیع
2.2مدل ریاضیاتی برای بازیابی بار در سیستم توزیع دارای DG
3.الگوریتم ژنتیک چندعامله برای سیستم توزیع بازیابی بار
3.1الگوریتم ژنتیک و سیستم چندعامله
  1. رمزگذاری برای عامل
  2. انرژی، هدف و محیط زندگی عامل
  3. رفتار عامل
  4. نوسازی پاسخ غیرممکن
  5. قانون شکل‌دهی جمعیت پاسخ پارتو
  6. تحقق الگوریتم
شکل1. ساختار محیط عامل
4.مثال محاسباتی
  1. مثال 1
  2. مثال 2
شکل2. سیستم توزیع دارای DG
جدول1. نتایج بهینه‌سازی مثال1
شکل3. سیستم توزیع پیچیده
جدول2. نتایج بهینه‌سازی مثال2
5.نتیجه‌گیری
کلمات کلیدی
شبکه توزیع، خدمات تعمیر و مرمت، تولید پراکنده، بهترین راه حل پارتو
ترجمه چکیده
وقتی سیستم‌های توزیع دارای DGها (تولیدات پراکنده) دچار ناحیه‌ی بزرگ خاموشی می‌شوند، بازیابی بار به مساله‌ای چند هدفه و با چندین قید تبدیل می‌شود. در این مقاله مدل بازیابی بار چندهدفه‌ در رابطه‌ با سیستم‌های توزیع دارای DG ایجاد می‌شود، که در آن اولویت کابران، زمان‌های عمکلرد کلیدهای دستی یا کلیدهای دوربرد و تلفات شبکه پس از بازیابی بار در نظر گرفته شده است. به منظور جستجوی مجموعه پاسخ‌ بهینه‌ی پارِتو برای مساله‌ی بازیابی بار چندهدفه می‌توان از الگوریتم ژنتیک چندعامله بهره برد. اعمال رقابتی و خودیادگیری عامل ‌ها بازتاب کننده‌ی قانون نجات سازگاری و تنوع است. این کار می‌تواند با استفاده از روش رقابت چالش میزان پیچیدگی را کاهش داده و راندمان را بهبود دهد تا پاسخ پارتو را برای جمعیت‌های ذخیره شکل دهد. در نهایت مثال محاسباتی، سرعت و دقت بازیابی بار چندهدفه را برای الگوریتم ژنتیک چندعامله‌ی مبتنی بر خاموشی بارز نموده و نسبت به روش تک هدفه گزینه‌ی بهتری برای سیستم توزیع است.
ترجمه مقدمه
با افزایش پیوسته‌ی تقاضای بار، نرخ و میزان پیچیدگی سیستم قدرت نوین به شدت افزایش داشته است، در نتیجه احتمال خاموشی و توسعه‌ی ناحیه‌ی آن در سیستم توزیع بالا می‌رود. به منظور ارضاء تقاضای مصرف‌کنندگان و حفظ سود شرکت تامین برق، لازم است تا خدمات بار تا حدامکان سریع بازیابی شود [1]. سیستم توزیع به صورت حلقه‌ی بسته طراحی می‌شود و به صورت حلقه‌ی باز عمل می‌کند. بنابراین کلیدهای محله‌ای روی خطوط توزیع و کلیدهای اتصالی در ورودی‌های فیدر وجود دارد. بازیابی بار سیستم توزیع به این صورت است که مجموعه‌ای از این کلیدها عمل می‌کنند تا خدمات بار بازیابی شود [2]. اما در رابطه با فرایند بازیابی بار سوالاتی مطرح است که باید به آنها توجه داشت: (1) بهترین تلاش برای بازیابی بار صورت گیرد. (2) زمان برنامه‌ی اجرائی تا حدامکان کوتاه است. (3) قیود سیستم توزیع ارضا شود. (4) حداقل زمان‌های کلیدها عمل می‌کنند. (5) اولویت بارها در نظر گرفته شود. (6) تلفات شبکه پس از بازیابی بار تاحدامکان کم است. امروزه فناوری DG به سرعت در سراسر جهان گسترش یافته است. بر اساس پشتیبانی از سیستم انتقال، DG های موجود در سیستم توزیع در سمت نزدیک مصرف‌کنندگان قرار می‌گیرند. مصرف‌کنندگان با استفاده از منابع و تجهیزات موجود به توان قابل اطمینان دسترسی داشته باشند. حضور DGها نمی‌تواند ساختار سیستم توزیع را تغییر دهد، و سرمایه‌گذاری بزرگی برای به روزرسانی خطوط را با تاخیر مواجه می‌کند. در عین حال، می‌تواند به طور موثر قابلیت اطمینان سیستم انتقال را بهبود داده و کیفیت منبع را افزایش دهد. در سیستم توزیع همراه با DG هایی که دچار خطا شده‌اند، DGها می‌توانند به حالت جزیره‌شدگی تامین توان را همچنان حفظ کنند [3-7].
پیش نمایش مقاله
پیش نمایش مقاله بازیابی بار چندهدفه برای خاموشی سیستم توزیع دارای تولیدات پراکنده بر اساس الگوریتم ژنتیک چندعامله

چکیده انگلیسی

Service restoration is a problem with multiple objectives and constraints, when the distribution systems with DGs (distributed generators) come up large area blackout. In this article the model of multiple objective service restoration about distribution systems with DGs has been built, considering users’ priority, the action times of hand switches or tele-switches and network losses after service restoring. Multi-agent GA can be used to search the Pareto optimal solution set for the multiple objectives service restoration problem. Agent's competitive and selflearning actions reflect the principal of survival of the fittest and diversity. It can reduce complex rate and improve efficiency using challenge match method to form Pareto solution to store populations. At last the calculation example manifests the quickness and precision of the multiple objective service restoration for blackout based multi-agent GA, and it is better suit for the distribution system than single objective method.

خرید مقاله
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.