ترجمه فارسی عنوان مقاله
تلاشی جدید برای بهینهسازی پخش بار بهینه بر اساس تلفات انتقال با استفاده از الگوریتم ژنتیک
عنوان انگلیسی
A New Attempt to Optimize Optimal Power Flow based Transmission Losses using Genetic Algorithm
کد مقاله | سال انتشار | تعداد صفحات مقاله انگلیسی |
---|---|---|
52960 | 2012 | 5 صفحه PDF |
منبع
Publisher : IEEE (آی تریپل ای)
Journal : Computational Intelligence and Communication Networks, Date of Conference: 3-5 Nov. 2012 Page(s): 566 - 570 Print ISBN: 978-1-4673-2981-1
فهرست مطالب ترجمه فارسی
چکیده
عبارات کلیدی
مقدمه
مسالۀ پخش بار بهینه
قیود سیستم
الگوریتم ژنتیک
رویۀ الگوریتم ژنتیک
شکل1: فلوچارت کاربرد الگوریتم ژنتیک در حداقل کردن تلفات انتقال.
بهینهسازی ازدحام ذرات (PSO)
نتایج شبیهسازی
جدول 1:حدود متغیرهای کنترلی به کار رفته برای پخش بار بهینه
شکل 2: مقدار متغیرهای نهایی با استفاده از الگوریتم ژنتیک.
جدول 2:نتایج تخصیص پخش تلفات انتقال برحسب مگاوات برای سیستم 30 باس IEEE با استفاده از الگوریتم ژنتیک.
شکل 3: مشخصات مقدار تابع با استفاده از الگوریتم ژنتیک.
جدول 3:نتایج شبیهسازی سیستمقدرت 30 باس IEEE
نتیجهگیری
عبارات کلیدی
مقدمه
مسالۀ پخش بار بهینه
قیود سیستم
الگوریتم ژنتیک
رویۀ الگوریتم ژنتیک
شکل1: فلوچارت کاربرد الگوریتم ژنتیک در حداقل کردن تلفات انتقال.
بهینهسازی ازدحام ذرات (PSO)
نتایج شبیهسازی
جدول 1:حدود متغیرهای کنترلی به کار رفته برای پخش بار بهینه
شکل 2: مقدار متغیرهای نهایی با استفاده از الگوریتم ژنتیک.
جدول 2:نتایج تخصیص پخش تلفات انتقال برحسب مگاوات برای سیستم 30 باس IEEE با استفاده از الگوریتم ژنتیک.
شکل 3: مشخصات مقدار تابع با استفاده از الگوریتم ژنتیک.
جدول 3:نتایج شبیهسازی سیستمقدرت 30 باس IEEE
نتیجهگیری
ترجمه کلمات کلیدی
الگوریتم ژنتیک (GA)، پخش بار بهینه (PSO)، بهینهسازی ازدحام ذرات (PSO) -
کلمات کلیدی انگلیسی
Genetic algorithm (GA),
Particle Swarm Optimization (PSO),
optimal power flow (OPF)
ترجمه چکیده
این مقاله با استفاده از جعبه ابزار GADS در نرمافزار MATLAB (یک روش الگوریتم ژنتیک) روشی جدید برای یافتن پاسخ بهینۀ پخش بار بهینه بر اساس تلفات انتقال ارائه میدهد. پخش بار بهینه (OPF) بحث کلیدی در صنایع الکتریکی است. پاسخ پایۀ پخش بار بهینه با استفاده از تابع هدف به عنوان کمینهسازی هزینۀ محصول بدست میآید طوری که یک مجموعه از قیود عملکردی سیستم برآورده شود. برای بهینهسازی توان راکتیو، مسالۀ پخش بار بهینه به صورت حداقل کردن تلفات توان اکتیو سیستم و بهبود پایداری ولتاژ سیستم فرمولبندی میشود. در این مقاله پاسخ پخش بار بهینه بر اساس الگوریتم ژنتیک برای یک سیستم قدرت آزمون 30 باس IEEE بیان میشود که در آن هدف به صورت حداقل کردن تلفات انتقال تعریف میشود و نتایج بهینۀ حاصل از الگوریتم ژنتیک با پاسخ بدست آمده از تکنیک بهینهسازی ازدحام ذرات (PSO) مقایسه میشود.
ترجمه مقدمه
اولین بار آقای کارپنتیر بود که مسالۀ پخش بار بهینه را در اوایل دهۀ 1960 معرفی کرد و خیلی زود محققات زیادی مجذوب این زمینۀ پژوهشی شدند. مسالۀ پخش بار بهینۀ عملکرد و برنامهریزی سیستم قدرت یک مسالۀ بهینهسازی مقید غیرخطی و گاها ترکیبیاتی است. از همان اوان معرفی این مساله توسط آقای کارپنتیر، محققان زیادی تلاش کردند تا این مسالۀ پخش بار بهینه را حل کنند [1]. با پیشرفت در فناوریهای محاسباتی، در نظر گرفتن جوانب پرشمار این مساله با قوت بیشتری پیگیری شد و به مرور فرمولبندی و حل مسائل مقیاس وسیع پیچیده تسهیل شد.
بیشتر تکنیکهای بهینهسازی کلاسیک همچون برنامهنویسی خطی [1]، برنامهنویسی درجه دوم [2]، برنامهنویسی پویا [3]، روشهای رهاسازی لاگرانژ و روشهای گرادیان (شیب) و نیز تکنیکهای هوش مصنوعی همچون الگوریتم ژنتیک [4]، الگوریتمهای تکاملی [5]، بهینهسازی ازدحام ذرات، تبرید شبیهسازی شده، جستجوی تابوی تطبیقی، جستجوی هارمونی و غیره در این زمینه به کار گرفته شدهاند.
روشهای بهینهسازی کلاسیک از نقص به دام افتادن در کمینههای محلی و همگرایی زودرس رنج میبرند. هرچند برخی روشهای فوقابتکاری در تعیین پاسخهای بهینه موفق عمل میکنند اما هنوز از نظر همگرایی کُند هستند.
این مقاله با استفاده از الگوریتم ژنتیک روشی نو برای بهینهسازی تلفات انتقال به کمک پخش بار بهینه ارائه میدهد. برای انجام این مهم از جعبهابزار GADS نرمافزار MATLAB استفاده میشود. روش ارائه شده روی سیستم قدرت آزمون 30 باس IEEE تست شده است.
دامنۀ کنترلشدۀ ولتاژ، توان مگاوات ژنراتور، تزریق توان راکتیو از منابع توان راکتیو و تنظیمات تپ ترانسفورماتورها و غیره از جمله پارامترهای کنترلپذیر سیستم قدرت هستند. هدف مسالۀ پخش بار بهینه حداقل کردن کل تلفات انتقال از طریق بهینهسازی متغیرهای کنترلپذیر در حیطۀ حدود آنهاست. لذا، در طی شرایط عملکرد عادی هیچ تخطیای روی پارامترهای دیگر سیستم مثل پخش مگاولتآمپر خطوط انتقال، دامنۀ ولتاژ باس بارها، مگاوار ژنراتورها و غیره صورت نمیگیرد.
سازماندهی این مقاله به این ترتیب است: بخش2 تابع هدف مسالۀ پخش بار بهینه، قیود برابری و نابرابری را تشریح میکند؛ بخش3 روند الگوریتم ژنتیک برای حل مسائل بهینهسازی غیرخطی را توصیف میکند؛ پخش بار بهینه در بخش4 بحث خواهد شد. مقایسۀ نتایج شبیهسازی بدست آمده از الگوریتم ژنتیک (GA) با نتایج بهینهسازی ازدحام ذرات (PSO) برای سیستم 30 باس IEEE نیز در بخش5 ارائه میشود.