دانلود مقاله ISI انگلیسی شماره 54033
ترجمه فارسی عنوان مقاله

روش مبتنی بر PSO برای جایابی بهینۀ خازن با در نظر گرفتن اعوجاج هارمونیکی

عنوان انگلیسی
A PSO-based approach to optimal capacitor placement with harmonic distortion consideration
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی
54033 2004 7 صفحه PDF
منبع

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

Journal : Electric Power Systems Research, Volume 71, Issue 1, September 2004, Pages 27–33

فهرست مطالب ترجمه فارسی
چکیده

مقدمه

 فرمولبندی ریاضی

شکل 1. تابع هزینۀ بانک‌های خازنی.

قیود عملکرد

قیود پخش بار AC

 قیود ظرفیت خازنی

 قیود ولتاژ موثر باس

حداکثر قید THD

محاسبات پخش بار هارمونیکی

الگوریتم PSO

الگوریتم PSO اصلی

PSO اصلاح‌شده با یک عامل محدودیت

مزایای PSO

رویه‌های محاسباتی

 نتایج تست

جدول 1:اطلاعات مربوط به مدت زمان بار سیستم 9 باس

جدول 2:نتایج مورد 1 در سطح بار پیک

جدول 3:پاسخ بهینۀ مورد 2

جدول 4:پاسخ بهینۀ مورد 3

جدول 5:خلاصۀ نتایج تست موارد 1-3

شکل 2. اعوجاج هارمونیکی کل در موارد 1-3 (در طی سطح بار پیک).

نتیجه‌گیری
ترجمه کلمات کلیدی
: قرار دادن خازن؛ اعوجاج هارمونیکی؛ جریان قدرت هارمونیک - بهینه سازی ازدحام ذرات (PSO)
کلمات کلیدی انگلیسی
: Capacitor placement; Harmonic distortion; Harmonic power flow; Particle swarm optimization (PSO)
ترجمه چکیده
این مقاله یک روش مبتنی بر بهینه‌سازی ازدحام ذرات (PSO) را برای دستیابی به جایابی بهینۀ خازن در سیستم‌های توزیع شعاعی ارائه می‌دهد. آثار اعوجاج هارمونیکی، طبیعت گسستۀ خازن‌ها و سطوح مختلف بار در فرمولبندی این مساله در نظر گرفته می‌شوند. از لحاظ ریاضی، مسالۀ جایابی خازن یک مسالۀ بهینه‌سازی عدد صحیح ترکیبی غیرخطی و غیردیفرانسیلی با مجموعه‌ای از قیود عملکرد برابری و نابرابری است. بیشتر تکنیک‌های بهینه‌سازی مرسوم قادر به حل این مسالۀ دشوار ترکیبیاتی نیستند، در حالی که الگوریتم PSO بسیار مناسب این کار است. روش پاسخ ارائه شده به منظور جستجوی مکان‌های بهینه، انواع و اندازه‌ خازن‌هایی که باید نصب شوند و نیز تعداد بهینۀ خازن‌های سوئیچ‌شونده در سطوح مختلف بار، از PSO بهره می‌برد. رویه‌های محاسباتی اعمال این روش به مسالۀ جایابی خازن به طور کامل تشریح شده است. روش ارائه شده روی یک سیستم آزمون 9 باس معوج IEEE پیاده‌سازی و تست شده و نتایج امیدوارکننده‌ای در پی داشته است.
ترجمه مقدمه
جایابی خازن نقشی مهم درر برنامه‌ریزی و عملکرد سیستم توزیع ایفا می‌کند. جایابی بهینۀ خازن می‌تواند منجر به کاهش تلفات سیستم، اصلاح ضریب توان، بهبود پروفیل ولتاژ و رهاسازی ظرفیت خازنی فیدر شود. برای دستیابی به این حداکثر میزان این مزایا تحت قیود مختلف عملکردی، مهندسان توزیع باید مکان‌های بهینه، انواع و اندازۀ خازن‌هایی که باید نصب شوند و نیز تنظیمات کنترلی خازن‌های سوئیچ‌شونده در سطوح مختلف بار را تعیین کنند. مسالۀ جایابی خازن موضوعی است که بخوبی در مورد آن پژوهش شده است. فرمولبندی‌های مختلف مساله ارائه شده است [1-4]. متاسفانه، بیشتر فرمولبندی ارائه شده در نوشته‌های فنی منتشر شده فرض می‌کنند که کلیۀ بارهای سیستم خطی بوده و از حضور سطوح بالای هارمونیک‌های ولتاژ و جریان در سیستم‌های توزیع صرفنظر می‌کنند. در نتیجه، بدون نگرانی در مورد اعوجاج هارمونیکی، پاسخ ارائه شده شاید به دلیل هزینه‌های اضافی تلفات هارمونیکی توان بهینه نباشد؛ و یا در بدترین حالت، چشم‌پوشی از آثار هارمونیکی شاید پاسخی تولید کند که منجر به تقویت شرایط نامطلوب هارمونیکی و یا شرایط رزونانس شود. در نتیجه، در نظر گرفتن آثار هارمونیکی در فرمولبندی مسالۀ جایابی خازن بسیار ضروری است. علاوه بر این، یک فرمولبندی واقع‌گرایانۀ مساله شاید طبیعت گسستۀ بانک‌های خازنی و تغییرات بار را در یک دورۀ زمانی در نظر بگیرد. با در ذهن داشتن همۀ این ملاحظات، جایابی بهینۀ خازن به صورت مسالۀ بهینه‌سازی عدد صحیح ترکیبی فرموله می‌شود که دارای غیرخطی و غیرمشتق‌پذیر است. برای حل مسالۀ جایابی خازن انواع تکنیک‌ها به کار گرفته شده است. ان. جی و همکاران در [4] این تکنیک‌ها را به چهار دسته تقسیم می‌کنند: روش‌های تحلیلی [6، 7]، روش‌های برنامه‌نویسی عددی [8]، روش‌های جستجوی اکتشافی [3، 9]، و روش‌های مبتنی بر هوش مصنوعی (AI) [10-12]. با این حال، وقتی فرمولبندی یک مسالۀ واقع‌گرایانه با همۀ ملاحظات به صورتی که در بالا ذکر شد قرار است حل شود، بیشتر روش‌های تحلیلی، برنامه‌نویسی عددی یا اکتشافی قادر به عملکرد خوب نیستند. در سال‌های اخیر، روش‌های مبتنی بر هوش مصنوعی مثل الگوریتم‌های ژنتیک (GA) با نتایج امیدوارکننده و رضایتبخش به مسالۀ جایابی خازن اعمال شده‌اند [10، 13، 14]. در عین حال، برخی روش‌های مبتنی بر هوش مصنوعی معرفی شده و توسعه یافته‌اند. هرچند این روش‌های مبتنی بر هوش مصنوعی همواره تضمین کنندۀ پاسخ بهینۀ جهانی نیستند، آن‌ها پاسخ‌های زیربهینه (نزدیک بهینۀ جهانی) را در زمان CPU کوتاهی فراهم خواهند کرد. این مقاله از یک روش نوین مبتنی بر هوش مصنوعی، بهینه‌سازی ازدحام ذرات (PSO) [16-18]، برای حل مسالۀ جایابی خازن با در نظر گرفتن آثار هارمونیکی استفاده می‌کند. PSO یک الگوریتم جستجوی مبتنی بر جمعیت است که از لحاظ مفهومی ساده بوده، پیاده‌سازی آن راحت است و از لحاظ محاسباتی کارآمد است. همانطور که در [17] گزارش شده است، این تکنیک بهینه‌سازی را می‌توان مثل الگوریتم ژنتیک برای حل بسیاری از مسائل از همین نوع به کار برد، و از مشکلات الگوریتم ژنتیک رنج نمی‌برد. مشخص شده است که PSO در حل مسائل غیرخطی، غیرمشتق‌پذیر و با ابعاد بالا مقاوم است. در این مقاله، یک روش مبتنی بر PSO برای مسالۀ جایابی بهینۀ خازن ارائه می‌شود. مساله در بخش 2 به صورت یک مسالۀ بهینه‌سازی عدد صحیح ترکیبی غیرخطی و غیرمشتق‌پذیر فرمولبندی می‌شود. الگوریتم PSO در بخش 3 توصیف می‌شود. سپس روش مبتنی بر PSO ارائه شده برای حل مسالۀ جایابی خازن با جزئیات کامل رویه‌های محاسباتی در بخش 4 بیان می‌شود. نتایج تست روی یک سیستم 9 باس IEEE معوج و یک نتیجه‌گیری در بخش‌های 5 و 6 داده شده است.
پیش نمایش مقاله
پیش نمایش مقاله  روش مبتنی بر PSO  برای جایابی بهینۀ خازن با در نظر گرفتن اعوجاج هارمونیکی

چکیده انگلیسی

This paper presents a particle swarm optimization (PSO) based approach to achieve optimal capacitor placement in radial distribution systems. Harmonic distortion effects, discrete nature of capacitors, and different load levels are all taken into consideration in the problem formulation. Mathematically, the capacitor placement problem is a non-linear and non-differentiable mixed integer optimization problem with a set of equality and inequality operating constraints. Most conventional optimization techniques are incapable to solve this hard combinatorial problem, whereas PSO algorithm is very suitable. The proposed solution method employs PSO to search for optimal locations, types, and sizes of capacitors to be placed and optimal numbers of switched capacitor banks at different load levels. Computation procedures of applying the method to the capacitor placement problem are given in detail. The proposed approach has been implemented and tested on a distorted IEEE 9-bus test system with promising results.