ترجمه فارسی عنوان مقاله
بهینه سازی هیبریدی (ترکیبی) اجراشده برای پارامترهای تولید پراکنده در یک شبکه سیستم قدرت
عنوان انگلیسی
Hybrid optimization implemented for distributed generation parameters in a power system network
کد مقاله | سال انتشار | تعداد صفحات مقاله انگلیسی |
---|---|---|
56867 | 2016 | 10 صفحه PDF |
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)
Journal : International Journal of Electrical Power & Energy Systems, Volume 78, June 2016, Pages 690–699
فهرست مطالب ترجمه فارسی
چکیده
کلمات کلیدی
مقدمه
مدلسازی ریاضی دستگاه های DG
دستگاه های DG
مدلسازی سلول فتوولتائیک
کندانسورهای سینکرون مانند توربین های گازی
مدلسازی توربین باد
اهداف برنامه ریزی تولید پراکنده
حداکثر سازی رفاه اجتماعی
حداقل سازی افت (تلفات)
حداقل سازی تراکم
روش هیبریدی برای استقرار بهینه و اندازه بندی DG
منطق فازی
جدول 1: قوانین فازی
الگوریتم ژنتیک
تابع هدف
رمزگذاری
جمعیت اولیه
تکثیر
تقاطع
جهش
بهینه سازی هیبریدی (FGA)
جدول 2: جدول تغییرات ولتاژ با و بدون DG
جدول 3: افت با شرایط بارگذاری
شکل 4: تکرار بر حسب سود (بهره وری) مصرف کننده
شکل 5: تکرار بر حسب تناسب
شکل 6: شرایط بارگذاری نرمال (عادی)
شکل 7: دو برابر شرایط بارگذاری نرمال (عادی)
شکل 8:افت با اندازه DG
شکل 9: زمان محاسبات برای موارد مختلف
شکل 10: دیاگرام خط واحد صنایع NTPS هند
جدول 4: بهینه سازی هیبریدی
سیستم مسیر30 IEEE
جدول 5: هزینه تولید و توان واقعی برای 4 موارد (سیستم IEEE)
جدول 6: مورد (i) زمان بندی مجدد تولید (130)
جدول 7: مورد (ii) زمان بندی مجدد تولید با دستگاه های DG (150)
جدول 8: مورد (iii) زمان بندی مجدد تولید با تخلیه بار (155)
جدول 9: مورد (iv) زمان بندی مجدد تولید با تخلیه بار و دستگاه های DG (155)
سیستم مسیر utility-NTPS23 هندوستان
جدول 10: داده های مسیر صنایع NTPS 23 هند
جدول 11: هزینه تولید و توان واقعی برای 4 موارد (سیستم NTPS)
جدول 12: مورد (i)
جدول 13: مورد (ii)
جدول 14: مورد (iii)
جدول 15: مورد (iv)
نتیجه گیری
کلمات کلیدی
مقدمه
مدلسازی ریاضی دستگاه های DG
دستگاه های DG
مدلسازی سلول فتوولتائیک
کندانسورهای سینکرون مانند توربین های گازی
مدلسازی توربین باد
اهداف برنامه ریزی تولید پراکنده
حداکثر سازی رفاه اجتماعی
حداقل سازی افت (تلفات)
حداقل سازی تراکم
روش هیبریدی برای استقرار بهینه و اندازه بندی DG
منطق فازی
جدول 1: قوانین فازی
الگوریتم ژنتیک
تابع هدف
رمزگذاری
جمعیت اولیه
تکثیر
تقاطع
جهش
بهینه سازی هیبریدی (FGA)
جدول 2: جدول تغییرات ولتاژ با و بدون DG
جدول 3: افت با شرایط بارگذاری
شکل 4: تکرار بر حسب سود (بهره وری) مصرف کننده
شکل 5: تکرار بر حسب تناسب
شکل 6: شرایط بارگذاری نرمال (عادی)
شکل 7: دو برابر شرایط بارگذاری نرمال (عادی)
شکل 8:افت با اندازه DG
شکل 9: زمان محاسبات برای موارد مختلف
شکل 10: دیاگرام خط واحد صنایع NTPS هند
جدول 4: بهینه سازی هیبریدی
سیستم مسیر30 IEEE
جدول 5: هزینه تولید و توان واقعی برای 4 موارد (سیستم IEEE)
جدول 6: مورد (i) زمان بندی مجدد تولید (130)
جدول 7: مورد (ii) زمان بندی مجدد تولید با دستگاه های DG (150)
جدول 8: مورد (iii) زمان بندی مجدد تولید با تخلیه بار (155)
جدول 9: مورد (iv) زمان بندی مجدد تولید با تخلیه بار و دستگاه های DG (155)
سیستم مسیر utility-NTPS23 هندوستان
جدول 10: داده های مسیر صنایع NTPS 23 هند
جدول 11: هزینه تولید و توان واقعی برای 4 موارد (سیستم NTPS)
جدول 12: مورد (i)
جدول 13: مورد (ii)
جدول 14: مورد (iii)
جدول 15: مورد (iv)
نتیجه گیری
ترجمه کلمات کلیدی
تولید پراکنده، بهینه سازی هیبریدی، سود مشتری، افت قدرت، موقعیت، اندازه
کلمات کلیدی انگلیسی
Distributed generation; Hybrid optimization; Customer benefit; Power loss; Location; Size
ترجمه چکیده
این مقاله، یک الگوریتم بهینه سازی هیبریدی جدید را برای بهینه کردن پارامترهای تولید پراکنده (DG) در سیستم قدرت تجدیدساختاریافته ارائه می دهد که پایدار و ثبات را بهبود می بخشد افت (تلفات) را کاهش می دهد و همچنین، هزینه تولید را افزایش می دهد. این الگوریتم هیبریدی که شامل الگوریتم ژنتیک فازی (FGA) است برای بهینه سازی همزمان پارامترهای مختلف تولیدپراکنده استفاده می شود. پارامترهای مختلفی که در نظر گرفته می شوند عبارتند از : نوع، موقعیت و اندازه دستگاه های تولید پراکنده. شبیه سازی بر روی یک سیستم پراکنده انجام گرفت و برای مطالعات حالت پایدار مدلسازی گردید. نتایج بهینه سازی با راه حل های ارائه شده با استفاده از روش های پژوهشی دیگر مانند الگوریتم ژنتیک (GA) و الگوریتم میکروژنتیک (MGA) مقایسه شدند. نتایج، مزایای روش پیشنهادی برای حل همزمان مسائل ترکیبی دستگاه های تولید پراکنده در یک شبکه سیستم قدرت را نشان دادند.