[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
بخش‌های اصلی
صفحه اصلی::
اطلاعات نشریه::
آرشیو مجله و مقالات::
برای نویسندگان::
برای داوران::
ثبت نام و اشتراک::
صاحب امتیاز::
درباره انجمن::
تماس با ما::
تسهیلات پایگاه::
cope::
metrics::
تعارض منافع::
::
پایگاه های نمایه کننده
..
DOI
کلیک کنید
..
DOR

..
جستجو در پایگاه

جستجوی پیشرفته
..
دریافت اطلاعات پایگاه
نشانی پست الکترونیک خود را برای دریافت اطلاعات و اخبار پایگاه، در کادر زیر وارد کنید.
..
:: دوره 7، شماره 1 - ( 6-1397 ) ::
جلد 7 شماره 1 صفحات 101-93 برگشت به فهرست نسخه ها
توزیع بهینه توان راکتیو با استفاده از الگوریتم آموزش و یادگیری در حضور عدم قطعیت ناشی از توربین‌های بادی
ارسلان نجفی* 1، حمید فلقی2
1- دانشگاه آزاد اسلامی واحد سپیدان
2- دانشگاه بیرجند
چکیده:   (4017 مشاهده)
توزیع بهینه توان راکتیو با کاهش تلفات در شبکه نقشی اساسی را در بهره‌برداری اقتصادی از شبکه بر عهده دارد. در این مقاله الگوریتم آموزش و یادگیری برای توزیع بهینه توان راکتیو و کنترل ولتاژ در حضور توربین‌های بادی ارائه می‌شود. این الگوریتم از انواع الگوریتم‌های تکاملی مبتنی بر جمعیت بوده که توانایی بالایی در حل مسائل غیرخطی دارد. این مسأله در قالب یک مسأله غیرخطی عدد صحیح آمیخته مدل‌سازی می‌شود و در آن هم‌ متغیرهای پیوسته و هم متغیرهای گسسته مدل می‌شوند. جواب بهینه مسأله شامل مجموعه ولتاژ ژنراتورها، گام تپ چنجرترانسفورماتورها و وضعیت جبران‌سازهای راکتیو جهت کمینه‌سازی میزان تلفات در شبکه است. در روش پیشنهادی، با حضور عدم قطعیت سرعت باد، با بهره‌گیری از اطلاعات واقعی سرعت باد، از پخش بار به روش تخمین دو نقطه‌ای جهت مدل‌سازی عدم قطعیت استفاده می‌شود.  روش پیشنهادی در سیستم استاندارد 57 باس IEEE پیاده‌سازی شده است. جهت اثبات کارایی الگوریتم آموزش و یادگیری نیز این الگوریتم با دو الگوریتم تجمع ذرات و تکامل تفاضلی مقایسه شده است. نتایج نشان از کارایی روش پیشنهادی در کاهش تلفات و همچنین ارضای قیود مسأله است.
واژه‌های کلیدی: الگوریتم آموزش و یادگیری، پخش بار احتمالی تخمین دو نقطه‌ای، توربین‌های بادی
متن کامل [PDF 1977 kb]   (1232 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: برق و کامپیوتر
دریافت: 1396/11/4 | پذیرش: 1397/4/13 | انتشار: 1397/6/3
فهرست منابع
1. [ ] Subbaraj P., Rajnarayanan, P.N., “Optimal reactive power dispatch using self-adaptive real coded genetic algorithm”, Electric Power Systems Research, vol. 79, pp. 374-381, 2009.
2. [ ] Lee, K.Y., Park, Y.M., Ortiz, J.L. “A united approach to optimal real and reactive power dispatch”, IEEE Transactions on Power Systems, vol. 1, pp. 1147–53, 1985.
3. [ ] Lu, F.C., Hsu, Y.Y. “Reactive power/voltage control in a distribution substation using dynamic programming”, IEE Proceeding on Generation Transmission and Distribution, vol. 142, pp. 639-645, 1995.
4. [ ] Sun, D.I., Ashley, B., Brewar, B., Hughes, A., Tinny, W.F. “Optimal power flow by Newton approach”, IEEE Transactions on Power Apparatus systems vol. 103, pp. 2864-2880, 1984.
5. [ ] Bakirtzis, AG., Meliopous, AP. “Incorporation of switching operations in power system corrective control computation”, IEEE Transactions on Power Systems, vol. 2, pp. 669–676, 1987.
6. [ ] Mohseni-Bonab, SM., Rabiee, A., Mohammadi-Ivatloo, B., Jalilzadeh, S., Nojavan, S., “A two-point estimate method for uncertainty modeling in multi-objective optimal reactive power dispatch problem”, International Journal of Electrical Power & Energy Systems, vol. 75, pp. 194-204, 2016.
7. [ ] Mohseni-Bonab, SM., Rabiee, A., Mohammadi-Ivatloo,"Voltage stability constrained multi-objective optimal reactive power dispatch under load and wind power uncertainties: A stochastic approach." Renewable Energy, vol. 85, pp. 598-609, 2016.
8. [ ] Mohseni-Bonab, SM., Rabiee, A., Mohammadi-Ivatloo, Nojavan, S., "Probabilistic multi objective optimal reactive power dispatch considering load uncertainties using Monte Carlo simulations." Journal of Operation and Automation in Power Engineering, vol. 3, pp. 83-93, 2015.
9. [ ] Falaghi, H. Najafi, A., “Optimal Reactive Power Dispatch using Improved Differential Evolution Algorithm”, Majlesi Journal of Electrical Engineering, vol. 8,pp. 69-78, 2013.
10. [ ] Niknam, T., Zare, M., Aghaei, J., "Scenario-based multiobjective Volt/Var control in distribution networks including renewable energy sources", IEEE Transactions on Power Delivery, vol. 27, pp. 2004-2019, 2012.
11. [ ] Bakare GA, Venayagamoorthy GK, Aliyu UO. “Reactive power and voltage control of the Nigerian grid system using microgenetic algorithm”, IEEE Power Engineering Society General Meeting, San Francisco, CA, vol. 2, pp. 1916–22, 2005.
12. [ ] Yoshida, H., Fukuyama, Y., Kawata, K., Takayama, S., Nakanishi, Y. “A particle swarm optimization for reactive power and voltage control considering voltage security assessment”, IEEE Transactions on Power Systems, vol. 15, pp. 1232–9, 2001.
13. [ ] Abido MA. “Optimal power flow using particle swarm optimization”, International Journal of Electrical Power & Energy Systems, vol. 24, pp. 563–571, 2002.
14. [ ] Wu, Q., Ma, JT. “Power systems optimal reactive power dispatch using evolutionary programming”, IEEE Transactions on Power Systems, vol. 10, pp. 1243–1249, 1995.
15. [ ] Liang, CH., Chung, CY., Wong, KP., Duan, XZ., Tse, CT. “Study of differential evolution for optimal reactive power flow”, IET Generation, Transmission & Distribution, vol. 1, pp. 253–260, 2007.
16. [ ] Varadarajan, M., Swarup, KS. “Differential evolutionary algorithm for optimal reactive power dispatch”, International Journal of Electrical Power & Energy Systems, vol. 30, pp. 435–441, 2008.
17. [ ] Abou, AA. , Ela, E., Abido MA, Spea SR. “Differential evolution algorithm for optimal reactive power dispatch”, Electric Power System Research, vol. 81, pp. 458-464, 2011.
18. [ ] Hsiao, YT., Liu, CC., Chiang, HD., Chen, YL. “A new approach for optimal VAR sources planning in large scale electric power systems”, IEEE Transactions on Power Systems, vol.8, pp. 988–996, 1993.
19. [ ] Dai, C., Chen, W., Zhu, Y., Zhang, X. “Seeker Optimization Algorithm for Optimal Reactive Power Dispatch”, IEEE Transactions on Power Systems, vol. 24, pp. 1218-1231, 2009.
20. [ ] Ng Shin Mei, R., Sulaiman, MH., Mustaffa, Z., Daniyal, H. “Optimal reactive power dispatch solution by loss minimization using moth-flame optimization technique”, Applied Soft Computing, vol. 59, pp. 210-222, 2017.
21. [ ] Nuaekaew, K., Artrit, P., Pholdee, N., Bureerat, S. “Optimal reactive power dispatch problem using a two-archive multi-objective grey wolf optimizer”, Expert Systems with Applications, vol. 87, pp. 79-89, 2017.
22. [ ] Bhattacharyya, B. Babu, R., “Teaching Learning Based Optimization algorithm for reactive power planning”, International Journal of Electrical Power & Energy Systems, vol. 81, pp. 248-253, 2016.
23. [ ] Mehdinejad, M., Mohammadi-Ivatloo, B., Dadashzadeh-Bonab, R., Zare, K. “Solution of optimal reactive power dispatch of power systems using hybrid particle swarm optimization and imperialist competitive algorithms”, International Journal of Electrical Power & Energy Systems, vol. 83, pp. 104-116, 2016.
24. [ ] Khazali, AH., Kalantar, M. “Optimal reactive power dispatch based on harmony search algorithm”, International Journal of Electrical Power & Energy Systems, vol. 33, 684–692, 2011.
25. [ ] Giorsetto, P., Utsurogi, KF. “Development of a new procedure for reliability modeling of wind turbine generators,” IEEE Transactions on Power Apparatus and Systems, PAS-102, 134–143, no. 1, 1983.
26. [ ] Gautam, GD., Pandey, AK. “Teaching Learning Algorithm based Optimization of Kerf Deviations in Pulsed Nd:YAG Laser Cutting of Kevlar-29 Composite Laminates”, Infrared Physics & Technology, 2017.
27. [ ] Carpinelli, G., Esposito, T., Varilone, P., Verde, P. “First-order probabilistic harmonic power flow”, Proceedings of the IEEE International Conference on Generation, Transmission and Distribution, vol. 148, pp. 541-548, 2001.
28. [ ] Romero, AA., Zini, HC., Ratta, G. Dib, R. “Harmonic load-flow approach based on the possibility theory”, IET Generation, Transmission & Distribution, vol. 5, pp. 393-404, 2011.
29. [ ] North Dakota Agriculture Weather Network. .


XML   English Abstract   Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Najafi A, Falaghi H. Optimal reactive power dispatch using teaching learning based optimization algorithm in the presence of wind turbine uncertainty. ieijqp 2018; 7 (1) :93-101
URL: http://ieijqp.ir/article-1-501-fa.html

نجفی ارسلان، فلقی حمید. توزیع بهینه توان راکتیو با استفاده از الگوریتم آموزش و یادگیری در حضور عدم قطعیت ناشی از توربین‌های بادی. نشریه کیفیت و بهره وری صنعت برق ایران. 1397; 7 (1) :93-101

URL: http://ieijqp.ir/article-1-501-fa.html



بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.
دوره 7، شماره 1 - ( 6-1397 ) برگشت به فهرست نسخه ها
نشریه علمی- پژوهشی کیفیت و بهره وری صنعت برق ایران Iranian Electric Industry Journal of Quality and Productivity
Persian site map - English site map - Created in 0.05 seconds with 39 queries by YEKTAWEB 4645