فایلهای مفید

فروش محصولات دانلودی و بازاریابی فایل سرو

فایلهای مفید

فروش محصولات دانلودی و بازاریابی فایل سرو

دانلود ترجمه مقاله بازآرایی شبکه ی هوشمند با الگوریتم ژنتیک و NSGA-II

ترجمه مقاله بازآرایی شبکه ی هوشمند با الگوریتم ژنتیک و NSGA-II

ترجمه مقاله بازآرایی شبکه ی هوشمند با الگوریتم ژنتیک و NSGAII

دانلود ترجمه مقاله بازآرایی شبکه ی هوشمند با الگوریتم ژنتیک و NSGA-II

ترجمه مقاله بازآرایی شبکه ی هوشمند با الگوریتم ژنتیک و NSGAII
دسته بندی پژوهش
فرمت فایل doc
حجم فایل 987 کیلو بایت
تعداد صفحات فایل 16

ترجمه مقاله بازآرایی شبکه ی هوشمند با الگوریتم ژنتیک و NSGA-II

( + به همراه متن اصلی انگلیسی مقاله )

2012 3rd IEEE PES Innovative Smart Grid Technologies Europe (ISGT Europe), Berlin

Smart Grid Reconfiguration Using Simple  Genetic Algorithm and NSGA-II 

Abstract--Increased penetration of distributed generators (DGs) is one of the characteristics of smart grids. Distribution grid reconfiguration is one of the methods of accommodating more DG into the electric grid, which is illustrated with the help of a 16 node test network in this paper. The reconfiguration of the distribution grid involves changing the grid topology thereby optimizing a few objectives. In addition to the inclusion of DGs, grid reconfiguration also helps in achieving minimal power loss, minimal voltage deviation etc. In this paper the grid reconfiguration problem is formulated as an optimization problem. Simple genetic algorithm (GA) and its variant NSGA-II are used for solving the optimization problem. For a simple test system like the 16 node system discussed in this paper, simple GA is efficient enough to find the global optimum for a single objective optimization. The paper also illustrates the advantage of NSGA-II compared to simple GA when multiple objectives are considered.

Index Terms— Distribution grid, Genetic algorithm, Grid reconfiguration, NSGA-II, Optimization, Smart grid

 

بازآرایی شبکه­ی هوشمند با الگوریتم ژنتیک و NSGA-II 

 

چکیده

افزایش اتصال ژنراتورهای پراکنده (DGها) و توان تزریقی آن­ها یکی از مشخصات شبکه­های هوشمند است. بازآرایی شبکه­ی توزیع یکی از روش­های بسیار مناسب است که با استفاده از آن تعداد بیشتری DG در داخل شبکه­ی برق قرار داده می­شود که در این مقاله با استفاده از یک شبکه آزمایش دارای 16 گره  نشان داده شده است. بازآرایی شبکه توزیع شامل تغییر ساختار (توپولوژی) شبکه و در نتیجه­ی بهینه­سازی چند هدف است. علاوه بر قرار دادن DGها، بازآرایی شبکه نیز در دستیابی به کمترین تلفات توان، کمترین انحراف ولتاژ و غیره کمک می­کند. در این مقاله، مساله بازآرایی شبکه به صورت یک مسئله­ی بهینه­سازی فرمول­بندی شده است. برای حل این مساله­ی بهینه­سازی، الگوریتم ژنتیک ساده (GA) و شاخه­ای از آن یعنی NSGA-II استفاده می­شوند. برای یک سیستم آزمایش ساده مانند سیستم 16 گرهی مورد بحث در این مقاله، GA ساده به اندازه­ی کافی موثر است تا نقطه بهینه­ی کلی (جهانی) را برای یک بهینه­سازی هدف واحد پیدا ­کند. این مقاله، همچنین زمانیکه چندین هدف در نظر گرفته می­شود مزیت NSGA-II را در مقایسه با GA ساده نشان می­دهد.

کلمات کلیدی: شبکه توزیع، الگوریتم ژنتیک، بازآرایی شبکه، NSGA-II، بهینه­سازی، شبکه هوشمند

دانلود ترجمه مقاله بازآرایی شبکه ی هوشمند با الگوریتم ژنتیک و NSGA-II

دانلود ترجمه مقاله روش حل در مدار قرار گرفتن واحدها (نیروگاه ها) با استفاده از الگوریتم ژنتیک

ترجمه مقاله روش حل در مدار قرار گرفتن واحدها (نیروگاه ها) با استفاده از الگوریتم ژنتیک

ترجمه مقاله روش حل در مدار قرار گرفتن واحدها (نیروگاه ها) با استفاده از الگوریتم ژنتیک

دانلود ترجمه مقاله روش حل در مدار قرار گرفتن واحدها (نیروگاه ها) با استفاده از الگوریتم ژنتیک

ترجمه مقاله روش حل در مدار قرار گرفتن واحدها (نیروگاه ها) با استفاده از الگوریتم ژنتیک
دسته بندی پژوهش
فرمت فایل doc
حجم فایل 202 کیلو بایت
تعداد صفحات فایل 6

ترجمه مقاله روش حل در مدار قرار گرفتن واحدها (نیروگاه ها) با استفاده از الگوریتم ژنتیک

( + به همراه متن اصلی انگلیسی مقاله )

نام مجله:

IEEE TRANSACTIONS ON POWER SYSTEMS

عنوان مقاله:

Unit Commitment Solution Methodology Using Genetic Algorithm

Abstract—Solution methodology of unit commitment (UC) using genetic algorithms (GA) is presented. Problem formulation
of the unit commitment takes into consideration the minimum up and down time constraints, start up cost and spinning reserve,
which is defined as minimization of the total objective function while satisfying the associated constraints. Problem specific
operators are proposed for the satisfaction of time dependent constraints. Problem formulation, representation and the simulation results for a 10 generator-scheduling problem are presented.
Index Terms—Optimization, genetic algorithms (GA), unit commitment (UC), economic dispatch (EC

روش حل در مدار قرار گرفتن واحدها (نیروگاه ها) با استفاده از الگوریتم ژنتیک

 

چکیده 

روش حل در مدار قرار گرفتن واحدها (نیروگاه) با استفاده از الگوریتم ژنتیک در این مقاله ارائه می گردد. فرمول نویسی مساله در مدار قرار گرفتن واحدها (نیروگاه ها) قیود کمترین زمان خاموشی و در حال کار بودن، هزینه روشن کردن و رزرو چرخان را در نظر می گیرد که بصورت مینیمم سازی تابع هدف کل تعریف می گردد در حالیکه قیود مربوطه را ارضا کند. عملگرهای ویژه مساله برای ارضا کردن قیود وابسته به زمان پیشنهاد می گردد. فرمول نویسی مساله، نمایش و نتایج شبیه سازی برای یک مساله با 10 ژنراتور زمان بندی شده ارائه می گردد.

 

کلیدواژگان

بهینه سازی، الگوریتم ژنتیک، در مدار قرار گرفتن واحدها (نیروگاه ها)، پخش بار اقتصادی.

دانلود ترجمه مقاله روش حل در مدار قرار گرفتن واحدها (نیروگاه ها) با استفاده از الگوریتم ژنتیک