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 استفاده از بهینه سازی ذرات

ترجمه مقاله استفاده از بهینه سازی ذرات

ترجمه مقاله استفاده از بهینه سازی ذرات

دانلود ترجمه مقاله استفاده از بهینه سازی ذرات

ترجمه مقاله استفاده از بهینه سازی ذرات
دسته بندی پژوهش
فرمت فایل docx
حجم فایل 463 کیلو بایت
تعداد صفحات فایل 7

ترجمه مقاله استفاده از بهینه سازی ذرات 

چکیده:

در بسیاری از کشورها سیستم های قدرت در حال حرکت بسوی ساخت یک ساختار رقابتی برای خرید و فروش انرژی الکتریکی می باشند. این تغییرات و مزایای بسیار واحدهای تولید پراکنده DG) ها( بخاطر بالا بودن تکنولوژی و ملاحضات اقتصادی ترغیب بیشتری برای استفاده از این دست از ژنراتورها نسبت به گذشته را موجب شده اند. از اینرو، لازم است تا اثر DGها بر روی سیستم های قدرت، بخصوص بر روی شبکه های توزیع مورد مطالعه قرار گیرد. پیکر بندی دوباره فیدر (DFR) یکی از طرح های بسیار مهم کنترلی در شبکه های توزیع، که می تواند تحت تاثیر DGها قرار گیرد می باشد.  این مقاله یک رویکرد نوین برای DFR در شبکه های توزیع با بررسی DGها ارائه می دهد. هدف عمده DFR کمینه کردن انحراف ولتاژ باس، تعداد عمل کلیدها و هزینه کل توان اکتیو تولیدی توسط DGها و شرکت های برق می باشد. از آنجایی که DFR یک مساله بهینه سازی غیر خطی می باشد، ما از روش                 (PSO) استفاده می کنیم تا آنرا حل کنیم. امکان انجام رویکرد پیشنهادی تشریح و با دیگر روش های تکاملی مانند الگوریتم ژنتیک (GA)، جستجوی تابو (TS)، و تکامل نفاضلی(DE) بر روی یک سیستم آزمایشی توزیع واقعی مقایسه شده است.

کلیدواژگان:

ژنراتور پراکنده (تولید پراکنده) ؛ پیکر بندی دوباره فیدر توزیع ؛                       ؛ شبکه توزیع

 

1. پیشگفتار:

واحد های تولید پراکنده DG) ها( واحد های متصل به شبکه یا مستقل (خود تغذیه) می باشند که در داخل سیستم توزیع الکتریکی در نزدیکی یا داخل مصرف کننده آخر قرار می گیرند.  اینکه نیروگاهای توان الکتریکی متمرکز در آینده عمده منابع تولید توان الکتریکی را خواهند داشت عموما پذیرفته شده است. با این وجود، DGها می توانند به سیستم های قدرت مرکزی با تامین شبکه یا مصرف کننده نهایی با ظرفیت افزایشی کمک کنند. نصب DGها در نزدیکی یا داخل مصرف کننده نهایی همچنین می تواند، در برخی موارد، به سود شرکت برق باشد با اجتناب یا کاهش آپگریدهای سیستم توزیع یا انتقال. با بحساب آوردن ملاحضات مصرف کننده ها، یک قابلیت هزینه کم، قابلیت اطمینان بالای سرویس، کیفیت توان بالا، بازده انرژی رو به افزایش، و استقلال انرژی می تواند دلایل مهم برای توجه به  DGها باشد. استفاده از تولیدات پراکنده انرژی های نو مانند باد، خورشید ، زمین گرمایی یا توان برقابی می تواند فواید قابل ملاحضه زیست محیطی را بدنبال داشته باشد. انتظار می رود که نفوذ تولیدات پراکنده بیش از 25% کل تولیدات باشد، در افق زمانی قابل پیش بینی [1]. بنابراین، مطالعه اثرات آنها بر روی سیستم های توزیع از اهمیت بسیار بالایی برخوردار می باشد.  پیکر بندی دوباره فیدر (DFR) یکی از مهمترین طرح های کنترلی در شبکه های توزیع می باشد که می تواند تحت تاثیر DGها قرار گیرد. در سالهای اخیر، بسیاری از پژوهشگران کمینه کردن تلفات را در نواحی پیکربندی مجدد شبکه در سیستم های توزیع مورد بررسی قرار داده اند. مساله کمینه کردن تلفات بواسطه پیکربندی مجدد سیستم توزیع اولین بار توسط مرلین و باک در سال 1975 گزارش شده است[2]، که آنها سیستم توزیع را مانند ساختار یک درخت پوشا (زیر گرافی از یک گراف)، با دسته  خطوط که توسط کمان های گراف نمایش داده می شد و باس ها با گره ها مدل کردند. ساختار نهایی که تلفات را کمینه می کرد از روی مقادیر یافته شده توسط متغیرهای باینری مربوط به وضعیت کلید ها که در آن قیود سیستم نادیده گرفته شدند مشخص شد. در [6-3]، مولفان استفاده از یک روش مبتنی بر الگوریتم اکتشافی برای تعیین ساختار شبکه های توزیع شعاعی، که نهایتا منجر به کمینه شدن تلفات شد پیشنهاد کرده اند. در [7]، مولفان یک روش حلی را پیشنهاد کرده اند، کابربرد تابکاری شبیه سازی شده (SA)، تا یک پاسخ غیر خطی قابل قبول را جستجو کند. در [9و8]، مولفان کاربردهای مبتنی بر هوش مصنوعی را پیشنهاد کرده اند. در [10] مولفان آنالیزهای بار متغیر با زمان را برای کاهش تلفات مورد بحث و بررسی قرار داده اند. در [12و11]، مولفان تکنیک های بهینه سازی را با قوانین اکتشافی و منطق فازی را برای عملکرد قدرتمندانه و با بازده بالا ترکیب کرده اند. اخیرا، الگوریتم ژنتیک (GA) و برنامه نویسی تکاملی از [20-13] استفاده می کند. در [22و21]، مولفان همچنین یک روش حل با توجه به DGها را پیشنهاد می کنند، اما اثر DGها در عملکرد سیستم توزیع بطور جزئیاتی مورد مطالعه قرار نگرفته است. در این مقاله، یک رویکرد جدید DFR برای یک شبکه توزیع شامل واحدهای DG ارائه داده می شود. روش کنترلی مبتنی بر هزینه بعنوان یک معیار مناسب بای کنترل توان اکتیو/راکتیو واحدهای DG در یک سیستم توزیع ارائه می گردد

دانلود ترجمه مقاله استفاده از بهینه سازی ذرات