دانلود ترجمه مقاله مکانیابی بهینه DG در شبکه توزیع با الگوریتم بهینه سازی نهنگ چند هدفه

1. مقدمه 2. بیان مساله 3. الگوریتم بهینه سازی نهنگ 4. نتایج و بحث و بررسی 5. در نظر گرفتم بارهای مختلف 6. تحلیل عملکرد و پیچیدگی محاسباتی الگوریتم پیشنهادی 7. نتیجه گیری و کارهای آینده 8. کارهای آینده

چکیده – در شبکه های توزیع شعاعی، مکانیابی و اندازه یابی مناسب واحدهای «تولید پراکنده» (DG) می توانند به میزان قابل توجهی عملکرد سیستم را بهبود بخشد. بیشترین مزایای فنی-اقتصادی را می توان با کاهش تلفات اقتصادی که شامل مخارج نصب، بهره برداری و تعمیر و نگهداری همراه با تغییرات ولتاژ و تلفات توان برروی شینه ها می شوند، بدست آورد. مسئله حاضر با بهره گیری از چارچوب های چندهدفی مختلف و همچنین جواب سازش بهینه، که جواب پارتو بهینه نیز نامیده می شود، بررسی می شود. هنگام کار با مسئله بهینه سازی چند هدفی، قیدهای برابری و نابرابری معین نیز بررسی می شوند. تمرکز این مقاله، بر یک الگوریتم بهینه سازی نهنگ چند هدفی (MOWOA) منحصربفرد برای حل مسئله چند هدفی، می باشد. برای بررسی اثربخشی آن، روش توصیه شده برروی سیستم های توزیع 33 و 69 باس شعاعی IEEE، پیاده سازی می شود. همچنین این مقاله مقایسه با دیگر الگوریتم های چند هدفی جدید مانند تکامل تفاضلی آشفته مبتنی بر مخالفت (OCDE)، الگوریتم گله کریل (Krill) (KHA) و ضریب حساسیت تلفات توان و تابکاری شبیه سازی شده (LSFSA)، را ارائه می دهد. مشاهده شده است که روش پیشنهادی می تواند تلفات توان، رفع تلفات اقتصادی سالانه و بهبود پروفایل ولتاژ را فراهم کند. مقدمه: بخش انرژی بخاطر تخلیه سریع سوخت های فسیلی، رفع مسائل زیست محیطی و افزایش زیان های T&D در سیستم های قدرت سنتی، باید منابع انرژی غیرمتداول محلی کوچک را مورد ملاحظه قرار دهد. علاوه بر آن، بخاطر پیشرفت های فناوری بسیار سریع در این زمینه، هزینه هر واحد برق تولید شده بوسیله منابع غیرمتداول در طی دو تا سه دهه گذشته، کاهش چشمگیری پیدا کرده است. در نتیجه، این سیستم های DG (واحدهای تولید پراکنده) توجه ها را به خود جلب کرده اند. واحدهای DG با اندازه کوچک معمولاً ظرفیت توان کمتر از 5 مگاوات دارند [1]. دو نوع واحد DG، گهگاهی و غیرگهگاهی وجود دارند.

In radial distribution networks, the appropriate placement of properly sized Distributed Generation (DG) units can significantly improve the performance of the system. The biggest techno-economic benefits can be obtained by reducing annual economic losses that include the expenses of deployment, operation and maintenance along with voltage variations and power loss across the buses. The current problem is examined in light of various multi-objective frameworks as well as the optimum compromise solution also termed the Pareto-optimal solution is presented. When dealing with a multi-objective optimization problem, certain constraints on equality and inequality are also examined. The focus of this paper is on a one-of-a-kind multi-objective whale optimization (MOWOA) algorithm for multi-objective problem-solving. To test its effectiveness, the method that was suggested is implemented on radial bus distribution systems IEEE-33 and IEEE-69. This paper also includes a comparison with other recent multi-objective algorithms such as opposition-based chaotic differential evolution (OCDE), Krill herd algorithm (KHA) and Power Loss Sensitivity Factor and Simulated Annealing (LSFSA). It has been discovered that the method proposed may improve power loss, annual economic loss mitigation and voltage profile improvement. Introduction: he energy sector has been forced to consider small localized nonconventional energy sources due to fossil fuels being rapidly depleting, significant environmental ramifications, and increased T&D losses in traditional power systems. In addition, because too fast technological advancements in this area, the cost per unit of electricity generated by unconventional resources has decreased dramatically during the last two to three decades. As a result, these DG systems (distributed generation) units are becoming popular. DG units of small size should usually have a power capacity of less than 5 MW [1]. There are two types of DG units: intermittent and non-intermittent.

ترجمه این مقاله در 22 صفحه آماده شده و در ادامه نیز صفحه 9 آن به عنوان نمونه قرار داده شده است که با خرید این محصول می توانید، فایل WORD و PDF آن را دریافت نمایید.