شبیه سازی جایابی بهینه منابع تولید پراکنده با الگوریتم ژنتیک برای شبکه 33 باسه + کد

خلاصه:

در این محصول جایابی بهینه DG با الگوریتم ژنتیک بر روی شبکه 33 شینه رو مشاهده خواهید کرد. خیلی ها سوال می کردند: آیا مکان و اندازه DG ها رو هم بعد ران کردن متوجه خواهیم شد؟ بله، بعد ران کردن میتونید مکان و اندازه DG در هر شینی که الگوریتم ژنتیک به شما داده رو مشاهده کنید + پروفیل ولتاژ قبل و بعد از جایابی + نمودار همگرایی الگوریتم ژنتیک. همچنین اگر کدها رو یاد بگیرید میتونید این کار رو بر روی هر شبکه ی دلخواه دیگه ای هم پیاده کنید.

قیمت دانلود :
27,000 تومان 18,500 تومان
شرح موضوع

جایابی DG

حضور منابع تولید پراکنده در سیستم الکتریکی ، بهره برداری از آن را پیچیده نموده است. علاوه بر برنامه ریزی صحیح این منابع ، مکان و اندازه بهینه منابع تولید پراکنده نیز از اهمیت زیادی برخوردا است. جایابی dg امروزه در مقالات مختلف جهت کاهش تلفات شبکه و یا بهبود پروفیل ولتاژ صورت می گیرد. در این قسمت نیز مکان یابی منابع تولید پراکنده بر روی شبکه 33 باسه IEEE با هدف کاهش تلفات و بهبود پروفیل ولتاژ مورد بررسی قرار گرفته است. پخش بار پسرو پیشرو جهت یافتن مقادیر ولتاژ و جریان شاخه ها برای این شبکه استفاده شده است.

جایابی منابع تولید پراکنده

جایابی منابع تولید پراکنده با الگوریتم ژنتیک در متلب

اگر به صورت ساده بخواهیم مکان یابی منابع تولید پراکنده را مورد بررسی قرار دهیم. شاید لازم باشد بیش از میلیاردها حالت را برای یافتن مکان و اندازه بهینه مورد بررسی قرار دهیم. بخاطر محدودیت زمانی نیاز است تا از الگوریتم های بهینه سازی برای یافتن پاسخ استفاده نماییم. لذا از الگوریتم های بهینه سازی در مسائل مکان یابی استفاده می شود. الگوریتم ژنتیک در بهینه سازی امروزه فراگیر شده و معمولا اکثر دانشجویان جهت حل مسائل مربوط به بهینه سازی از این الگوریتم استفاده می کنند. جایابی بهینه DG بر روی شبکه 33 باسه توسط الگوریتم ژنتیک با هدف کاهش تلفات شبکه و بهبود پروفیل ولتاژ موضوعی است که در این محصول به آن پرداخته شده است. در الگوریتم ژنتیک ابتدا تعداد جمعیت مشخص شده و سپس کروموزمی برای هر کدام به تعداد مجهولات مسئله انتخاب می شود. هر کروموزم حاوی 33 متغیر می باشد که نشان از مکان قرارگیری و اندازه منابع تولید پراکنده در آن قرار گرفته است. برای هر کدام از این جمعیت ها مقدار تابع هدف که در اینجا تلفات شبکه است فراخوانی شده و همگی با هم مقایسه می شوند. سپس crossover و mutation بر روی برخی اعضا صورت گرفته و حلفه ی تکرار تا زمانی یافتن بهینه ترین مقدار ادامه می یابد. در نهایت جایابی بهینه منابع تولید پراکنده به اتمام رسیده و مکان و اندازه مربوط به DG ها در شبکه 33 باسه به دست می آید.

در این محصول از تولباکس ژنتیک استفاده نشده است. بلکه خود برنامه ی الگوریتم ژنتیک در متلب نوشته شده و برای جایابی DG از آن استفاده شده است.

در نهایت بعد از جایابی منابع تولید پراکنده همانطور که انتظار می رفت پروفیل ولتاژ دچار بهبود گردد ، نمودار پروفیل ولتاژ بهبود یافته به دست می آید. این نمودار نشان دهنده ی قبل و بعد از جایابی DG است که رنگ آبی نشان دهنده ی پروفیل ولتاژ بعد از مکان یابی منابع تولید پراکنده می باشد که با بهبودی همراه است.

جایابی منابع تولید پراکنده

از طرف دیگر در اکثر مقالات از نمودار همگرایی مربوط به الگوریتم های بهینه سازی نیز استفاده می شود. این نمودار نشان هنده ی کاهش میزان تابع هدف (تلفات شبکه در این محصول) در هر بار تکرار می باشد. در واقع نشان می دهد که در هر بار تکرار این مقدار با کاهش همراه بوده و بعد از چند بار تکرار ثابت مانده است.

جایابی منابع تولید پراکنده

در حالت کلی این محصول حاوی فایل های متلب مربوط به بدنه ی اصلی الگوریتم ژنتیک ، crossover ، mutation و تابع هدف شامل پخش بار پسرو پیشرو شبکه 33 باس و … بوده و شما با ران کردن آن در نهایت پروفیل ولتاژ ، نمودار همگرایی ، مقادیر ولتاژ شین ها ، مکان و اندازه DG ها را براساس شماره شین مشاهده می کنید. فایل زیر نیز نشان دهنده تابع هدف و شرایط لحاظ شده می باشد.

 


دیدگاهها

  1. Ali

    آیا امکانش هست از این برنامه برای مسئله تعیین مکان چندین واحد dg با چندین هدف استفاده کرد یا فقط باید یک هدف باشه؟
    لطفا به ایمیل پاسخ بدهید.

    • bagher

      سلام
      بله چنین چیزی قابل انجام است. میتوانید اهداف را با یکدیگر جمع ببندید. مثلا ما ploss را محاسبه کرده و در تابع هدف خود قرار داده ایم. اگر شما بخواهید مثلا هدف قابلیت اطمینان را نیز لحاظ کنید، کافیست ploss+Reliability رو بعنوان تابع هدف در نظر بگیرید. برای این موارد شما باید کاملا مسلط به کد نویسی و نحوه ی کلی جایابی باشید و من پیشنهاد میکنم از لینک زیر فایل ویدیویی آموزشی رو مشاهده فرمایید. این میتونه بهتون کمک کنه.
      فایل ویدیویی آموزشی الگوریتم ژنتیک

  2. اکبر علیوند

    سلام
    مرسی از سایت خوبتون واقعا کارتون عالیه بخدا من چن روزی بود دنبال این پروژه میگشتم خیلی خوب بود. مرسی آقای مرتضویان واقعا پشتیبانی سایتتون عالیه. حلالتون باشه

    • bagher

      سلام
      قربان شما . موفق باشید

  3. حسن سلیمانی

    سلام
    من وقتی ران میکنم اررو میده و نمیدونم دقیقا کدومش رو باید ران کنم. بد جور بهش نیاز دارم. ممنون میشم راهنماییم کنید.

    • bagher

      سلام
      من ایمیل شما رو بررسی کردم متاسفانه نتونستم شماره تون رو پیدا کنم باهاتون تماس بگیرم. زمان خرید مثل اینکه شماره موبایل (اختیاری) رو وارد نکردید. حتما با پشتیبانی تماس بگیرید 09109602006
      اما راجع به ران شدن. لطفا فایل را از حالت زیپ خارج کنید (اکسترکت کنید) سپس فقط فایل ga را ران نمایید. در صورت بروز هر مشکل با شماره پشتیبانی تماس بگیرید.
      موفق باشید

دیدگاه خود را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

7 − چهار =

مقالات ترجمه شده

آموزش برنامه نویسی

پشتیبانی ترجمه و شبیه سازی مقاله

تماس با پشتیبانی

قیمت ترجمه و شبیه سازی مقاله

با توجه به تجربه ی ما در امر شبیه سازی مقالات با نرم افزارهای متلب، پی اس کد، گمز و سایر نرم افزارهای علمی و همچنین تجربه ی چندین ساله در امر ترجمه  مقالات، تصمیم گرفتیم در این دو زمینه کمکی هر چند ناقابل برای دانشجویان به ارمغان آوریم. همه ی مقالات در سایت قرار داده شده که برخی از آنها ترجمه و شبیه سازی آماده دارند که قیمتی بین 20 تا 30 هزار تومان به فروش می رسند. برخی از مقالات نیز که ترجمه و شبیه سازی ندارند، می توانید سفارش دهید تا همکاران ما در اسرع وقت اقدام به تهیه آن کرده و در موعد مقرر تحویل شما دهند.