دانلود ترجمه مقاله براورد و مکان یابی بهینه خازن ها در سیستم های توزیع شعاعی با الگوریتم بهینه سازی گرده افشانی گل

1. مقدمه 2. مروری بر الگوریتم گرده افشانی گل ها 3. فرمولاسیون مسئله 4. نتایج و بحث 5. نتیجه گیری

چکیده – در این مقاله، یک الگوریتم جدید و قدرتمند با نام الگوریتم گرده افشانی گل ها (FPA) برای تخصیص های بهینه و براورد خازن ها در سیستم های توزیع متعدد پیشنهاد می شود. ابتدا، اکثر گذرگاه های کاندید برای نصب خازن ها با استفاده از شاخص اتلاف توان (PLI) پیشنهاد می شوند. سپس، FPA پیشنهادی جهت تعیین اندازه خازن ها و موقعیت های آنها از گذرگاه های انتخاب شده بکار گرفته می شود. تابع هدف به منظور کاهش هزینه کل و در نتیجه افزایش صرفه جویی خالص سالانه طراحی می شود. الگوریتم پیشنهادی روی سیستم های توزیع شعاعی با 15، 69 و 118 گذرگاه تست می شود. نتایج بدست آمده از طریق الگوریتم پیشنهادی با الگوریتم های دیگری مانند الگوریتم ژنتیک (GA)، بهینه سازی ازدحام ذرات (PSO)، الگوریتم شبیه سازی رشد گیاهان (PGSA)، الگوریتم جستجوی مستقیم (DSA)، بهینه سازی مبتنی بر یادگیری آموزشی (TLBO)، الگوریتم جستجوی فاخته (CSA)، کلونی زنبور عسل (ABC) و الگوریتم جستجوی هارمونی (HAS) برای نشان دادن مزایای الگوریتم پیشنهادی مقایسه می شوند. همچنین، نتایج جهت بررسی تاثیربخشی الگوریتم پیشنهادی به منظور کمینه سازی تلفات و هزینه کل و تقویت وضعیت ولتاژ و صرفه جویی خالص برای سیستم های توزیع متعدد مطرح می شوند.

In this paper, a new and powerful algorithm called Flower Pollination Algorithm (FPA) is proposed for optimal allocations and sizing of capacitors in various distribution systems. First the most candidate buses for installing capacitors are suggested using Power Loss Index (PLI). Then the proposed FPA is employed to deduce the size of capacitors and their locations from the elected buses. The objective function is designed to reduce the total cost and consequently to increase the net saving per year. The proposed algorithm is tested on 15, 69 and 118-bus radial distribution systems. The obtained results via the proposed algorithm are compared with other algorithms like Genetic Algorithm (GA), Particle Swarm Optimization (PSO), Plant Growth Simulation Algorithm (PGSA), Direct Search Algorithm (DSA), Teaching Learning-Based Optimization (TLBO), Cuckoo Search Algorithm (CSA), Artificial Bee Colony (ABC) and Harmony Search Algorithm (HSA) to highlight the benefits of the proposed algorithm. Moreover, the results are introduced to verify the effectiveness of the suggested algorithm to minimize the losses and total cost and to enhance the voltage profile and net saving for various distribution systems.