دانلود ترجمه و شبیه سازی مقاله شارش توان بهینه با ادوات فکتس با استفاده از الگوریتم مخالف گروه میگو

1. مقدمه 2. مدل های حالت پایدار ادوات فکتس 3. تبیین مساله ریاضیاتی 4. KHA 5. OKHA 6. پیاده سازی OKHA برای مساله OPF با ادوات فکتس 7. نتایج شبیه سازی و بحث و بررسی 8. نتیجه گیری و چشم انداز کارهای آتی

چکیده – الگوریتم گروه میگوها (KHA)، یکی از رویکردهای فرا ابتکاری جدید است که نشات گرفته از رفتار گله ای میگوها در جهت جستجوی غذا یا ارتباط با دیگران می باشد. KHA مبتنی بر مخالفت پیشنهادی (OKHA) در این مقاله برای حل مساله پخش توان بهینه (OPF) در سیستم های قدرت در ترکیب با سیستم های انتقال انعطاف پذیر AC (FACTS)، با عنوان خازن سری کنترل شده با تریستور و تغییردهنده فاز کنترل شده با تریستور، در نظر گرفته شده است. در OKHA پیشنهادی، مفهوم اولیه سازی جمعیت مبتنی بر مخالفت و پرش نسل مبتنی بر مخالفت در KHA پایه ای به کار گرفته شده تا سرعت مخاسباتی و مشخصه همگرایی، افزایش یابد. پتانسیل OKHA پیشنهادی، با موفقیت روی یک سیستم تست 57 باسه IEEE و 30 باسه IEEE ارزیابی شده است. چهار تابع هدف مختلف در اینجا فرمول بندی شده اند که به طور جداگانه نشانگر حداقل سازی هزینه سوخت، تلفات انتقال توان اکتیو، انتشار و هزینه های زیست محیطی و اقتصادی می باشند. نتایج شبیه سازی ارائه شده در این مقاله، نشان می دهند که رویکرد پیشنهادی، راه حل های بهتری را نسبت به روش های رایج مطرح شده در مقالات دیگر، از جمله KHA پایه ای ارائه می دهند و این موضوع حاکی از اثربخش بودن این روش برای حل مساله OPF در سیستم های قدرت مجهز به ادوات فکتس می باشد. مقدمه: شارش توان بهینه (OPF) ابزار مفیدی در سیستم های مدیریت انرژی مدرن می باشد. این شاخصه، نقش مهمی را در بهره برداری، کنترل و برنامه ریزی امن سیستم های قدرت ایفا می کند. هدف اولیه OPF عمومی، به حداقل رسانی هزینه تولید کل سیستم برای تحقق پاسخ به تقاضا در یک سیستم قدرت خاص با حفظ امنیت بهره برداری سیستم می باشد [1، 2]. در شرایط حالت پایدار، هر دستگاه در سیستم قدرت باید در محدوده عملیاتی مطلوب خود قرار داشته باشد. اینها شامل محدودیت های ماکزیمم و مینیمم در (a) خروجی های توان واقعی و راکتیو ژنراتورها، (b) دامنه ولتاژ بار در هر باس از شبکه، (c) شارش توان ظاهری خطوط انتقال توان، (d) تنظیمات تپ ترانسفورماتورها و (e) تزریق توان راکتیو، می باشد. این روش طی چند دهه گذشته با دقت مورد مطالعه قرار گرفته و از طریق طیف وسیعی از روش های بهینه سازی متداول مانند روش نیوتون [3]، برنامه ریزی خطی، برنامه ریزی پویا و روش نقطه درونی حل شده است [4].

Krill herd algorithm (KHA) is a novel meta-heuristic approach that is influenced from the herding behaviour of the krill swarms searching for food or communication with each other. The proposed opposition based KHA (OKHA) is intended here, for solving the optimal power flow (OPF) problem of power system, incorporating flexible AC transmission systems (FACTS) devices, namely, thyristor controlled series capacitor and thyristor controlled phase shifter. In the proposed OKHA, the concept of opposition based population initialization and opposition based generation jumping are employed in the basic KHA to enhance its computational speed and convergence profile. The potential of the proposed OKHA is assessed, successfully, on modified IEEE-30 bus and IEEE-57 bus test power systems. The four different objective functions are formulated here that reflects the minimization of fuel cost, active power transmission loss, emission and combined economic and environmental cost, separately. Simulation results, presented in this paper, indicate that the proposed approach yields superior solution over the other popular methods surfaced in the recent state-of-the-art literature including basic KHA and also show its effectiveness for the solution of OPF problem of power system equipped with FACTS devices. Introduction: Optimal power flow (OPF) is a useful tool in modern energy management system. It plays an important role for secure operation of power system operation, control and planning. The preliminary goal of generic OPF is to minimize the total production cost of the entire system for fulfilment of the load demand of a particular power system by maintaining the security of the system operation [1,2]. At steady state condition, each device in the power system should be within its desired operating range. These include minimum and maximum limits of (a) generators’ real and reactive power outputs, (b) load voltage magnitudes of each bus in the network, (c) apparent power flows of power transmission lines, (d) transformers’ tap setting and (e) reactive power injection. This method has been studied, rigorously, over the past few decades and it has been solved, successfully, by a wide variation of conventional optimization techniques such as Newton method [3], linear programming, dynamic programming and interior point method [4].

شبیه سازی این مقاله در محیط متلب (MATLAB) انجام شده و در ادامه نیز تصاویر مربوط به خروجی های شبیه سازی ها قرار داده شده است: