دانلود ترجمه مقاله بهینه سازی توان راکتیو شبکه توزیع با تولید پراکنده

1. مقدمه 2. مدل شارش توان معمول در تولید پراکنده 3. طرح بهینه سازی شبکه توان پراکنده 4. مطالعه موردی 5. نتیجه گیری

با توسعه سریع فنآوریهای جدید انرژی، فنآوری تولید پراکنده توجه زیادی را به خود جلب کرده است. مزیت های آنها، نیاز به سرمایه گذاری اندک، حفاظت از محیط زیست و پاک بودن، مطمئن بودن و تامین توان انعطاف پذیر است. آنها می توانند به صورت پیوسته توان راکتیو قابل تنظیم را تولید (یا جذب) کنند و در بهینه سازی توان راکتیو، مشارکت کنند، که این می تواند توازن توان راکتیو را حفظ کند و توزیع پخش توان راکتیو را بهینه سازی کند. در این مطالعه، ابتدا مدل پخش توان منابع تامین انرژی پراکنده معمول: توان باد، توان خورشیدی و تولید توان توربین گازی مورد پژوهش قرار می گیرند. سپس، تامین توان پراکنده به عنوان یک دستگاه توان راکتیو قابل تنظیم به صورت پیوسته، در ترکیب با تجهیزات سنتی، در بهینه سازی توان راکتیو مشارکت می کنند. یک تابع هدف با ملاحظه تلفات سیستم برای یافتن جواب بهینه، پیشنهاد می شود. در آخر، سیستم IEEE 33 گرهی برای تایید نتایج استفاده می شود. نتایج نشان می دهند که تولید پراکنده می تواند بطور موثر تلفات سیستم را کاهش دهد و پایداری ولتاژ را بهبود بخشد. در عین حال، اثربخشی و امکان پذیری الگوریتم بهینه شده، تایید می شوند. بهینه سازی در این مطالعه، ترکیبی از الگوریتم ژنتیک و الگوریتم مصونیت (immune)، می باشد. این روش می تواند عدم توانایی بهینه سازی محلی الگوریتم ژنتیک را جبران کند. در مقایسه با این الگوریتم منفرد، توانایی بهینه سازی سراسری یا جهانی، به میزان قابل توجهی بهبود می یابد. مقدمه: منابع انرژی پراکنده، ویژگی های مدولاریته بودن، پراکندگی کم، صرفه جویی از انرژی، حفاظت در برابر محیط زیست، تنوع بخش انرژی را دارد [1-3]. پیکربندی و چیدمان معقول برای نقطه دسترسی و ظرفیت تامین توان پراکنده، می تواند بار را در محل متوازن سازی کند، از ولتاژ سیستم پشتیبانی کند و تلفات سیستم را کاهش دهد. در عین حال، با تنظیم خروجی توان راکتیو برای مشارکت در بهینه سازی توان راکتیو شبکه توزیع، منبع تغذیه پراکنده می تواند به کاهش هزینه های اجرایی کمک کند و تاحدی بازده اجرایی را بهبود بخشد [4، 5]. در حال حاضر، الگوریتم های مدل بسیاری برای بهینه سازی موازی شبکه تامین انرژی پراکنده وجود دارد که می توان روش وزن گذاری نرمال سازی تابع چند هدفی، روش عامل مشوق مزیت زیست محیطی، روش حداقل انتظاری فازی هزینه اجرایی سرمایه گذاری را نام برد [6].

With the rapid development of new energy technologies, distributed power generation technology has attracted widely attention. The advantages of them are small investment, clean and environmental protection, reliable, and flexible power supply. They can output (or absorb) continuously adjustable reactive power and participate in the reactive power optimisation, which can keep the balance of reactive power and optimise the distribution of reactive power flow. In this study, firstly, the power flow model of typical distributed power supplies: wind power, solar power, and gas turbine power generation are researched. Then, the distributed power supply as a continuously adjustable reactive power device, combined with the traditional equipment, participate in reactive power optimisation. An objective function considering system loss is proposed to find optimal solution. Finally, the IEEE33 node system is used for verification. Results show that the distributed power supply can effectively reduce the system loss and improve the voltage stability. Meanwhile, the effectiveness and feasibility of the improved algorithm are verified. The optimisation of this study is the combination of genetic algorithm and immune algorithm. It can make up for the lack of local optimisation ability of genetic algorithm. Compared with the single algorithm, the global optimisation ability is greatly enhanced. Introduction: Distributed power supply has the characteristics of modularity, small dispersion, energy conservation and environment protection, energy diversification [1–3]. Reasonable configuration for access point and capacity of the distributed power supply can balance the load on-site, support system voltage, and reduce the system loss. Meanwhile, by adjusting the output of the reactive power to participate in the reactive power optimisation of distribution network, distributed power supply can help reduce operating costs and improve operating efficiency to some extent [4, 5]. At present, there are many model algorithms for parallel network optimisation of the distributed power supply, such as multi-objective function normalisation weighting method, environmental benefit incentive factor method, and annual investment running cost fuzzy expected minimum method [6].