جايابي و تعيين ظرفيت بهينه توليدات پراكنده و خازن با استفاده از الگوريتم‌ چند هدفه كلوني زنبور مصنوعي اصلاح شده با در نظر گرفتن مدل‌هاي مختلف بار

Optimal placement and sizing of distributed generation and shunt capacitor via modified multiobjective artificial bee colony algorithm considering different load models

امروزه با توجه به توسعه شبكه‌هاي توزيع و افزايش تقاضاي برق، استفاده از منابع توليد پراكنده و بانك‌هاي خازني به موازات هم افزايش يافته است. در اين مقاله، الگوريتم كلوني زنبور مصنوعيِ اصلاح‌شده به‌منظور بهينه‌سازي هم‌زمان جايابي و تعيين ظرفيت بهينه منابع توليد پراكنده و خازن پيشنهاد شده است كه با هدف كاهش تلفات، انحراف از ولتاژ، هزينه و بهبود شاخص پايداري ولتاژ با درنظرگرفتن مدل‌هاي مختلف بوده است. در الگوريتم طراحي‌شده، عامل‌هاي جست‌وجوگر، مسير حركت خود را با استفاده از راه‌حل‌هاي به‌دست‌آمده اصلاح مي‌كنند و عملگرهاي تكامليِ تقاطع و جهش به گسترش جواب كمك مي‌كنند. همچنين به‌منظور بهينه‌سازي چندهدفه از يك آرشيو خارجي، جهت ذخيره جواب نامغلوب و از منطق فازي، جهت يافتن بهينه‌ترين حالت در ميان پاسخ‌هاي پارتو به‌دست‌آمده، استفاده شده است. الگوريتم پيشنهادي بر روي شبكه 69 شينه  IEEE پياده‌سازي شده و نتايج حاصل از اين روش، تجزيه و تحليل شده است. نتايج شبيه‌سازي، كارآيي و عملكرد مناسب الگوريتم پيشنهادي را در مقايسه با روش‌هاي ديگر نشان مي‌دهد.

Nowadays due to development of distribution systems and increase in electricity demand, the use of distributed generation sources and capacitor banks in parallel are increased. In this paper a modified multiobjective artificial bee colony (MABC) algorithm to solve the optimal placement and sizing of distributed generation and shunt capacitor is proposed. The objectives consist of minimization of costs, active losses, voltage deviation and improved voltage stability index incorporated with different load models. In the MABC, the bees adjust their trajectories based on the solutions also mutation and crossover operators are used to enhance the proposed algorithm. The proposed algorithm uses an external repository to save founded Pareto optimal solutions during the search process and fuzzy decision making process is employed to extract one of the Paretooptimal solutions. The proposed algorithm is tested on the 69bus IEEE test system and the results demonstrate the applicability and effectiveness of the proposed approach compared to that of other algorithms.