جايابي و برنامه ريزي منابع توليد پراكنده در شبكه هوشمند با الگوريتم بهينه سازي ملخ

Placement and planning of distributed generation in Microgrid with grasshopper optimization algorithm

استفاده از منابع توليد پراكنده، براي بهبود قابليت اطمينان در سيستم هاي قدرت رو به افزايش است. مزايايي نظير كاهش تلفات شبكه و آلودگي ها، توجه به اين منابع را دو چندان كرده است. حضور منابع توليد پراكنده بحث ريزشبكه ها را مطرح كرده است. يك ريزشبكه مجموعه اي از واحدهاي توليد پراكنده و ذخيره سازها به همراه مجموعه اي از بارها مي باشد كه به دليل كنترل هوشمند، همانند يك بار يا ژنراتور از ديد شبكه ي اصلي رفتار مي كنند. در اين مقاله برنامه ريزي منابع توليد پراكنده براي يك ريزشبكه كه حاوي شبكه استاندارد IEEE33 باسه است مورد بررسي قرار گرفته است. برنامه ريزي منابع توليد پراكنده به دو قسمت برنامه ريزي جايابي و برنامه ريزي بهره برداري تقسيم شده و از الگوريتم ملخ براي بهينه سازي استفاده شده است. بهترين مكان و اندازه براي اين منابع با الگوريتم ملخ به دست آمده كه كاهش زيادي در تلفات شبكه را نشان داده است. براي برنامه ريزي بهره برداري از منابع توليد پراكنده، مصرف بارها لحاظ شده و يك برنامه ي 24 ساعته براي مقدار توليد منابع مختلف موجود و ذخيره سازها ارائه شده است. نتايج نشان از بهبود پروفيل ولتاژ و تلفات شبكه مي دهد و همچنين اقتصادي بودن اتصال ريزشبكه به شبكه اصلي نمايان مي شود.

The use of distributed generation resources is increasing to improve reliability in power systems. Benefits such as reducing network losses and pollution have increased the focus on these resources. The presence of distributed generation sources has raised the issue of micro grids. A grid is a collection of distributed generation units and storage devices, along with a set of loads that, because of intelligent control, behave like a load or generator from the point of view of the main grid. In this paper, the planning of distributed sources of resources for a grid that is comprised of the IEEE33 BAS network is studied. Distributed resource planning is divided into two areas of planning and exploitation planning, and grasshopper algorithm is used for optimization. The best place and size for these resources is obtained by grasshopper algorithm, which shows a large reduction in network losses. The use of loads has been taken into account for planning the exploitation of distributed generation resources, and a 24-hour program has been proposed for the amount of available resources and storage. The results indicate the improvement of the voltage and network losses and also the economics of the grid connection to the main network.