شماره ركورد كنفرانس :
4567
عنوان مقاله :
بررسي در نظر گرفتن تغييرات بلندمدت بار بر جايابي منابع توليد پراكنده
عنوان به زبان ديگر :
فاقد عنوان لاتين
پديدآورندگان :
خادمي سعيد دانشگاه تحصيلات تكميلي صنعتي و فناوري پيشرفته - دانشكده مهندسي برق و كامپيوتر، كرمان , زينلي داوراني روح الامين دانشگاه تحصيلات تكميلي صنعتي و فناوري پيشرفته - دانشكده مهندسي برق و كامپيوتر، كرمان
كليدواژه :
مكان يابي مناسب توليد پراكنده , تلفات توان , تغييرات بلندمدت بار , توليد پراكنده
عنوان كنفرانس :
ششمين كنفرانس ملي ساليانه انرژي پاك
چكيده فارسي :
نياز به انرژي الكتريكي در جوامع امروزي با توجه به مصارف مختلف در حال افزايش مي باشد كه اين نياز داراي رشد ساليانه متوسط حدود %7 در كشور مي باشد. توليدات پراكنده (DGs) نيروگاه هاي مقياس كوچكي هستند كه استفاده از آنها در شبكه قدرت رو به گسترش مي باشد. قرار گرفتن مكان مناسب DG مي تواند سبب كاهش تلفات، بهبود پروفيل ولتاژ و بهبود پايداري سيستم گردد. در اين مقاله به بررسي تعيين محل نصب و تعيين ظرفيت بهينه DGها به منظور به حداقل رساندن تلفات با در نظر گرفتن تغييرات بلندمدت بار پرداخته مي شود. براي اين منظور بر مبناي پيك ساليانه بار (داده هاي يك ساعت در سال)، پيك روزانه بار (داده هاي 365روز در سال) و تغييرات ساعتي بار ( داده هاي 8760 ساعت در سال) جايابي و تعيين ظرفيت بهينه يك و دو DG در شبكه 33 باسه IEEE صورت گرفته است. جهت محاسبه تلفات از برنامه پخش بار Matpower در محيط نرم افزار MATLAB و به منظور بهينه سازي از الگوريتم ژنتيك استفاده شده است.
چكيده لاتين :
The need for electrical energy in today's societies is increasing due to various uses,
and lead to an annual growth of about 7% on average in our country. Distributed
generation (DGs) are small-scale power plants that are used due to voltage and
current losses in some parts of the network. Appropriate DG allocation can reduce
losses, improve the voltage profile, and improve system stability. This paper
examines the optimal allocation and capacity determination of DG in order to
minimize losses by taking long-time load changes into account. For this purpose,
placement and capacity determination of one and two DG in IEEE 33 bus network
have been analyzed based on three scenarios as annual peak load (one hour of the
year), daily peak load (365 hours of the year) and hourly load changes (8760 hours
of the year). In order to calculate the losses, a Matpower load power flow program
is used in MATLAB software environment and for optimization purposes, a metaheuristic
genetic algorithm is used.