جايابي و تنظيم بهينه UPFC براي بهينه‌سازي چند هدفه با روش حل IPOPT در بازار نوع اشتراكي

UPFC Placement and Setting Optimized for Multi-objective Optimization Methods to Solve IPOPT in Pool Market

اين مقاله به منظور ارزيابي عملكرد تجهيز FACTS بر متغييرهاي سيستم قدرت، از الگوريتم تركيبي نوين، براي محاسبه­ ي اجزاي شبكه و بهينه ساختن آنها، استفاده كرده است. از بين انواع مختلف تجهيزات FACTS، UPFC به جهت عملكرد مطلوب در قياس با ساير تجهيزات انتخاب شده است. بهينه­ سازي انجام شده عبارت است از تعريف تابع هدف شامل كاهش هزينه توليد، هزينه تجهيز UPFC، هزينه تراكم، كمترين انحراف پروفيل ولتاژ و كمترين تلفات سيستم است. اهداف ابتدا به صورت تك هدفه بهينه شده و در مرحله بعد با يك تابع تك هدفه فرمول­ بندي شده و با استفاده از ضرايب نرماليزه كه با قواعد فازي توليد شده است، نقطه بهينه پارتو مساله بدست آمده است. روش حل بدين گونه خواهد بود كه براي بدست آوردن پارامترهاي مسئله، حل كننده IPOPT روش پخش ­بار بهينه (OPF) را محاسبه و پارامترهاي مورد نياز بدون حضور تجهيز را بدست آورده است. سپس الگوريتم FUZZY-GSA با روش OPF جهت جايابي و تنظيم پارامتر تجهيز تركيب شده و با روش حل IPOPT براي رسيدن به پاسخ محاسبه خواهد شد. براي بررسي روش پيشنهادي، سيستم 14 باسه IEEE انتخاب و نتايج نشان از عملكرد مناسب الگوريتم و تجهيز دارد.

Unified Power Flow Controller (UPFC) is one of the FACTS devices which plays a crucial role in simultaneous regulating active and reactive power, improving system load, reducing congestion and cost of production. Therefore, determining the optimum location of such equipment in order to improve the performance of the network is significant. In this paper, WCA algorithm is used to locate the optimal placement of UPFC. The concepts and ideas underlying this approach are inspired by nature and are based on observations of water and the process of the water cycle and the formation of rivers and streams and their flow to the sea in the real world. This algorithm has a high potential for escaping local optimizations as well as speeding up global optimization. For UPFC modeling, the power injection model has been used and the OPF-UPFC problem has been solved with various objective functions such as generators fuel cost, network losses and system loading, both single-objective and multi-objective. Also, the results obtained from different objective functions are compared with other references. The results acquired show the efficiency and speed of the water cycle algorithm compared to some other intelligent algorithms. The computer program has been written in the MATLAB software environment and implemented on the IEEE 14-bus network.