بازآرايي بهينه شبكه توزيع در حضور توليد پراكنده با استفاده از الگوريتم تكاملي PSOGSA در چارچوب فازي

Distribution Feeder Reconfiguration Using PSOGSA Algrotim in Presence of Distribution Generation Based on a Fuzzy Approach

در اين مقاله، مسيله بازآرايي چندهدفه شبكه هاي توزيع در حضور منابع توليد پراكنده DG مطالعه شده است. بيشتر، توابع هدفي مدنظر قرار گرفته اند كه در بسياري از مقالات در اين زمينه بررسي شده اند؛ شامل تلفات و هزينه هاي بهره برداري. در اين مقاله، علاوه بر تلفات و هزينه هاي بهره برداري، توان بهينه توليدي منابع DG و انرژي توزيع نشده شبكه بررسي شده اند كه يكي از پارامترهاي اساسي قابليت اطمينان شبكه هاي توزيع اند. در اين مقاله، از الگوريتم PSOGSA براي حل مسيله بازآرايي چندهدفه فيدر توزيع كمك گرفته شده است. اين الگوريتم، تركيب شده الگوريتم بهينه سازي ازدحام ذرات (PSO) و جستجوي گرانشي GSA است. در ادامه، مقادير توابع هدف با استفاده از توابع عضويت فازي، نرماليزه شد ه اند. درنهايت، از منطق فازي براي يافتن بهينه ترين جواب در ميان جواب هاي پارتو به دست آمده استفاده شده است. روش پيشنهادي روي دو سيستم آزمون 70 و 119 باسه IEEE پياده سازي شده است. نتايج شبيه سازي نشان مي دهند روش پيشنهادي در بهبود توابع هدف در نظر گرفته شده، عملكرد موثري داشته و با برقراري يك تناسب مناسب ميان توابع هدف مختلف، به معرفي ساختار بهينه تر با تلفات و هزينه بهره برداري كمتر و نيز قابليت اطمينان بيشتر در مقايسه با ساير الگوريتم هاي بهينه سازي دست يافته است.

In this paper, to solve the multi-objective problem of distribution feeder reconfiguration (DFR) in the presence of distributed generation (DG), the hybrid particle swarm optimization and gravitational search algorithm (PSOGSA) has been proposed, which is a combination of particle optimization (PSO) and gravitational (GSA) optimization algorithm. In this field, the power losses and operating costs are the two most used objective functions in the literature. In addition to the mentioned objective functions, this paper also considers the optimal generation capacity of DG resources and energy not supplied (ENS), which is one of the basic reliability indexes of distribution networks. In this paper, the values of different objective functions are normalized by the fuzzy method, and also the Fuzzy decision-maker is used to determine the most optimal solution among the Pareto-optimal solutions. The proposed algorithm is implemented on IEEE 70-bus and 119-bus test systems. The simulation results show the efficiency of the proposed PSOGSA in improving the considered objective functions. The proposed method, by establishing a suitable fit between different objective functions has introduced a more efficient structure with lower losses and operating costs, as well as greater reliability, compared to other optimization algorithms.