مكان يابي بهينه DG در يك شبكه نامتعادل با دو هدف جداگانه با استفاده از يك الگوريتم جديد

Optimal placement of DG in an unbalanced network with two separate objectives using a new algorithm

در اين مقاله ، منابع توليد پراكنده (DG) در يك شبكه نامتعادل با دو تابع هدف متفاوت با استفاده از يك الگوريتم جديد ، محلي سازي شده اند. براي اين منظور ، هزينه ها و توابع هدف پارامتريك براي اين مشكل فرموله مي شود. تكنيك جديدي براي حل مشكل توزيع نامتعادل بار پيشنهاد شده است. الگوريتم بهينه سازي موتورهاي جستجو گروهي (GSO) يكي از تكنيك هاي جديد ذرات هوشمند است كه در اين مقاله ، اين الگوريتم بهبود يافته و نتايج مورد تجزيه و تحليل قرار گرفته است. شبيه سازي ها بر روي دو شبكه نمونه واقعي در شمال غرب ايران و استاندارد IEEE انجام مي شود. هر تابع هدف در يكي از شبكه ها آزمايش مي شود. براي هر شبكه ، دو سناريوي قرارگيري پيشنهاد مي شود: شمارش منابع DG و تعيين تعداد واحدهاي DG. در فرايند مطالعه موردي ، نتايج الگوريتم بهبود يافته GSO با نتايج الگوريتم هاي ساده GSO و بهينه سازي ازدحام ذرات (PSO) مقايسه مي شود.

In this paper, distributed generation (DG) resources are localized in an unbalanced network with two different objective functions using a new algorithm. For this purpose, cost and parametric objective functions will be formulated for this problem. A new technique has been proposed to solve the problem of unbalanced load distribution. Group Search Engine Optimization (GSO) algorithm is one of the new particle intelligence techniques that in this paper, this algorithm has been improved and the results have been analyzed. The simulations will be performed on two real sample networks in northwestern Iran and the IEEE standard. Each target function will be tested on one of the networks. For each network, two placement scenarios are proposed: DG resource counting and determination of the number of DG units. In the case study process, the results of the proposed improved GSO algorithm are compared with the results of simple GSO algorithms and particle swarm optimization (PSO).