استفاده از الگوريتمACO در طراحي شبكه‌هاي توزيع شعاعي

ACO Algorithm Implementation in Radial Distributed Network Planning

الگوريتم ACO يكي از روش‌هايِ مناسبِ بهينه‌سازي در حل مسايل پيچيده برگرفته از طبيعت كولونيِ مورچه‌ها است. در اين مقاله براي اولين بار از اين الگوريتم در طراحي بهينه شبكه‌هاي توزيع شعاعي كه در آنها مسير تغذيه مشخص است، استفاده مي‌شود. اين الگوريتم ضمن ارايه ميزان نفوذ هر يك از سطوح ولتاژ در شبكه مورد مطالعه، ظرفيت بهينه ترانسفورماتور‌ها و سطح مقطع بهينه فيدرها را در هر يك از سطوح ولتاژي ارايه مي‌نمايد. الگوريتم فوق بر روي يك شبكه نمونه 23 شينه اجرا شده و نتايج آن نشانه برتري روش ارايه شده نسبت به روشِ الگوريتم PSO و الگوريتمِ سطح تغذيه است. نقطه قوت اين الگوريتم سرعت بالا، يعني بيشتر از 240 برابر الگوريتم تعيين سطح تغذيه و بيش از 18 برابر الگوريتم PSO و همچنين كاهش 10 درصدي (بطور متوسط) قيمت نهايي در مقايسه با ديگر الگوريتم‌هاي موجود به سبب اضافه كردن ظرفيت ترانسفورماتور‌ها به عنوان متغير فضاي جستجو مي‌باشد.

This paper presents a new approach for radial distributed network planning with using ACO algorithm. Ant colony optimization algorithm (ACO) is one of the best methods for optimization in difficult discrete problems. The new algorithm determines the optimal configuration of network and voltage level of each section of the feeders and calculates the optimum rating of the transformers and the size of each section of the feeders. This algorithm applied to a real 23-feeder radial test network of Gilan Regional Electricity Company in Iran. The results validate the superiority of new algorithm in comparison with particle swarm optimization (PSO) and supplying area algorithm. The important characteristics of this algorithm in this paper are its high speed in solving problems for instance 240 times of supplying area algorithm time and 18 times of PSO algorithm time and 10% decreasing of final cost because of considering the transformers rating as an another searching space variable.