تخمين حالت در شبكه هاي توزيع برق بر مبناي بهينه سازي اجتماع ذرات دو حلقه اي جهش يافته (DLM-PSO)

Distribution State Estimation Based on Particle Swarm and Doubly Loop Mutant Optimization (DLM-PSO)

در اين مقاله روشي جديد بر مبناي الگوريتم بهينه سازي اجتماع ذرات جهت تخمين حالت در شبكه هاي توزيع برق پيشنهاد مي شود. جهت بالا بردن كارايي، دقت، سرعت همگرايي به پاسخ و جلوگيري از نوساني شدن الگوريتم اجتماع ذرات اصلي، حلقه دوم اجتماع ذرات بعلاوه الگوريتم جهش به همراه تابع ايزولاسيون ارايه مي شود. به منظور در نظر گرفتن عدم قطعيت بارها در شبكه هاي توزيع ، مدل شده به صورت اكتيو و راكتيو، اندازه گيرهاي مجازي با خطايي واقع بينانه مدلسازي شده اند. نتايج شبيه سازي روي دو شبكه توزيع شعاعي 6 باسه و 34 باسه تست IEEE نشان مي دهد كه تخمين حالت توزيع بر مبناي الگوريتم پيشنهادي DLM-PSO داراي خطاي تخمين و انحراف معيار كمتر در مقايسه با الگوريتم هايي نظير WLS، GA، HBMO و PSO اصلي مي باشد.

This paper presents a novel algorithm based on particle swarm optimization (PSO) to estimate the states of electric distribution networks. In order to improve the performance, accuracy, convergence speed, and eliminate the stagnation effect of original PSO, a secondary PSO loop and mutation algorithm as well as stretching function is proposed. For accounting uncertainties of loads in distribution networks, pseudo-measurements is modeled as loads with the realistic errors. Simulation results on 6-bus radial and 34-bus IEEE test distribution networks show that the distribution state estimation based on proposed DLM-PSO presents lower estimation error and standard deviation in comparison with algorithms such as WLS, GA, HBMO, and original PSO