این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
صفحه اصلی
درباره پایگاه
فهرست سامانه ها
الزامات سامانه ها
فهرست سازمانی
تماس با ما
JCR 2016
جستجوی مقالات
یکشنبه 23 آذر 1404
هوش محاسباتی در مهندسی برق
، جلد ۷، شماره ۲، صفحات ۸۹-۱۰۶
عنوان فارسی
جایابی و تعیین ظرفیت بهینه تولیدات پراکنده و خازن با استفاده از الگوریتم چند هدفه کلونی زنبور مصنوعی اصلاح شده با در نظر گرفتن مدلهای مختلف بار
چکیده فارسی مقاله
امروزه با توجه به توسعه شبکههای توزیع و افزایش تقاضای برق، استفاده از منابع تولید پراکنده و بانکهای خازنی به موازات هم افزایش یافته است. در این مقاله، الگوریتم کلونی زنبور مصنوعیِ اصلاحشده بهمنظور بهینهسازی همزمان جایابی و تعیین ظرفیت بهینه منابع تولید پراکنده و خازن پیشنهاد شده است که با هدف کاهش تلفات، انحراف از ولتاژ، هزینه و بهبود شاخص پایداری ولتاژ با درنظرگرفتن مدلهای مختلف بوده است. در الگوریتم طراحیشده، عاملهای جستوجوگر، مسیر حرکت خود را با استفاده از راهحلهای بهدستآمده اصلاح میکنند و عملگرهای تکاملیِ تقاطع و جهش به گسترش جواب کمک میکنند. همچنین بهمنظور بهینهسازی چندهدفه از یک آرشیو خارجی، جهت ذخیره جواب نامغلوب و از منطق فازی، جهت یافتن بهینهترین حالت در میان پاسخهای پارتو بهدستآمده، استفاده شده است. الگوریتم پیشنهادی بر روی شبکه 69 شینه IEEE پیادهسازی شده و نتایج حاصل از این روش، تجزیه و تحلیل شده است. نتایج شبیهسازی، کارآیی و عملکرد مناسب الگوریتم پیشنهادی را در مقایسه با روشهای دیگر نشان میدهد.
کلیدواژههای فارسی مقاله
عنوان انگلیسی
Optimal placement and sizing of distributed generation and shunt capacitor via modified multi-objective artificial bee colony algorithm considering different load models
چکیده انگلیسی مقاله
Nowadays due to development of distribution systems and increase in electricity demand, the use of distributed generation sources and capacitor banks in parallel are increased. In this paper a modified multi-objective artificial bee colony (MABC) algorithm to solve the optimal placement and sizing of distributed generation and shunt capacitor is proposed. The objectives consist of minimization of costs, active losses, voltage deviation and improved voltage stability index incorporated with different load models. In the MABC, the bees adjust their trajectories based on the solutions also mutation and crossover operators are used to enhance the proposed algorithm. The proposed algorithm uses an external repository to save founded Pareto optimal solutions during the search process and fuzzy decision making process is employed to extract one of the Pareto-optimal solutions. The proposed algorithm is tested on the 69-bus IEEE test system and the results demonstrate the applicability and effectiveness of the proposed approach compared to that of other algorithms.
کلیدواژههای انگلیسی مقاله
نویسندگان مقاله
افشین لشکرآرا |
دانشگاه آزاد اسلامی واحد دزفول
سازمان اصلی تایید شده
: دانشگاه آزاد اسلامی دزفول (Islamic azad university of dezful)
میلاد کفایت |
دانشگاه آزاد اسلامی واحد دزفول
سازمان اصلی تایید شده
: دانشگاه آزاد اسلامی دزفول (Islamic azad university of dezful)
جمشید آقایی |
دانشگاه صنعتی شیراز
سازمان اصلی تایید شده
: دانشگاه صنعتی شیراز (Shiraz university of technology)
نشانی اینترنتی
http://isee.ui.ac.ir/article_20725_ee03c327088586cad1ea9b79e0040e25.pdf
فایل مقاله
اشکال در دسترسی به فایل - ./files/site1/rds_journals/1306/article-1306-343712.pdf
کد مقاله (doi)
زبان مقاله منتشر شده
fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به:
صفحه اول پایگاه
|
نسخه مرتبط
|
نشریه مرتبط
|
فهرست نشریات