شبیه سازی جایابی خازن با الگوریتم ژنتیک برای شبکه 69 باسه

ga

جایابی بهینه خازن در شبکه توزیع

توان راکتیو مصرفی بارهای موجود در شبکه از طریق ژنراتورهای سیستم قدرت تامین می گردد. تامین توان راکتیو توسط آن ها باعث اشغال خطوط سیستم های قدرت شده و مشکلاتی برای خطوط انتقال ایجاد می کند. برای تامین توان راکتیو این بارها در محل مصرف از خازن استفاده می شود. حال سوال اینجاست : مکان قرار گیری خازن در کدام قسمت شبکه و نزدیک به کدام بار باشد؟ چندین سال پیش مرکز ثقل بارها را بعنوان مکان بهینه خازن در نظر می گرفتند. اما امروزه این مسئله را توسط الگوریتم های بهینه سازی مورد بررسی قرار داده و مکان بهینه خازن را تعیین می کنند. جایابی خازن در شبکه توزیع نه تنها می تواند باعث بهبود پروفیل ولتاژ شبکه گردد بلکه اگر به صورت بهینه جایابی شود تلفات شبکه را نیز تا حد زیادی کاهش خواهد داد. جایابی خازن در شبکه های توزیع هم چنین می تواند باعث تزریق توان راکتیو در محل مصرف به بارها شده و ظرفیت خطوط را تا حد کافی آزاد نماید.

این محصول جایابی بهینه خازن با متلب بوده و بر روی شبکه 69 باسه مورد بررسی قرار گرفته است. شبکه 69 باسه را در شکل زیر مشاهده می کنید:

جایابی خازن با الگوریتم ژنتیک
جایابی خازن با الگوریتم ژنتیک

در این شبکه ولتاژ شین 27 بسیار کاهش یافته و از نظر کیفیت توان به هیچ عنوان قابل قبول نیست. جهت جلوگیری از این مورد بهترین راه جایابی خازن در این شبکه می باشد.

جایابی بهینه خازن با الگوریتم ژنتیک

حال اگر مسئله را جهت بهینه سازی با الگوریتم ژنتیک مورد بررسی قرار دهیم. خواهیم دید مکان و اندازه ای برای خازن ها به دست می آید که خازن بزرگ تر نزدیک شین 27 و یا سایر شین هایی که افت ولتاژ در آن ها زیاد بوده است، قرار گرفته اند. الگوریتم ژنتیک از جمله قوی ترین الگوریتم های بهینه سازی است که اکثر دانشجویان از این الگوریتم برای بهینه سازی استفاده می کنند. اگر فرض بر این باشد که جایابی خازن با هدف کاهش تلفات شبکه و بهبود پروفیل ولتاژ صورت می گیرد. در این صورت الگوریتم ژنتیک ابتدا برای تمام اعضای خود یک کروموزمی تشکیل داده و هر قسمت از این کروموزم معرف مکان و اندازه ی خازن ها می باشد. سپس از تابع هدف اصلی مقدار تلفات شبکه در هنگام جایگذاری خازن مربوط به هر عضو را محاسبه کرده و این عمل را چندین بار تکرار می کند. البته در داخل الگوریتم ژنتیک مسائل مربوط به crossover و mutation نیز وجود دارد که در این محصول به صورت جداگانه گنجانده شده اند.

در نهایت بعد از جایابی بهینه خازن همانطور که انتظار می رفت پروفیل ولتاژ دچار بهبود گردد ، نمودار پروفیل ولتاژ بهبود یافته به دست می آید. این نمودار نشان دهنده ی قبل و بعد از جایابی خازن با متلب است که رنگ آبی نشان دهنده ی پروفیل ولتاژ بعد از مکان یابی خازن می باشد که با بهبودی همراه است.

جایابی بهینه خازن با الگوریتم ژنتیک
جایابی بهینه خازن با الگوریتم ژنتیک

از طرف دیگر اکثر مقالات از نمودار همگرایی برای نشان دادن کاهش مقدار تابع هدف استفاده می کنند. این نمودار نیز نشان دهنده ی نمودار همگرایی در کاهش تلفات شبکه با جایابی خازن توسط الگوریتم ژنتیک را نشان می دهد. همانطور که مشاهده می کنید مقدار تابع هدف در هر تکرار کاهش یافته و در نهایت به صفر رسیده است.

جایابی بهینه خازن با الگوریتم ژنتیک برای شبکه 69 باسه
جایابی بهینه خازن با الگوریتم ژنتیک برای شبکه 69 باسه

در حالت کلی این محصول حاوی فایل های متلب مربوط به بدنه ی اصلی الگوریتم ژنتیک ، crossover ، mutation و تابع هدف شامل پخش بار پسرو پیشرو شبکه 69 باس و … بوده و نحوه ی اجرا و ران کردن ، همچنین تغییرات بر روی اعضا و تعداد تکرار و … در فایل ویدیویی زیر نشان داده شده است.

محصولات مشابه

پخش بار شبکه های شعاعی به روش پسرو – پیشرو ، آموزش + کدنویسی

شبیه سازی جایابی خازن با الگوریتم ژنتیک برای شبکه 33 باسه

شبیه سازی جایابی بهینه منابع تولید پراکنده با الگوریتم ژنتیک برای شبکه 33 باسه + کد

مکان یابی بهینه خازن و منابع تولید پراکنده برای حداقل سازی تلفات توان

مکان یابی DG بر اساس پایداری ولتاژ در شبکه های توزیع

مکان یابی بهینه DG (منابع تولید پراکنده ) در شبکه های توزیع

 

محتوی بسته : m فایل های جایابی خازن با الگوریتم ژنتیک بر روی شبکه 69 باسه در متلب فایل های مربوط به بدنه ی اصلی الگوریتم ژنتیک نه تولباکس آن

تومان ۳۵,۰۰۰

دیدگاهها

ارسال دیدگاه

ایمیل شما نمایش داده نخواهد شد.