شبیه سازی جایابی DG با الگوریتم PSO برای شبکه 33 باسه

pso

جایابی منابع تولید پراکنده با الگوریتم پرندگان (PSO)

حضور منابع تولید پراکنده در سیستم الکتریکی ، اگر چه بهره برداری از آن را پیچیده نموده است بلکه مزایای فراوانی را برای سیستم قدرت به ارمغان آورده است. برنامه ریزی درست، مکان و اندازه بهینه منابع تولید پراکنده از اهمیت زیادی برخوردار است. جایابی DG امروزه در مقالات مختلف برای کاهش تلفات شبکه و یا بهبود پروفیل ولتاژ برخی شین های شبکه که دچار افت ولتاژ شده اند صورت می گیرد. در این قسمت نیز مکان یابی منابع تولید پراکنده بر روی شبکه 33 باسه IEEE با هدف کاستن تلفات کلی شبکه و بهبود پروفیل ولتاژ مورد بررسی قرار گرفته است. از آنجایی که مرسوم است برای شبکه های شعاعی از پخش بار پسرو پیشرو استفاده شود. ما نیز در این قسمت از محاسبات خود در متلب از پخش بار پسرو پیشرو جهت یافتن مقادیر ولتاژ و جریان شاخه ها استفاده نموده ایم.

جایابی منابع تولید پراکنده
جایابی منابع تولید پراکنده

 

جایابی بهینه منابع تولید پراکنده با الگوریتم ازدحام ذرات (PSO) در متلب

اگر به صورت ساده بخواهیم مکان یابی منابع تولید پراکنده را مورد بررسی قرار دهیم. شاید لازم باشد بیش از میلیاردها حالت را برای یافتن مکان و اندازه بهینه مورد بررسی قرار دهیم. بخاطر محدودیت زمانی نیاز است تا از الگوریتم های بهینه سازی برای یافتن پاسخ بهینه استفاده نماییم. لذا از الگوریتم های بهینه سازی بخصوص از الگوریتم های بهینه سازی تکاملی در مسائل مکان یابی استفاده می شود. الگوریتم PSO در بهینه سازی همانند الگوریتم ژنتیک امروزه فراگیر شده و معمولا اکثر دانشجویان جهت حل مسائل مربوط به بهینه سازی از این الگوریتم ها استفاده می کنند. جایابی بهینه DG بر روی شبکه 33 باسه توسط الگوریتم ازدحام ذرات با هدف کاهش تلفات شبکه و بهبود پروفیل ولتاژ موضوعی است که در این محصول به آن پرداخته شده است. در الگوریتم پرندگان (PSO) ابتدا تعدادی جمعیت بر روی فضای حالت مسئله پخش شده و سپس هر کدام از اعضا مقدار تابع هدف و مکان دقیق خود را اعلام می نمایند. بعد از این کار بهترین عضو که دارای کم ترین مقدار تابع هدف است، به عنوان نفر اول انتخاب می شود. مکان بعدی سایر اعضا تحت مکان بهترین عضو با فرمول های خاص این الگوریتم تغییر یافته و مکان دیگری برای سایر اعضا به دست می آید. این مراحل آن قدر تکرار می شود تا بهترین عضو و مکان و شرایط آن مشخص گردد. و این موضوع در جایابی DG نیز آنقدر تکرار می گردد تا مکان یابی بهینه منابع تولید پراکنده به اتمام رسیده و بهترین عضو که حاوی مکان و اندازه مربوط به DG ها در شبکه 33 باسه است، به دست  آید.

در این محصول از تولباکس PSO استفاده نشده است. بلکه خود برنامه ی الگوریتم PSO در متلب نوشته شده و برای جایابی DG از آن استفاده شده است.

در نهایت بعد از جایابی منابع تولید پراکنده 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 DG است که رنگ سبز نشان دهنده ی پروفیل ولتاژ بعد از مکان یابی منابع تولید پراکنده می باشد که با بهبودی همراه است.

جایابی منابع تولید پراکنده با PSO
جایابی منابع تولید پراکنده با PSO

از طرف دیگر در اکثر مقالات از نمودار همگرایی مربوط به الگوریتم های بهینه سازی نیز استفاده می شود. این نمودار نشان هنده ی کاهش میزان تابع هدف (تلفات شبکه در این محصول) در هر بار تکرار می باشد. در واقع نشان می دهد که در هر بار تکرار این مقدار با کاهش همراه بوده و بعد از چند بار تکرار ثابت مانده است.

جایابی منابع تولید پراکنده با PSO
جایابی منابع تولید پراکنده با PSO

در حالت کلی این محصول حاوی فایل های متلب مربوط به بدنه ی اصلی الگوریتم ازدحام ذرات ، تابع هدف : شامل پخش بار پسرو پیشرو شبکه 33 باس و … بوده و نحوه ی اجرا و ران کردن ، همچنین تغییرات بر روی اعضا و تعداد تکرار و … در فایل ویدیویی آن نشان داده شده است.

محصولات مشابه

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

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

شبیه سازی جایابی بهینه خازن با الگوریتم ژنتیک برای شبکه 33 باسه + کد

شبیه سازی جایابی خازن و منابع تولید پراکنده با الگوریتم ژنتیک + کد

مکان یابی DG بر اساس پایداری ولتاژ در شبکه های توزیع

 

محتوی بسته : m فایل های مربوط به جایابی dg با الگوریتم PSO در متلب استفاده از بدنه ی اصلی الگوریتم PSO نه تولباکس آن

تومان ۲۵,۰۰۰ تومان ۲۰,۰۰۰

دیدگاهها

ارسال دیدگاه

ایمیل شما نمایش داده نخواهد شد.