پیوندهای مفید
آمار
| تعداد نشریات | 21 |
| تعداد شمارهها | 692 |
| تعداد مقالات | 10,049 |
| تعداد مشاهده مقاله | 71,053,315 |
| تعداد دریافت فایل اصل مقاله | 62,504,543 |
ارائه یک رویکرد چند هدفه فازی برای بازآرایی دینامیکی شبکه توزیع در حضور واحدهای تولید پراکنده و سیستم های ذخیره انرژی | ||
| مدل سازی در مهندسی | ||
| مقاله 14، دوره 20، شماره 71، دی 1401، صفحه 175-188 اصل مقاله (1.84 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22075/jme.2022.26352.2229 | ||
| نویسندگان | ||
| حسین لطفی1؛ محمد ابراهیم حاجی آبادی* 1؛ مهدی صمدی2 | ||
| 1دانشگاه حکیم سبزواری | ||
| 2گروه برق، دانشکده مهندسی برق و کامپیوتر، دانشگاه حکیم سبزواری، سبزوار، ایران | ||
| تاریخ دریافت: 30 بهمن 1400، تاریخ بازنگری: 19 تیر 1401، تاریخ پذیرش: 30 مرداد 1401 | ||
| چکیده | ||
| نفوذ منابع تولید پراکنده و واحدهای ذخیره انرژی در شبکههای توزیع در حال افزایش میباشد و اثر این واحدها میتواند کارایی شبکه را تحت تاثیر قرار دهد. در این مطالعه مسئله بازآریی شبکه توزیع در حضور واحدهای تولید پراکنده و سیستم های ذخیره انرژی در قالب پویا مدلسازی شده است. در مطالعات رایج بازآریی شبکه توزیع معمولا به توابع هدفی مانند تلفات توجه بیشتری میشود، اما اهمیت توابع هدف جدیدتری نظیری قابلیت اطمینان و امنیت شبکه کمتر مورد بررسی قرار گرفته است. در این مقاله، توابع هدف انرژی توزیع نشده بعنوان شاخص قابلیت اطمینان، شاخص پایداری ولتاژ بعنوان تابع امنیت شبکه در کنار هزینه بهره برداری برای مسئله بازاریی پویا شبکه معرفی شده است.مسئله بهینه سازی بازآریی شبکه توزیع، یک مسئله غیر خطی و غیر محدب است، در نظر گرفتن اثر واحدهای تولید پراکنده و ذخیره انرژی باعث پیچیدگی بیشتر مسئله بهینه سازی میشود. از این رو، الگوریتم بهینه سازی روانشناسی دانش اموزی مبتنی بر منطق فازی برای مسئله بهینه سازی تک و چند هدفه مسئله بازاریی دینامیکی شبکه توزیع ارائه شده است. دقت روش پیشنهادی بر روی دو سیستم ارزیابی 33 باسه و 119 باسه تست ارزیابی میشود و برتری ان از طریق مقایسه با سایر روش های تکاملی نشان داده میشود. | ||
| کلیدواژهها | ||
| بازاریی شبکه توزیع؛ واحدهای تولید پراکنده؛ سیستم های ذخیره انرژی؛ انرژی توزیع نشده؛ شاخص پایداری ولتاژ؛ هزینه بهره برداری | ||
| عنوان مقاله [English] | ||
| Presenting a fuzzy multi-objective approach for dynamic reconfiguration of the distribution network in the presence of distributed generation units and energy storage systems | ||
| نویسندگان [English] | ||
| hossein lotfi1؛ Mohammad Ebrahim Hajiabadi1؛ Mahdi Samadi2 | ||
| 1Department of Electrical and Computer Engineering, Hakim Sabzevari University, Sabzevar | ||
| 2Electrical and Computer Engineering Faculty, Hakim Sabzevari univerisity, Sabzevar, Iran. | ||
| چکیده [English] | ||
| The penetration of distributed generation resources and energy storage units in distribution networks is increasing and the effect of these units can affect the efficiency of the network. In this study, the problem of distribution network reconfiguration in the presence of distributed generation units and energy storage systems is modeled in a dynamic framework. Conventional distribution network reconfiguration studies usually pay more attention to the loss objective function, but the importance of newer objective functions such as network reliability and security has been less explored. In this paper, the objective functions of energy not supplied as a reliability index, voltage stability index as a function of network security along with operational cost for the dynamic distribution network reconfiguration problem are introduced. The problem of distribution network reconfiguration is a nonlinear and non-convex problem, considering the effect of distributed generation and energy storage units further complicates the optimization problem. Hence, the fuzzy logic-based student psychology optimization algorithm for the single-objective and multi-objective optimization problem of the dynamic distribution network reconfiguration problem is proposed. The accuracy of the proposed method is evaluated on two test systems of 33 bass and 119 bass test and its superiority is shown by comparison with other evolutionary methods. | ||
| کلیدواژهها [English] | ||
| Dynamic network reconfiguration, Distributed generation units, Energy storage systems, Energy Not Supplied, Voltage stability index, Operational cost | ||
| مراجع | ||
|
[1] P. Zhang, W. Li, and S. Wang, "Reliability oriented distribution network reconfiguration considering uncertainties of data by interval analysis," International Journal of Electrical Power & Energy Systems, Vol. 34, No. 1, pp. 138-144, 2012. [2] Azizivahed, A., Narimani, H., Fathi, M., Naderi, E., Safarpour HR, and Narimani, M.R., "Multi-objective dynamic distribution feeder reconfiguration in automated distribution systems, " Energy, Vol. 147, pp.896–914, 2018. [3] Mahboubi-Moghaddam, E., Narimani, M.R., Khoban, M.H., Azizivahed, A., and Sharif, M.," Multi-objective distribution feeder reconfiguration to improve transient stability, and minimize power loss and operation cost using an enhanced evolutionary algorithm at the presence of distributed generations, " International Journal of Electrical Power & Energy Systems, Vol.76, 2016, pp. 35-43. [4] T. Niknam, E. Azadfarsani, and M. Jabbari, "A new hybrid evolutionary algorithm based on new fuzzy adaptive PSO and NM algorithms for distribution feeder reconfiguration," Energy Conversion and Management, Vol. 54, No. 1, 2012, pp. 7-16. [5] M. Abdelaziz, "Distribution network reconfiguration using a genetic algorithm with varying population size," Electric Power Systems Research, Vol. 142, 2017, pp. 9-11. [6] M. Nick, R. Cherkaoui, and M. Paolone, "Optimal Planning of Distributed Energy Storage Systems in Active Distribution Networks Embedding Grid Reconfiguration," IEEE Transactions on Power Systems, 2017. [7] M. Kaur and S. Ghosh, "Network reconfiguration of unbalanced distribution networks using fuzzy-firefly algorithm," Applied Soft Computing, Vol. 49, 2016, pp. 868-886. [8] R. Pegado, Z. Ñaupari, Y. Molina, and C. Castillo, "Radial distribution network reconfiguration for power losses reduction based on improved selective BPSO," Electric Power Systems Research, Vol. 169, 2019, pp. 206-213. [9] Alonso, F., D. Oliveira, and A.Z. de Souza, “Artificial immune systems optimization approach for multi-objective distribution system reconfiguration,” IEEE Transactions on Power Systems, Vol.30, No.2, 2015, pp. 840-847. [10] قاسم میر بابایی، مسعود رادمهر و علیرضا ذکریازاده، "مدلسازی مدیریت منابع انرژی پراکنده در ریزشبکه با استفاده از روش توزیع شده"مجله مدل سازی در مهندسی،سال هفدهم، شماره 57، تابستان 1398، صفحه 241-252. [11] جمشید آقایی، امین رحیمی و محمد رضا کریمی، " هماهنگی نیروگاههای بادی و دستگاههای ذخیره ساز سیستم قدرت در مسئله ی برنامهریزی امنیت-مقید مشارکت واحدها با استفاده از بهینه سازی استوار "مجله مدل سازی در مهندسی، سال شانزدهم، شماره 53، تابستان 1397، صفحه 207-220. [12] Azizivahed, A., Narimani, H., Naderi, E., Dathi, M., and Narimani, M.R.,"A hybrid evolutionary algorithm for secure multi-objective distribution feeder reconfiguration,". Energy, Vol.138, 2017, pp.355-373. [13] Siahbalaee, J., N. Rezanejad, and G.B. Gharehpetian, "Reconfiguration and DG Sizing and Placement Using Improved Shuffled Frog Leaping Algorithm, " Electric Power Components and Systems, Vol.47, 2020, pp. 1475-88. [14] H. Lotfi, A. Azizivahed, A. A. Shojaei, S. Seyedi, and M. F. B. Othman, "Multi-objective Distribution Feeder Reconfiguration Along with Optimal Sizing of Capacitors and Distributed Generators Regarding Network Voltage Security," Electric Power Components and Systems, Vol. 49, 2021, pp. 652-68. [15] M. Sedighizadeh, M. Esmaili, and M. Mahmoodi, "Reconfiguration of distribution systems to improve reliability and reduce power losses using Imperialist Competitive Algorithm," Iranian Journal of Electrical and Electronic Engineering, Vol. 13, No. 3, 2017, pp. 287-302. [16] A. Viet Truong, T. Ngoc Ton, T. Thanh Nguyen, and T. Duong, "Two states for optimal position and capacity of distributed generators considering network reconfiguration for power loss minimization based on runner root algorithm," Energies, Vol. 12, No. 1, 2019,pp. 106. [17] H. Teimourzadeh and B. Mohammadi-Ivatloo, "A three-dimensional group search optimization approach for simultaneous planning of distributed generation units and distribution network reconfiguration," Applied Soft Computing, Vol. 88, 2020, pp. 106012. [18] Esmaeili, M., M. Sedighizadeh, and M. Esmaili, "Multi-objective optimal reconfiguration and DG (Distributed Generation) power allocation in distribution networks using Big Bang-Big Crunch algorithm considering load uncertainty, " Energy, Vol.103, 2016, pp. 86-99. [19] Bayat, A., A. Bagheri, and R. Noroozian, " Optimal siting and sizing of distributed generation accompanied by reconfiguration of distribution networks for maximum loss reduction by using a new UVDA-based heuristic method, " International Journal of Electrical Power & Energy Systems, Vol.77, 2016, pp. 360-371. [20] Z. Li, S. Jazebi, and F. De León, "Determination of the optimal switching frequency for distribution system reconfiguration," IEEE Transactions on Power Delivery, Vol. 32, No. 4, 2017, pp. 2060-2069. [21] F. Ding and K. A. Loparo, "Feeder reconfiguration for unbalanced distribution systems with distributed generation: a hierarchical decentralized approach," IEEE Trans. Power Syst, Vol. 31, No. 2, 2016, pp. 1633-1642. [22] Rahmani-Andebili, M., "Dynamic and adaptive reconfiguration of electrical distribution system including renewables applying stochastic model predictive control, " IET Generation, Transmission & Distribution, Vol. 11, No.16, 2017, pp. 3912-3921. [23] Ameli, A., Ahmadifar, A., Shriatkhah, Vakilian, M., M.H., and Haghifam, M.R., "A dynamic method for feeder reconfiguration and capacitor switching in smart distribution systems," International Journal of Electrical Power & Energy Systems, Vol.85, 2017, pp. 200-211. [24] M. Chakravorty and D. Das, "Voltage stability analysis of radial distribution networks," International Journal of Electrical Power & Energy Systems, Vol. 23, No. 2, 2001,pp. 129-135. [25] H. Lotfi, "Multi-Objective Network Reconfiguration and Allocation of Capacitor Units in Radial Distribution System Using an Enhanced Artificial Bee Colony Optimization," Electric Power Components and Systems, Vol. 49, No. 13-14, 2022, pp. 1130-42. [26] علیرضا رحیمی، عباس دیده بان و رضا کی پور، " استراتژی کنترلی نوین در سیستمهای انرژی ترکیبی بادی- خورشیدی برمبنای تعیین محدودههای بهینه شارژ و دشارژ باتریها در بازههای زمانی مختلف "مجله مدل سازی در مهندسی، سال شانزدهم، شماره 55، زمستان 1397، صفحه 163-173. [27] Das B, Mukherjee V, and Das D. " A new population-based optimization algorithm for solving optimization problems," Advances in Engineering Software, Vol.146, 2020, pp.102804. [28] Narimani MR, Azizivahed A, Azizpanah-Abarghooee R, and Javidsharifi M. “Enhanced gravitational search algorithm for multi-objective distribution feeder reconfiguration considering reliability, loss and operational cost”. IE Gen Transm Distrib, Vol. 8, 2014, pp. 8:55e69. [29] A. Azizivahed, S. Ghavidel, M. J. Ghadi, L. Li, and J. Zhang, "New energy management approach in distribution systems considering energy storages," in 2017 20th international conference on electrical machines and systems (ICEMS), IEEE, 2017, pp. 1-6. [30] A. Azizivahed, M. Barani, S.-E. Razavi, S. Ghavidel, L. Li, and J. Zhang, "Energy storage management strategy in distribution networks utilised by photovoltaic resources," IET Generation, Transmission & Distribution, Vol. 12, No. 21, 2018, pp. 5627-5638. [31] D. Zhang, Z. Fu, and L. Zhang, "An improved TS algorithm for loss minimum reconfiguration in large-scale distribution systems," Electric Power Systems Research, Vol. 77, No. 5-6, 2007,pp. 685-694.
| ||
|
آمار تعداد مشاهده مقاله: 772 تعداد دریافت فایل اصل مقاله: 469 |
||