الگوي تهيه مقالاتjipet.iaun.ac.ir/article_676187_4d45475bf868f4f687e... · 2021. 1....

JIPET Journal of Intelligent Procedures in Electrical Technology/ Vol. 11/ No. 41/ Spring 2020

P-ISSN: 2322-3871, E-ISSN: 2345-5594, http://jipet.iaun.ac.ir/

Optimal Placement and Sizing of Distributed Generations and Capacitors for Reliability Improvement and Power Loss Minimization in Distribution Networks

Majid Salari1, M.Sc, Fariborz Haghighatdar-Fesharaki1,2, Assistant Professor

1 Department of Electrical Engineering, Najafabad Branch, Islamic Azad University, Najafabad, Iran 2 Smart Microgrid Research Center, Najafabad Branch, Islamic Azad University, Najafabad, Iran

[email protected], [email protected]

Abstract:

Optimal placement and sizing of equipment in engineering systems is one of the most important and

challenging practical problems. Installation of capacitors and distributed generations (DGs) in

distribution systems has many benefits, such as improving the reliability as well as reducing the power

loss, however, includes high investment costs. Hence, the maximum use of these benefits highly depends

on choosing suitable locations for installation. In this paper, the Success Rate Group Search Algorithm

(SRGSO) is used for optimal placement and sizing of DG sources and capacitor banks simultaneously

in distributed systems. The used objective function includes costs of Expected interruption (ECOST),

Energy Not Supplied (ENS), active power losses and DG and capacitor investment, operation and

maintenance. To evaluate the effectiveness of the proposed algorithm in finding the optimal solution,

various capacitor and DG placement scenarios are simulated on the IEEE 33-bus radial distribution test

system. The simulation results show that the proposed method is more effective and has higher capability

for solving the problem of capacitor and DG placement, compared to previously proposed methods.

Using the proposed method in this paper, the value of active power losses as well as bus voltage profile

are improved more than other investigated methods.

Keywords: optimal placement, capacitor bank, distributed generation, reliability, Srgso algorithm

Received: 8 June 2020

Revised: 9 September 2020

Accepted: 20 September 2020

Corresponding Author: Dr. Fariborz Haghighatdar-Fesharaki

Citation: M. Salari, F. Haghighatdar-Fesharaki, “Optimal placement and sizing of distributed generations and

capacitors for reliability improvement and power loss minimization in distribution networks", Journal of Intelligent Procedures in Electrical Technology, vol. 11, no. 43, pp. 83-93, Autumn 2020 (in Persian).

http://jipet.iaun.ac.ir/mailto:[email protected]

83-94 /1399 پاییز /سههای هوشمند در صنعت برق/ سال یازدهم/ شماره چهل و نشریه روش

(83)

پراکنده با هدف بهبود ها و منابع تولید جایابی و تعیین اندازه بهینه خازن

های توزیعقابلیت اطمینان و حداقل نمودن تلفات در شبکه

استادیار ، 2،1فشارکی دارحقیقت ، دانشجوی کارشناسی ارشد، فریبرز1مجید ساالری

آباد، ایراند، دانشگاه آزاد اسالمي، نجفآباواحد نجف -دانشکده مهندسي برق -1 ف آباد، دانشگاه آزاد اسالمي، نجف آباد، ایرانهوشمند، واحد نجهای مرکز تحقیقات ریز شبکه -2

[email protected]

[email protected]

دی ترین مسایل کاربرهای مهندسي یکي از مهمترین و پرچالشمسأله جایابي و تعیین اندازه بهینه تجهیزات در سیستمچکیده:

نان و کاهش های توزیع مزایای زیادی همچون بهبود قابلیت اطمیدر سیستمها(DG ) است. نصب خازن و منابع تولید پراکندهده حداکثری از این مزایا گذاری باالیي را هم در بر دارد. درنتیجه استفاهای سرمایهالبته هزینه .توان را در پي خواهد داشت تلفات

رخ موفقیتنجستجوی گروهي با تمیمقاله از الگور نیدر ا. استها انتخاب مکان مناسب جهت نصب آنتا حد زیادی منوط به های مربوط نهشامل هزی . تابع هدف مورد استفادهاستفاده شده است يشعاع عیتوز ستمیو خازن در س DG جایابي همزمان یراب

اری، تعمیر و گذ(، تلفات توان اکتیو سیستم و هزینه سرمایهENS) (، انرژی تامین نشدهECOST) به وقفه قابل انتظار مشتریوهای مختلف نصب سناری، جواب بهینه افتنیدر یشنهادیپ تمیالگور ياثربخش يابیارز منظوره. باست DGنگهداری بانک خازني و

DG در محیط نرم افزار و خازنMATLAB R2014a شینه استاندارد 33 شعاعي عیتوز ستمیدر سIEEE شده یسازشبیهباالیي در حل های ارائه شده قبلي، قابلیت و توانایيدهد روش پیشنهادی در مقایسه با روشسازی نشان ميشبیه نتایجاست.

ها روفایل ولتاژ باسدارد. با استفاده از روش پیشنهادی در این مقاله، مقادیر تلفات توان اکتیو و پ DGمسأله جایابي خازن و های بررسي شده، بهبود یافته است.روش نسبت به سایر

یافتههبودبجایابي بهینه، بانک خازني، منابع تولیدپراکنده، قابلیت اطمینان، الگوریتم جستجوی گروهي کلمات کلیدی:

19/03/1399تاریخ ارسال مقاله:

19/06/1399تاریخ بازنگری: 30/6/1399تاریخ پذیرش مقاله:

دار فشارکيفریبرز حقیقتدکتر ی مسئول: نام نویسنده

دانشکده مهندسي برق -آبادانشگاه آزاد اسالمي واحد نجفد -لوار دانشگاهب -آبادنجفی مسئول: نشانی نویسنده

mailto:[email protected]

دار فشارکيریبرز حقیقتف -...../ مجید ساالری جایابي و تعیین اندازه بهینه

(84)

مقدمه -1 ر،یاخ یاهدر دهه. رودمي شمار به قدرت سیستم هایقسمت ترینمهم از یکي ق،بر صنعت مشتریان حضور دلیل به توزیع شبکه

برق، انرژی و به رشدر یتقاضا ن،یا بر عالوه اند.مواجه شده يطیمح ی زیستبا مشکالت جد یاندهیطور فزابه يسنت یمنابع انرژراه یافتن ه دنبالب همواره صنعت برق جه،یدر نتایجاد نموده است. قدرت متعارف های ستمیاز س یبرداربهره یرا برا یيهاچالش

در این موثر ایهاقدام ي ازکی .[1،2] است بوده یبردارو بهره ستیز طیبه مسائل مربوط به مح يدگیرس یبرا نیگزیجا یهاحل ،ام نقاط جهانامروزه در تم [.3کننده است ]مصرف و در نزدیکي قدرت هایستمیدر س تولید پراکنده یواحدها زمینه، تخصیص

با [.4] هستند ربا يکیدر نزد پراکندهبرق دیمتمرکز به منابع کوچک تول یهاروگاهیاز ن تبدیل درحال برق دیتول یهاستمیسهای شبکه در انرژی دتولی منابع نفوذ این درصد قیمت، ارزان تجدیدپذیر هایانرژی از و استفاده DG به مربوط هایوریآفن پیشرفت

جویي در ، صرفهشبکه پایداری ولتاژ، پروفیلبهبود سیستم، تلفات موجب کاهش DG استفاده از است. افزایش حال در توزیعاره از های توزیع همودر سیستم های موازیخازن. نصب [5] گرددها و آلودگي محیط زیست ميمصرف سوخت، کاهش هزینه

اصالح ،راکتیو انتو ولتاژ، جبران پروفیل بهبودموجب توزیع هایشبکهنصب بهینه خازن در .ای برخوردار بوده استاهمیت ویژههای تاژ باسشود. با اضافه شدن خازن به سیستم توزیع، ولمي توان کیفیت بهبود و انرژی و توان تلفات کاهش ،قدرت ضریب

جهیزات مورد تتعدد و تنوع .[6] شودانتهایي تقویت شده و با جلوگیری از پدیده کاهش ولتاژ، موجب بهبود کیفیت توان مياز اهمیت توزیع شبکه در اطمینان قابلیت سطح که شده باعث کنندگان،مصرف ها بامستقیم آن ارتباط استفاده در شبکه توزیع و

جریان کاهش ود.نم کنترل راشبکه توزیع راکتیو و اکتیو هاینتوا توانمي خازن وDG بهینه جایابي . باباشدخاصي برخوردار -اطمینان، طوطخ خرابي احتمال کاهششده و با هاگره ولتاژ پروفیل بهبود و شبکه راکتیو و اکتیو تلفات کاهش به منجر خطوط. باشد تهداش وجود DG از صحیحي مکان و اندازه که شودحاصل مي زماني ،مذکور مزایای .[7] یابدمي افزایش سیستم پذیری

این که دهد افزایش ایگونه به را سیستم تلفات است ممکن ،DG موقعیت و اندازه در نامناسب انتخاب که دهدمي نشان مطالعاتاری از محققین موضوع جایابي مولدهای تولید پراکنده مورد توجه بسی .[8] است نداشته حضور DG که شود زماني از بیش مقدار

تلفات ارائه با حداقل کردن DGیک روش تحلیلي برای تعیین مکان بهینه [11]. در مرجع [9،10] های اخیر بوده استدر دههو مسئله مورد های تلفات توان و افت ولتاژ، یک تابع هدف چند منظوره تعریف شدهبا توجه به شاخص [12]شده است. در مرجع

های مختلف مبتني بر هوش مصنوعي بررسي قرار گرفته است. مساله جایابي بهینه مولدهای تولید پراکنده با استفاده از روش، کلوني زنبور [14] زدحام ذرات، ا[13] های ژنتیکگرفته از طبیعت مورد بررسي قرار گرفته است. به عنوان نمونه الگوریتمالهام

الگوریتم جستجوی و [20] ، سنجاقک[19] ، وال[18] ، قطرات آب[17] های هرز مهاجم، علف[16] ، خفاش[15] مصنوعيهای توزیع، موضوع مقاالت ها نیز در سیستماند. نصب و جایابي خازنگرفته شدهبرای این منظور بکار [21] موجودات همزیست

سازی ، بهینه[22] هاسازی کلوني مورچهبهینه توان به استفاده از الگوریتمها ميفراواني بوده است. همچنین در زمینه جایابي خازناشاره نمود. در مرجع [25] و جستجوی فاخته [24] بویایي کوسهسازی های بهینه، الگوریتم[23] یادگیری -مبتني آموزش

ژنتیک و شاخص با استفاده از ترکیب الگوریتم [27]این مسأله با بکارگیری منطق فازی و الگوریتم ایمني و در مرجع [26]های توزیع، جایابي بهینه همزمان در شبکه DG ده از خازن و وری همزمان از مزایای استفامنظور بهرهتشدید حل شده است. به

منظور کاهش تلفات و افزایش این موضوع به [28]رفته است. در مرجع های اخیر بیشتر مورد توجه قرار گدر سال DGخازن و های یتمه از الگورقابلیت اطمینان شبکه با استفاده از الگوریتم جستجوی باکتری صورت گرفته است. برخي از محقیقن با استفاد

های جستجوی هارموني، ازدحام همچنین با ادغام روش .اندبه حل این مسأله پرداخته [30] و چرخه آب [29] جستجوی هارمونيپیشنهاد شده است. در [31] در مرجع DGان خازن و جدیدی جهت جایابي بهینه همزم ذرات و کلوني زنبور مصنوعي، روش

ي انجام شده جستجوی محل با استفاده از ترکیب الگوریتم ژنتیک بهبودیافته و DGجایابي بهینه همزمان خازن و [32]مرجع ده است.شبا استفاده از یک روش تحلیلي و در نظر گرفتن بارهای متغیر بررسي [33]همچنین این مساله در مرجع است.

سازی های بهینهها و الگوریتمدو با استفاده از انواع روش و یا هر DGسازی جایابي خازن، هدف کلیه مقاالت عنوان شده، بهینه نیدر اگذاری، تعمیر و نگهداری سیستم، کلیه پارامترهای شبکه بهبود یابد. های سرمایهبطوریکه عالوه بر کاهش هزینهبوده،

الگوریتم جستجوی با استفاده از يشعاع عیتوز ستمیس کی ي درزنخابانک و DG نهیاندازه بهتعیین و جایابي یبرا يمقاله روش


(85)

با استفاده از الگوریتم جستجوی گروهي معمولي انجام شده [34]جایابي خازن در مرجع ارائه شده است. گروهي بهبود یافتهجستجوی گروهي بهبود یافته انجام است. در این مقاله جایابي بهینه همزمان منابع تولید پراکنده و خازن با استفاده از الگوریتم

شده که تا کنون در مقاالت قبلي بدان پرداخته نشده است. همچنین در این مقاله برخالف مقاالت قبلي مسأله استفاده همزمان ادی کنار تابع هدف اقتصادی، موجب پرهیز از مطالعه صرفاً فني یا اقتص شاخص بهبود شامل مولفه های فني شبکه در از پارامتر

مترهای فني مورد نظر و با ادهد که با توجه به میزان اهمیت پارمساله شده است. بدین ترتیب به مصرف کننده این امکان را ميگیری نماید. به کمک این الگوریتم و همچنین استفاده از شاخص بهبود صرف هزینه اضافي، نسبت به انتخاب جایابي، تصمیم

ها و توانایي روش منظور ارزیابي قابلیتای بهبود یافته است. بهطور قابل مالحظههسازی ب ینهتعریف شده، نتایج حاصل از بهدر نظر گرفته شده است. آزمایش ستمیبه عنوان س IEEEشینه استاندارد 33 شعاعي عیتوزپیشنهادی در این مقاله، سیستم

نانیاطم تیقابل هایشاخص وولتاژ پروفایل ، بهبودتلفات توانبه حداقل رساندن یبرا یشنهادیپ تمیبا استفاده از الگور جینتاسازی آن آسان بوده و دارای بررسي شده است. الگوریتم پیشنهادی، ساده و پیادهو خازن DGهای مختلف نصب برای حالت

های استفاده شده در موضوع جایابي دارد. . این الگوریتم عملکرد بهتری نسبت به سایر الگوریتماستسرعت همگرایي باالیي های ای نسبت به سایر الگوریتمها پس از جایابي، در این روش بهبود قابل مالحظهمقادیر تلفات توان اکتیو و حداقل ولتاژ باس

بکه اشاره های قابلیت اطمینان شساختار مقاله به این صورت است. در بخش دوم به معرفي شاخص ارائه شده در مقاالت دارد.الگوریتم جستجوی ،هارمچدر بخش سپس . گرددميتابع هدف پیشنهادی به همراه قیود مساله عنوان شود. در بخش سوم مي

، ی مسالهجواب بهینه افتنیدر یشنهادیپ تمیالگور ياثربخش يابیارز منظورهدر بخش پنجم ب د.شوگروهي بهبودیافته معرفي مي نتایج حاصل از شده و یسازشبیه یک سیستم تست نمونه در محیط نرم افزاری برایو خازن DGسناریوهای مختلف نصب

گیرد. در بخش سازی منتشر شده در مقاالت علمي، مقایسه شده و مورد بحث قرار ميهای بهینهسازی با نتایج سایر روششبیه شود.گیری ميبندی شده و نتیجهآمده جمع دستهششم نتایج ب

اطمینان شبکه های قابلیتمعرفی شاخص -2

که این امر گاهاً به دالیل مختلف استهای توزیع، تامین انرژی پایدار و با کیفیت مطلوب برای مشتریان ترین هدف سیستممهماهمیت های توزیع دارایرو افزایش قابلیت اطمینان شبکهگردد. از ایناعم از خرابي تجهیزات شبکه و بروز خطاها میسر نمي

های زیرزمیني و خطوط های مشترکین ناشي از خرابي تجهیزات در سیستم توزیع، شامل کابلبخش مهمي از وقفه. استای ویژهافزایش دمای کابل، شاهد وقوع با تر از حد مجازهای باال. در صورت عبور جریاناست هاآن های باال ازعبور جریانبدلیل هوایي

های زیاد از خطوط هوایي موجب عبور جریان سوی دیگر،خواهیم بود. از اتتجهیز خرابيمشکالت عایقي و در نتیجه افزایش نرخ اکتیو هایکاهش مولفه .[35] شودا زمین و افزایش احتمال وقوع شکست الکتریکي ميت هافاصله آن، کاهش هادادن کابل شکم

های زیرزمیني و خطوط و خازن، موجب کاهش نرخ خرابي در کابل DGمناسب یابيجای سیستم در اثر هاجریان شاخه راکتیوو اطمینان قابلیت ارزیابي نتایج اشت.دخواهد سیستم های قابلیت اطمینانتاثیرات قابل توجهي بر بهبود شاخص هوایي شده و

متوسط نرخ اصلي قابلیت اطمینان شامل: یهاشاخص. گرددمي ارائه سیستم کل و بار نقاط هایشاخص قالب در توزیع هایشبکه مختلف هایسیستم مقایسه و ارزیابي . جهتاست (sr)خرابي سیستم و متوسط زمان (su)خروج در سال ، متوسط زمان(sλ)خطا

. [36] ارائه شده است 1366قالب استاندارد در IEEE های تکمیلي مصرف کننده و بار توسط اطمینان، شاخص دید قابلیت از نشد تأمین ، انرژی)2SAIDI(سیستم برق قطع متوسط زماني و دورۀ )1SAIFI(برق سیستم های فرکانس متوسط قطعشاخص

)3ENS( 4(و هزینه وقفه قابل انتظارECOST( در این مقاله مورد بررسي قرار گرفته است. چنانچه DG یهاو خازن در مکان به نانیاطم تیبر قابل راتیتأث نیکنند. ا نیرا تأم راکتیوو اکتیو توان یاز تقاضا يبخش ،بیتوانند به ترتيمناسب نصب شوند، م

دریو خازن، هر ف DG اضافه نمودنقبل از بدین صورت که شود. يدر نظر گرفته م عیتوز دریف یاجزا يخراب زانیعنوان کاهش مi نشدهجبران نرخ خرابي یدارا (uncompiλ) جبران شود، بطور کامل دریشاخه فجریان حقیقي موهومي یا مؤلفه چنانچه. است

جریان حقیقي موهومي یا مؤلفه چنانچه .[82] یابدکاهش ميدرصد 85 مقدارو به (compiλ) ي بهخرابنرخ زانیم شودفرض ميجهت تعیین نرخ خرابي .شودسازی تعیین ميجبرانضریب باصورت رابطه خطي هب خرابيطور کامل جبران نشود، نرخ شاخه به


(86)

آید:دست ميهب با استفاده از رابطه زیر (iα) امین شاخه i سازیجبران بیضردر این حالت، ابتدا αi =

Irnew

Irold ∗

Ianew

Iaold (1)

های اکتیومولفه به ترتیب newaI و oldaIو سازی از جبرانامین شاخه قبل و بعد i های راکتیو جریانبه ترتیب مولفه ،oldrI ،newrI که .شوديم محاسبه (2) با استفاده از رابطه امi شاخه دیجد مقدار نرخ خرابي هستند. سپسسازی آن قبل و بعد از جبران

λi−new = αi(λiuncomp

− λicomp

) + λicomp (2 )

بندی مسالهفرمول -3د مساله بصورت و بانک خازني در سیستم توزیع، تابع هدف اقتصادی به همراه قیو DGمنظور تعیین جایابي بهینه واحدهای هب

زیر در نظر گرفته شده است.

تابع هدف -1-3 يبجایامنظور هب . در این مقالهاستی اجرای آن طرح گیری در اجرای هر طرح، بحث هزینهیکي از موثرترین پارامترهای تصمیم

یک تابع هدف مبتني بر هزینه استفاده شده است. از (3خازني، مطابق رابطه ) و بانک DGهای واحدTCOST = ECOST + COSTENS + KPPLOSS + CC (3)

LOSSP، هنشد هزینه مربوط به انرژی تامین ENSCOST قابل انتظار، وقفه هزینه ECOSTسیستم، هزینه کل TCOSTکه در آن، . است GDسرمایه گذاری و تعمیر و نگهداری بانک خازني و هایهزینه CC ضریب هزینه تلفات و PKتلفات توان اکتیو،

قیود مساله -2-3ان و پایداری سیستم مواردی است که باید در رابطه با کیفیت توبرداری و های بهرهشرایط حاکم بر مساله عمدتاً شامل محدودیت

بار در یک سیستم ها و همچنین معادالت پخشلحاظ شوند. این قیود مربوط به روابط بین ولتاژ، جریان و توان عبوری بین شینه یهاروش نیاز مؤثرتر يککه ی [37]یشرو پ -استفاده از روش پخش بار پسروها با تلفات شبکه و ولتاژ گره. میزان هستندقدرت

پس باشد. جازیک حد مدر دیبا شینهولتاژ در هر شود. اندازه، محاسبه مياست يشعاع عیتوز هایستمیبار در س پخش لیتحل مقدارینه کمتر از ولتاژ شچنانچه .، مقدار ولتاژ هر شینه بایستي در محدوده معقولي تغییر کنددر شبکه DGاز جایابي خازن و

و ظرفیت کانماز لحاظ و واحدهای تولید پراکنده های خازنيمناسب بانک تخصیصعدم بیانگر باشد، ولتاژ تعریف شدهکمینه (4صورت رابطه )هدیت ب. این محدوکندمشکالت اضافه ولتاژ را ایجاد مي. تجاوز مقدار ولتاژ از مقدار بیشینه ولتاژ مجاز نیز است

.[38]گردد بیان ميVmin ≤ Vi ≤ Vmax (4)

اکتیو تزریق شده ر. مجموع توان استها به ترتیب، حداقل و حداکثر ولتاژ مجاز شین maxVو minVام، iولتاژ شینه iVکه در آن رفیت بیشتر در نظر ظ. چنانچه این بار راکتیو موجود در شبکه باشدمیزان با باید کمتر از یا مساوی ،DGبه شبکه توسط خازن و

گردد.ن ميبیا (5)صورت رابطه همحدودیت توان راکتیو ب .وجود خواهد آمدگرفته شود، مشکالت اضافه ولتاژ در شبکه بهQc

Total + QDGTotal ≤ QD (5)

کنند.بیان مياکتیو و راکتیو را توانش بار شرط همگرایي پخ (7و ) (6روابط )Pgi − Pdi − Vi ∑ VjYij cos(δi − δj − θij)

nj=1 = 0 (6 )

Qgi − Qdi − Vi ∑ VjYij sin(δi − δj − θij)nj=1 = 0 (7 )

diQ و diP ام، i ر شینهد تولیدی توان اکتیو و راکتیو giQو giP ام، i ولتاژ شینه اویهزاندازه و به ترتیب iδ و iVق، در روابط فو ام و i در شینه DGری توان ظاه DGiS ام، jام و iبین شینه ادمیتانس اویهاندازه و ز ijθو ijyام، iاکتیو و راکتیو شینه بارهای

TotalcQ ،TotalDGQ وDQ ،به ترتیب مجموع توان راکتیو بانک خازنيDG هستندو مورد نیاز شبکه.


(87)

(5SRGSO) تم جستجوی گروهی بهبود یافتهمعرفی الگوری -4 2009 سال الهام گرفته از رفتار جستجوی حیوانات بوده و در یک الگوریتم تکاملي، (6GSO)ي ساز جستجوی گروهالگوریتم بهینه

شوند. تقسیم مي 10و تکاور 9کننده، برداشت8ی مولداعضای موجود در گروه به سه دسته .[93] معرفي گردیدهمکارانش و 7هي توسطبهتر منابع یجستجو یرا برا طیمحو شدهانتخاب مولدرا دارد، به عنوان مقدار برازندگي نیعضو گروه که بهتر کیدر هر تکرار،

ع یافت شده کننده انتخاب شده و جستجو را با هدف پیوستن به مناببخشي از اعضای گروه به عنوان برداشت کند.ياسکن مه و در محیط دهند. مابقي اعضاء نیز تحت عنوان تکاور از موقعیت فعلي خود بصورت تصادفي حرکت کردتوسط مولد ادامه مين پارامتر بیانگر ای است.تعقیب فاصله حداکثر پارامتر الگوریتم، ینا پارامترهای ترینمهم از شوند. یکيجستجو پراکنده مي

منظوره. باست ابتث تکامل دوره طول در ی قدم قابل برداشت توسط عضو مولد و اعضای تکاور در هر تکرار بوده وحداکثر اندازه .[40]این الگوریتم، از الگوریتم جستجوی گروهي بهبود یافته استفاده شده است بهبود

گروه اعضاء یتموفق بازخوردی از توسط تطبیقي صورتبه تکرار هر در تعقیب فاصله پارامتر حداکثر در این الگوریتم، مقدارگروه رایيعت همگ، سرمولد و تکاور ءاعضا یهاگام زانیکند تا با هماهنگ کردن ميتالش م یشنهادیپ یاستراتژشود. مي تعیین

و حام ذراتازدهای جستجوی مستقیم، های جستجوی استفاده شده درالگوریتمبا ترکیب روش GSOمتعادل سازد. الگوریتم راهای ابتکاری ی روشمسائلي را که برا توانديمهای تکاملي، شبیه به یک الگوریتم اکتشافي هیبرید عمل کرده و سایر الگوریتم

باشد. همچنین يمی آن آسان ساز ادهیو پبوده ساده يمفهوم تمیالگور تر حل نماید. این الگوریتم، یکتکي مشکل هستند، راحت اسیمق مسائل لهاز جم یسازنهیبه مسائلانواع و قادر به حل نداشته یتحساس ،هاتکاورپارامترها به جز درصد اکثرنسبت به

یهاممینیاز م یادیتعداد ز باباشد. الگوریتم جستجوی گروهي برای حل مسائل پیوسته، حتي با توابع هدف ناهموار )ميبزرگ است.بسیار مناسب ي(محل

سازینتایج شبیه -5جام شده ان MATLAB R2014aنرم افزار طیدر مح IEEEباسه استاندارد 33سازی مساله بر روی یک شبکه توزیع شعاعي شبیه

کیلوولت 66/12 اژ ناميمورد مطالعه با ولت خطي سیستمپارامترهای شبکه استخراج و مطالعه شده است. دیاگرام تک و مقادیر بهینه .[41] نشان داده شده است (1شکل ) در کیلو ولت آمپر j3715+2300 اوج طیدر شرا و مجموع بار

باسه 33توزیع تست خطی سیستم(: دیاگرام تک1) شکل

Figure (1): Single line diagram of the 33 bus distribution test system ي، ماتریس شعاع عیتوز ستمیس ي درخازنبانک و DG نهیاندازه بهتعیین و منظور استفاده از الگوریتم پیشنهادی جهت جایابيهب

وه شامل اندازه و . ابعاد گراستتعداد بعد مساله mتعداد اعضای گروه و nگردد که در آنتعریف ميn×m اعضای گروه با ابعاد شود.در نظر گرفته مي (8ها بوده و بصورت رابطه )ها و خازنDGمکان

Group = [n × m]

S

33 32 31 30 28 29 27 26

24 25

23

22

21

20

19 18 16 17 14 15 12 13 10 11 9 8 7 6 5 4 3 2


(88)

m = [DGsize1DGloc1 … DGsizen DGlocn CAPsize1 CAPloc1 … CAPsizen CAPlocn ] (8) ه مربوط به اسمي و هزین . اندازهاستها ها و خازنDGبه ترتیب اندازه و مکان CAPlocو DGsize ،DGloc ،CAPsizeکه در آن

DGآورده شده است (1های قابل تخصیص در جدول )ها و خازن. هار سناریو چو بانک خازني در سیستم مورد آزمایش و انتخاب حالت بهینه، DG جایابي جهت بررسي پارامترهای شبکه در اثر

اریوهای دوم و است. در سن DGگرفتن خازن و مورد مطالعه قرار گرفته است. سناریوی اول مربوط به حالت پایه و بدون درنظریز جایابي همزمان صورت جداگانه و با تعداد متفاوت لحاظ شده است. در سناریوی چهارم نبه DGسوم، به ترتیب جایابي خازن و

با تعداد مختلف مورد بررسي قرار گرفته است. DGخازن و

Table (1): Available DG and capacitor size and costs های موجودو خازن DG(: سایز و هزینه 1) جدول

(kw) سایز 250 500 750 1000 1250 1500 1750 2000DG

($) هزینه 750 1000 1250 1500 1800 2100 2300 2500 (kvar) سایز 150 300 450 600 900 1200 1800 2400

خازن ($) هزینه 750 975 1140 1320 1650 2040 3366 4080

میزان بهبود مورد ودر فرآیند مطالعه، برای هر سناریو پارامترهای شبکه محاسبه و با مقدار مشابه در حالت پایه مقایسه شده

اب بهترین حالت در منظور انتخه، باستبررسي قرار گرفته است. با توجه به اینکه تابع هدف در نظر گرفته شده، صرفاً اقتصادی گردد.ریف ميتع (9) متشکل از پارامترهای فني شبکه با احتساب ضرایب وزني، مطابق رابطه (Index) هر سناریو، شاخص بهبود

Index = ∑ ki5i=1 fiو ∑ ki5i=1 = ∋ ki و1 [0,1] (9)

دست هب (10ابطه )رار حالت پایه و مطابق آن پارامتر پس از جایابي به مقدریک از پارامترهای شاخص بهبود، از تقسیم مقدار ه آیند:مي

f1 =ENS

ENSBasef2 و =

Ploss

PlossBasef3 و =

VDI

VDIBasef4 و =

SAIFI

SAIFIBasef5 و =

SAIDI

SAIDIBase (10)

ضرایب وزني 5k الي 1k بوده و همچنین SAIDI و ENS ،lossP ،VDI ،SAIFIهای مربوط به ترتیب شاخصبه 5fالي 1fکه در آن بیانگر (3f)راف ولتاژ پارامتر انح .است 15/0و 15/0، 2/0، 3/0، 2/0و به ترتیب برابر با هر شاخص با توجه به میزان اهمیت آن

آید: دست ميهب (11بوده و با استفاده از رابطه )پریونیت ها نسبت به مقدار یکمجموع مقدار انحراف اندازه ولتاژ باسVDI = ∑ |Vi − 1|

NBi=1 (11)

نوان گزینه بهتر عملکرد بهتر آن سیستم بوده و به عدست آمده در هر حالت کمتر باشد، بیانگر ههرچقدر میزان شاخص بهبود بت به حالت پایه، برای ها نسبباسه به همراه میزان بهبود آن 33گردد. نتایج جایابي بهینه و مقادیر پارامترهای شبکه انتخاب مي

است. داده شده نشان (2مختلف در جدول ) DGبار اجرای الگوریتم برای تعداد خازن و 100سناریوهای مختلف، پس از تابع هزینه، نسبت به سناریوهای دیگر دارای کمترین مقدار DGدهد سناریوی جایابي همزمان خازن و بررسي نتایج نشان مي

ENS ،lossPانحراف ولتاژ و ،SAIDI 62/14مین نشده درصد، انرژی تا 77/29باشد. بطوریکه در این سناریو مقدار تابع هزینه مي ه بهبود پیدا درصد نسبت به حالت پای 33/8به میزان SAIDIدرصد و 05/86درصد، انحراف ولتاژ 54/90 درصد، تلفات توان

ه است. مقادیر نمایش داده شد (2لف نسبت به حالت پایه در شکل )کرده است. میزان بهبود پروفایل ولتاژ در سناریوهای مختدر INDEXبیشترین کاهش را داشته است. شاخص بهبود DGدر سناریوی جایابي SAIDIو ECOST،SAIFIمربوط به

است.دارای کمترین مقدار بوده و بیانگر بهترین گزینه جایابي DGسناریوی جایابي همزمان خازن و


(89)

(: پروفایل ولتاژ سناریوهای مختلف 2) شکل

Figure (2): Voltage profile of different scenarios

Table (2): Results of 33 bus System Simulation باسه 33(: نتایج شبیه سازی سیستم 2) جدول

حالت پایه خازنجایابي DGجایابي DG جایابي خازن و

(30 )1200- (10 )300 - (13 )003- (7 )300- (5 )150

(30 )900- (24 )450 - Capacitor size in Kvar (Bus)

(25 )750- (16 )500 (30 )1250

(13)500- (7)750 (30)1000- (25)750 - - DG size in Kw (Bus)

(77/29 )90093 (31/24 )97092 108620 (33/15) 128290 TCOST in $ (% Reduction)

(82/12 )74050 (14/12 )74629 74737 (02/12) 84945 ECOST in $ (% Reduction)

(62/14 )32268 (93/13 )32530 32488 (05/14) 37798 ENS in kwh (% Reduction)

(54/90 )95/19 (68/67 )192/68 71/130 (05/38) 9950/210 in kw LOSSP (% Reduction)

(05/86 )2516/0 (54/68 )5677/0 1632/1 (54/35) 8045/1 VDI in p.u (% Reduction)

(33/8 )2386/0 (67/7 )2444/0 2416/0 (23/7) 2604/0 SAIFI in f/y (% Reduction)

(21/20 )1962/0 (79/21 )1923/0 2010/0 (27/18) 2459/0 SAIDI in h/y (% Reduction)

4841/0 5920/0 7484/0 1 INDEX

مرتبه تکرار 200طي صورت عدم دستیابي به نتیجه بهتر گردد و درمرتبه تکرار مي 1000 در هربار اجرای برنامه، حلقه الگوریتمتکرار اول در 100دی برای سازی تابع هدف پیشنهابرنامه متوقف خواهد شد. روند همگرایي الگوریتم پیشنهادی در بهینهحلقه، نشان داده شده است. (3) شکل

ه تلفات توان و میزان های ارائه شده در مقاالت، مقادیر مربوط بمنظور مقایسه عملکرد الگوریتم پیشنهادی با سایر الگوریتمبهان داده شده است. ( نش4( و )3ود آن پس از جایابي و همچنین کمترین مقدار اندازه ولتاژ در سناریوهای مختلف در جداول )بهب

د مقادیر افت ، موجب بهبوTCOSTدهد الگوریتم پیشنهادی در تمامي سناریوها عالوه بر کاهش هزینه اقتصادی نتایج نشان مي است. های قابلیت اطمینان شدهتوان و شاخص


(90)

(: روند همگرایی الگوریتم پیشنهادی3) شکل

Figure (3): Convergence process of the proposed algorithm

Table (3): Results comparison in different algorithms for scenarios 1,2 2و1 سناریوهای برای لفمخت هایالگوریتم در نتایج مقایسه(: 3) جدول

SRGSO WCA[30] Pso [ 42و30 ] IMDE [42] FGA [42] BFOA [42] Analytical

approach [43]

حالت پایه

(Kw)LOSSP 995/210 211 211 211 211 211 211

(p.u.) minV (Bus No)

(18) 904/0 (18)904/0 (18) 904/0 (18)904/0 (18)904/0 (18) 904/0 (18) 904/0

TCOST($) 128290 128290 128290 128290 128290 128290 128290

جایابي خازن

Capacitor size

in Kvar (Bus)

(7)300- (5)150 (24)450- (13)300

(30)900

(14)3/397 (24)1/451 (30)1000

(7)450- (2)900 (15)300- (31)450

(29)450

(14 )475 (30 )1037

(18 )950 (30 )700

(18 )350 (30 )820 (33 )277

(33 )1000

TCOST($) 108620 108990 111120 110240 151950 116230 122270

(Kw)LOSSP 71/130 912/130 48/132 7/139 3/141 04/144 6/164 (p.u.) minV

(Bus No) (18 )9384/0 (18 )951/0 )*(945/0 (18 )942/0 (18)929/0 )*(936/0 (18)916/0

SAIFI( f/y) 2416/0 2432/0 2486/0 2505/0 3323/0 2631/0 2819/0

SAIDI(h/y) 2010/0 2066/0 2065/0 2144/0 5947/0 2594/0 2910/0


(91)

Table (4): Results comparison in different algorithms for scenarios 3,4 4و3 سناریوهای برای مختلف هایالگوریتم در نتایج مقایسه(: 4) جدول

SRGSO WCA[30] Pso [ 42و30 ] IMDE [42] FGA [42] BFOA [42] Analytical

approach [43]

جایابي DG

DG size in Kw (Bus)

(13)500- (7)750 (25 )750 (30 )1000

(14 )6/854 (24 )7/1101

(29 )1181

(8 )8/1176 (13 )6/981 (32 )7/829

(14 )840 (30 )1130

(7 )600 (32 )1100

(7 )633 (18 )90 (33 )947

(18 )1000

TCOST($) 97092 99353 104670 100760 10678 108780 125070

(KW)LOSSP 19/68 052/71 35/105 28/84 7/119 3/98 34/142 (p.u.) minV

(Bus No) (18)9674/0 (33)973/0 (30)980/0 (33)971/0 (18)935/0 )*(964/0 (33)931/0

SAIFI( f/y) 2444/0 2446/0 2534/0 2492/0 2586/0 2635/0 2856/0

SAIDI(h/y) 1923/0 2063/0 2151/0 2091/0 2251/0 2484/0 3403/0

جایابي و خازن

GD

Capacitor size

in Kvar (Bus) (10)300 (30)1200

(23 )465 (30 )565 (11 )535

(30 )1457 (16 )8/254 (30 )3/932

(16 )650 (33 )800

(18) 163 (30 )541 (33 )338

(32 )500 (33 )400

DG size in Kw (Bus)

(25 )750 (16)500 (30)1250

(25 )973 (29 )1040 (11 )563

(6)2511 (10 )1080 (31 )4/896

(7 )600 (32 )1100

(17 )542 (18 )160 (33 )895

(17 )559 (18 )447

TCOST($) 90093 934750 99058 92860 110350 113420 114420

(KW)LOSSP 19.95 68/24 70/59 08/32 5/59 41/41 28/84

(p.u.) minV (Bus No)

(18)984/0 (33)980/0 (18)955/0 (25)979/0 (18)96/0 )*(978/0 (30)961/0

SAIFI( f/y) 2386/0 2433/0 2534/0 2459/0 2870/0 2880/0 2856/0

SAIDI(h/y) 1962/0 2032/0 2182/0 2029/0 2944/0 3772/0 3403/0

شماره باس در مقاالت مذکور ارائه نشده است.* گیرینتیجه -6

در شبکه توزیع DGدر این مقاله روشي بر مبنای الگوریتم بهینه سازی جستجوی گروهي برای جایابي بهینه همزمان خازن و اطمینان شبکه و سرمایه گذاری لحاظ شده قابلیت به تلفات،های مربوط ارائه شد. در تابع هدف اقتصادی پیشنهاد شده، هزینه

دهد، باسه استاندارد برای سناریوهای مختلف نشان مي 33است. نتایج حاصل از پیاده سازی روش پیشنهادی بر روی شبکه تست و بهبود پروفایل در شبکه توزیع مورد تست، عالوه بر کاهش میزان هزینه، موجب کاهش تلفات DGجایابي همزمان خازن و

گردد. با استفاده از الگوریتم پیشنهادی، نتایج حاصل از جایابي و حالت پایه مي DGولتاژ نسبت به حاالت جایابي جداگانه خازن و همزمان های ارائه شده در مقاالت، بهبود یافته است. جایابي بهینهای نسبت به سایر روشبطور قابل مالحظه DGهمزمان خازن و

ع تولید پراکنده و خازن با استفاده از الگوریتم جستجوی گروهي بهبود یافته تا کنون در مقاالت مورد بررسي قرار نگرفته منابشاخص بهبود شامل مولفه های فني شبکه درکنار تابع هدف اقتصادی، موجب پرهیز از مطالعه است. استفاده همزمان از پارامتر

دهد با در نظر گرفتن میزان اهمیت پارامترهای فني مورد به مصرف کننده این امکان را مي صرفاً فني یا اقتصادی مساله شده ونظر و با صرف هزینه اضافي، نسبت به انتخاب جایابي تصمیم گیری نماید که این مهم نیز در مقاالت قبلي مورد توجه قرار نگرفته

است.


(92)

References

مراجع[1] A. Ansari, F. Haghighatdar-Fesharaki, “Placement of phasor measurement units in power networks and

optimal distribution of measurement redundancy”, Journal of Intelligent Procedures in Electrical Technology,

vol. 9, no. 36, pp. 3-14, Winter 2019 (in Persian).

[2] M. Mahdavian, N. Behzadfar, “A review of wind energy conversion system and application of various

induction generators”. vol. 8, no. 4, pp. 55-66, Journal of Novel Researches on Electrical Power, Winter 2020

(in Persian).

[3] M. Doostan, S. Navaratnan, S. Mohajeryami, V. Cecchi, "Concurrent placement of distributed generation

resources and capacitor banks in distribution systems", Proceeding of the IEEE/NAPS), pp. 1-6, Denver, CO,

USA, Nov. 2016 (doi: 10.1109/NAPS.2016.7747935).

[4] S. Nawaz, A.K. Bansal, M.P. Sharma, "Allocation of DG and capacitor units for power loss reduction in radial

distribution system", Proceeding of the IEEE/ICRAIE, pp. 1-6, Jaipur, India, Dec. 2016 (doi:10.1109/ICRAI-

E.2016.7939475).

[5] K.S. Sambaiah, "A review on optimal allocation and sizing techniques for DG in distribution systems",

International Journal of Renewable Energy Research, vol. 8, no. 3, pp.1236-1256, Sept. 2018.

[6] N. Gnanasekaran, S. Chandramohan, P. SathishKumar, A.M. Imran, "Optimal placement of capacitors in radial

distribution system using shark smell optimization algorithm", Ain Shams Engineering Journal, vol. 7, no. 2,

pp. 907-916, June 2016 (doi:10. 1016/j.asej.2016.01.006).

[7] R. Baghipour, S. M.Hosseini, "Placement of DG and capacitor for loss reduction, reliability and voltage

improvement in distribution networks using BPSO", I.J. Intelligent Systems and Applications, vol.12, no.12,

pp. 57-64, Nov. 2012 (doi:10.5815/ijisa.2012.12.08).

[8] A. J. Mena, J. A. M. Garcia, "An efficient approach for the siting and sizing problem of distributed generatio",

Electrical Power and Energy Systems, vol. 69, pp.167-172, July 2015 (doi: 10. 1016/j.ijepes. 2015.01.011).

[9] H. Bagheri, M. Shakarami, “Novel fuzzy-iwo method for reconfiguration simultaneous optimal DG units

allocation”, Journal of Intelligent Procedures in Electrical Technology, vol. 6, no. 21, pp. 13-20, Spring 2015

(in Persian).

[10] M. Fooladgar, E. Rokrok, B. Fani, G. Shahgholian, “Evaluation of the trajectory sensitivity analysis of the

DFIG control parameters in response to changes in wind speed and the line impedance connection to the grid

DFIG”, Journal of Intelligent Procedures in Electrical Technology, vol. 5, no. 20, pp. 37-54, Winter 2015 (in

Persian).

[11] C. Wang, M. H. Nehrir, "Analytical approaches for optimal placement of distributed generation sources in

power systems", IEEE Trans.power syst., vol. 19, no. 4, pp. 2068-2076, Nov. 2004 (doi: 10.1109/TPWRS.

2004.836189).

[12] L. F. Ochoa, A. Padilha-Feltrin, G. P. Harrison, "Evaluating distributed generation impacts with a multi

objective index", IEEE Trans.power delivery, vol. 21, no. 3, p.p. 1452-1458, July. 2006, (doi: 10.1109/TPWR-

D.2005.860262).

[13] S. Ganguly, D. Samajpati, "Distributed generation allocation with on-load tap changer on radial distribution

networks using adaptive genetic algorithm", Applied Soft Computing, vol. 59, pp. 45-67, Oct. 2017 (doi:

10.1016/j.asoc.2017.05.041).

[14] A. Kaviani-Arani, "Optimal placement and sizing of distributed generation units using Co-Evolutionary

particle swarm optimization algorithms", TELKOMNIKA Indonesian Journal of Electrical Engineering, vol.

13, no. 2, pp. 247-256, Feb. 2015 (doi: 10.11591/telkomnika.v13i2.7026 ).

[15] N. Mohandas, R. Balamurugan, L. Lakshminarasimman, "Optimal location and sizing of real power DG units

to improve the voltage stability in the distribution system using ABC algorithm united with chaos",

International journal of Electrical Power and Energy Systems, vol. 66, pp. 41-52, March 2015 (doi: 10.101-

6/j.ijepes.2014.10.033).

[16] CH. Yammani, S. Maheswarapu, M. S. Kumari, "Optimal Placement and sizing of DER's with load models

using BAT algorithm", Arabian Journal for Science and Engineering, Springer, vol. 39, no. 6, pp. 4891-4899.

June. 2014 (doi: 10.1007/S13369-014-1174-8).

[17] D. R. Prabha, T. Jayabarathi, "Optimal placement and sizing of multiple distributed generating units in

distribution networks by invasive weed optimization algorithm", Ain Shams Engineering Journal, vol. 7, no.

2, pp. 683-694, June. 2016 (doi: 10.1016/j.asej.2015.05.014).

[18] H. B. Tolabi, M. H. Ali, M. Rizwan "Novel hybrid fuzzy-intelligent water drops approach for optimal feeder

multi objective reconfiguration by considering Multiple-Distributed generation", Journal of Operation and

Automation in Power Engineering, vol. 2, no. 2, pp. 91-102, Summer and Autumn 2014.

https://www.sciencedirect.com/science/article/pii/S2090447916000149#!https://www.sciencedirect.com/science/article/pii/S2090447916000149#!https://www.sciencedirect.com/science/article/pii/S2090447916000149#!https://www.sciencedirect.com/science/article/pii/S2090447916000149#!https://www.sciencedirect.com/science/article/pii/S2090447916000149#!https://ieeexplore.ieee.org/xpl/conhome/7636702/proceedinghttps://doi.org/10.1109/NAPS.2016.7747935https://www.sciencedirect.com/science/article/pii/S2090447916000149#!https://www.sciencedirect.com/science/article/pii/S2090447916000149#!https://www.sciencedirect.com/science/article/pii/S2090447916000149#!https://doi.org/10.1109/ICRAIE.2016.7939475https://doi.org/10.1109/ICRAIE.2016.7939475https://www.sciencedirect.com/science/article/pii/S2090447916000149#!https://www.sciencedirect.com/science/article/pii/S2090447916000149#!https://www.sciencedirect.com/science/article/pii/S2090447916000149#!https://www.sciencedirect.com/science/article/pii/S2090447916000149#!https://www.sciencedirect.com/science/article/pii/S2090447916000149#!https://www.sciencedirect.com/science/journal/20904479https://doi.org/10.1109/TPWRS.2004.836189https://doi.org/10.1109/TPWRS.2004.836189https://www.sciencedirect.com/science/article/pii/S2090447916000149#!https://www.sciencedirect.com/science/article/pii/S2090447916000149#!https://www.sciencedirect.com/science/article/pii/S0142061515000307#!https://www.sciencedirect.com/science/article/pii/S0142061515000307#!https://www.sciencedirect.com/science/article/pii/S0142061515000307#!https://doi.org/10.1109/TPWRS.2004.836189https://doi.org/10.1109/TPWRS.2004.836189https://doi.org/10.1109/TPWRS.2004.836189https://doi.org/10.1109/TPWRD.2005.860262https://doi.org/10.1109/TPWRD.2005.860262https://doi.org/10.1016/j.asoc.2017.05.041http://dx.doi.org/10.11591/telkomnika.v13i2.7026https://doi.org/10.1016/j.ijepes.2014.10.033https://doi.org/10.1016/j.ijepes.2014.10.033https://link.springer.com/journal/13369https://doi.org/10.1109/ICCPCT.2013.6528945https://doi.org/10.1016/j.asej.2015.05.014


(93)

[19] D. B. Prakash, C. Lakshminarayana, "DG placements in radial distribution system for multi objectives using

Whale optimization algorithm", Alexandria Engineering Journal, vol. 57, no. 4, pp. 2797-2806, Dec. 2018

(doi: 10.1016/j.aej.2017.11.003).

[20] U. Sultana et al, "Placement and sizing of multiple distributed generation and battery swapping stations using

Grasshopper optimizer algorithm", Energy, vol. 165, pp. 408-421, Dec. 2018 (doi: 10.1016/j.energy 2018.0

9.083).

[21] T. P. Nguyen, D. N. VO, T. T. Tran, "Optimal number, location, and size of distributed generators in distribut-

ion systems by symbiotic organism search based method", Power Engineering and Electrical Engineering,

vol.15, no. 5, pp. 724-735, Jan. 2017 (doi: 10.15598/aeee.v15i5.2355).

[22] C. H. Chang, "Reconfiguration and capacitor placement for loss reduction of distribution systems by Ant

colony search algorithm", IEEE Trans. on Power Systems, vol.23, no. 4, pp. 1747-1755, Nov. 2008 (doi:

10.1109/ TPWRS.2008.2002169).

[23] S. Sultana, P. K. Roy, "Optimal capacitor placement in radial distribution systems using teaching learning

based optimization", International journal of Electrical Power and Energy Systems, pp. 387–398, Jan. 2014

(doi: 10.1016/ j.ijepes.2013.07.011).

[24] N. Gnanasekaran, S. Chandramohan, P. S. Kumar, A. M. Imran, "Optimal placement of capacitors in radial

distribution system using shark smell optimization algorithm", Ain Shams Engineering Journal, vol. 7, no. 2,

pp. 907-916, June. 2016 (doi: 10.1016/j.asej.2016.01.006).

[25] K. R. Devabalaji, T. Yuvaraj, K. Ravi, "An efficient method for solving the optimal sitting and sizing problem

of capacitor banks based on cuckoo search algorithm", Ain Shams Engineering Journal, vol. 9, no. 4, pp. 589–

597, Dec. 2018 (doi: 10.1016/j.asej.2016.04.005).

[26] G. w. Chang, W. C. Chang, C. S. Chuang, D. Y. Shih, "Fuzzy logic and immune-based algorithm for placem-

ent and sizing of shunt capacitor banks in a distorted power network", IEEE Trans. power delivery, vol. 26,

no. 4, pp. 2145-2153, Oct. 2011(doi: 10.1109/TPWRD.2011.2167246).

[27] J. H. D. Onaka et al, "A posteriori decision analysis based on resonance index and NSGA-II applied to the

capacitor banks placement problem", Electric Power Systems Research, vol.151, pp. 296–307, May. 2017

(doi: 10.1016/j.epsr. 2017.05.041).

[28] E. R. Biju, M. Anitha, "Placement of DG and capacitor for loss reduction and reliability improvement in radial

distribution systems using BFA", ARPN Journal of Engineering and Applied Sciences, vol. 10, no 20, pp.

9604-9613, Nov. 2015.

[29] V. Kona, R. Kollu, "A Multi-Objective approach for DG and capacitor placement using harmony search

algorithm", Proceeding of the IEEE/ICOAC, pp. 320-325, Chennai, India, Dec. 2017 (doi:10.1109/ICoAC.2

017.8441380).

[30] A. A. Abou El-Ela, R. A. El-Sehiemy, A. S. Abbas, "Optimal placement and sizing of distributed generation

and capacitor banks in distribution systems using water cycle algorithm", IEEE Systems Journal, vol. 12, no.

4, pp. 3629-3636, Dec. 2018 (doi: 10.1109/JSYST.2018.2796847).

[31] K. Muthukumar, S. Jayalalitha, "Optimal placement and sizing of distributed generators and shunt capacitors

for power loss minimization in radial distribution networks using hybrid heuristic search optimization

technique", International journal Electrical Power and Energy Systems, pp. 299-319, vol. 78, June. 2016 (doi:

10.1016/j.ijepes.2015.11.019).

[32] E. A. Almabsout, R. A. EL-Sehiemy, O. N. Ucan, O. Bayat, "A hybrid local Search-Genetic algorithm for

simultaneous placement of DG units and shunt capacitors in radial distribution systems", IEEE Access, vol.8

, pp. 54465-54481, Mar. 2020 (doi:10.1109/ACCESS.2020.2981406 ).

[33] S. Kamel, A. Amin, A. Selim, M. H. Ahmed, "Optimal placement of DG and capacitor in radial distribution

systems considering load variation", Proceeding of the IEEE/ICCCEEE, Khartoum, Sudan, Sudan, Sept. 2019

(doi: 10. 1109/ICCCEEE46830.2019.9071384 ).

[34] M. Abbasi, "Optimal capacitor placement to improve distribution network efficiency by considering reliability

of capacitors", Proceeding of the ICEECET Norway, 1395 (https://www.civilica.com/Paper-ICEECET03-

ICEECET03_002.html ( .

[35] R. E. Brown, "Electric power distribution reliability", New York. Basel, Marcel Dekker Inc., 2009.

[36] IEEE 1366-2012, "IEEE Guide for electric power distribution reliability indices IEEE", Power & Energy

Society, May.2012.

[37] J. A. M. Rupa, S. Ganesh, "Power flow analysis for radial distribution system using backward/forward sweep

method", World Academy of Science, Engineering and Technology International Journal of Electrical and

Computer Engineering, vol. 8, no. 10, pp. 1628-1632, 2014.

[38] A. Zeinalzadeh, Y. Mohammadi, M. H. Moradi, " Optimal multi objective placement and sizing of multiple

DGs and shunt capacitor banks simultaneously considering load uncertainty via MOPSO approach", Electrical

Power and Energy Systems, pp. 336-349, vol. 67, May. 2015 (doi: 10.1016/j.ijepes.2014.12.010).

https://doi.org/10.1016/j.aej.2017.11.003https://www.sciencedirect.com/science/journal/03605442https://doi.org/10.1016/j.energy.2018.09.083https://doi.org/10.1016/j.energy.2018.09.083https://doi.org/10.1016/j.energy.2018.09.083http://dx.doi.org/10.1109/TPWRS.2008.2002169http://dx.doi.org/10.1109/TPWRS.2008.2002169http://dx.doi.org/10.1016/j.ijepes.2013.07.011https://doi.org/10.1016/j.asej.2016.01.006https://doi.org/10.1016/j.asej.2016.04.005https://doi.org/10.1109/TPWRD.2011.2167246http://dx.doi.org/10.1109/ICoAC.2017.8441380http://dx.doi.org/10.1109/ICoAC.2017.8441380https://doi.org/10.1109/JSYST.2018.2796847https://doi.org/10.1016/j.ijepes.2015.11.019https://ieeexplore.ieee.org/xpl/RecentIssue.jsp?punumber=6287639https://ieeexplore.ieee.org/xpl/conhome/5707362/proceedinghttps://ieeexplore.ieee.org/xpl/conhome/5707362/proceedinghttps://doi.org/10.1109/ACCESS.2020.2981406https://ieeexplore.ieee.org/xpl/conhome/5707362/proceedinghttps://doi.org/10.1109/PEDES.2010.5712450https://doi.org/10.1109/ICCCEEE46830.2019.9071384


(94)

[39] S. He, Q. H. Wu, J. R. Saunders, "Group search optimizer :An optimal algorithm inspired by animal searching

behavior", IEEE Trans. on Evolutionary Computation, pp. 973-990, vol. 13, no. 5, Oct. 2009 (doi: 10.1109/T-

EVC.2009.2011992).

[40] M. Hasanzadeh, S. Sadeghi, A. Rezvanian, M. R. Meybodi, " Success rate group search optimiser", Journal

of Experimental & Theoretical Artificial Intelligence, pp. 53-69, no. 5, Nov. 2014 (doi:10.1080/0952813X.

2014.971467).

[41] S. Banerjee, P. K. Ghosh, "Study of loading status for all branches in chronological order at different

conditions in a radial distribution systems using reactive loading index technique", Proceeding of the

IEEE/PEDES, New Delhi, India, Dec. 2010 (doi: 10.1109/PEDES.2010.5712450).

[42] A. Khodabakhshian, M. H. Andishgar, "Simultaneous placement and sizing of DGs and shunt capacitors in

distribution systems by using IMDE algorithm", Electrical Power and Energy Systems, pp. 599-607, vol. 82,

Nov. 2016 (doi: 10.1016/j.ijepes.2016.04.002 ).

[43] S. Gopiya, D. K. Khatod, M. P. Sharma, "Optimal allocation of combined DG and capacitor for real power

loss minimization in distribution networks", Electrical Power and Energy Systems, pp. 967-973, vol. 53, Dec.

2013 (doi: 10. 1016/j.ijepes.2013.06.008 ).

ها:زیرنویس

1. System average interruption frequency index

2. System average interruption duration index

3. Energy not supplied

4. Expected interruption cost

5. Success rate group search algorithm

6. Group search algorithm

7. S. HE 8. Producer

9. Scrounger

10. Ranger
https://ieeexplore.ieee.org/xpl/RecentIssue.jsp?punumber=4235https://doi.org/10.1109/TEVC.2009.2011992https://doi.org/10.1109/TEVC.2009.2011992https://doi.org/10.1109/PEDES.2010.5712450https://ieeexplore.ieee.org/xpl/conhome/5707362/proceedinghttps://ieeexplore.ieee.org/xpl/conhome/5707362/proceedinghttps://doi.org/10.1109/PEDES.2010.5712450https://doi.org/10.1109/PEDES.2010.5712450https://ieeexplore.ieee.org/xpl/conhome/5707362/proceedinghttps://ieeexplore.ieee.org/xpl/conhome/5707362/proceedinghttps://doi.org/10.1109/PEDES.2010.5712450https://doi.org/10.1016/j.ijepes.2013.06.008

الگوي تهيه مقالاتjipet.iaun.ac.ir/article_676187_4d45475bf868f4f687e... · 2021. 1....

Documents