Optimization of distributed generation placement using particle swarm optimization method at Sampang feeder

• Autorzy: Sulistyowati Riny , Sujono Hari Agus , Cipta Yudha

Identyfikatory

DOI

10.15199/48.2022.11.16

Warianty tytułu

PL

Optymalizacja rozmieszczenia generacji rozproszonej za pomocą metody optymalizacji roju cząstek w podajniku Sampang

• Języki publikacji: EN

Abstrakty

EN

Placement of Distributed Generation in a distribution network has increased power losses due to improper DG connection. One technique to reduce power losses is to determine the exact location of the DG connection through optimization. Optimizing the placement of DG connection locations at the substation aims to minimize power losses in the distribution system of the substation. This research was conducted at the substation in Blegah Sampang Regency. The initial power flow obtained in the distribution system power losses of 1560 KW. To optimize the DG connection, the Particle Swarm Optimization (PSO) method is used. This PSO method was chosen because it can provide more stable results according to the inputted fitness. After applying the PSO method to the distribution network system of the substation in Sampang, the minimum power loss in the distribution system reaches 906 KW. The most optimal DG placement is on Bus 5 and the average power losses are reduced by 58%. Uses are duly drawn.

PL

Umieszczenie generacji rozproszonej w sieci dystrybucyjnej spowodowało wzrost strat mocy z powodu niewłaściwego połączenia DG. Jedną z technik zmniejszania strat mocy jest określenie dokładnej lokalizacji połączenia DG poprzez optymalizację. Optymalizacja rozmieszczenia lokalizacji przyłączy DG w podstacji ma na celu zminimalizowanie strat mocy w systemie dystrybucyjnym podstacji. Badania te przeprowadzono w podstacji w Blegah Sampang Regency. Początkowy przepływ mocy uzyskany w systemie rozdzielczym straty mocy 1560 KW. Aby zoptymalizować połączenie DG, stosuje się metodę optymalizacji roju cząstek (PSO). Ta metoda PSO została wybrana, ponieważ może zapewnić bardziej stabilne wyniki w zależności od wprowadzonej sprawności. Po zastosowaniu metody PSO w systemie sieci dystrybucyjnej stacji w Sampang minimalna strata mocy w systemie dystrybucyjnym sięga 906 KW. Najbardziej optymalne umieszczenie DG znajduje się na magistrali 5, a średnie straty mocy są zmniejszone o 58%. Zastosowania są należycie sporządzone.

Słowa kluczowe

EN

distributed generation; DG; particle swarm optimization; PSO; drop voltage; power loss

PL

rozmieszczenie generatora; sieć rozproszona; optymalizacja rojowa

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2022
• Tom: R. 98, nr 11
• Strony: 92--96
• Opis fizyczny: Bibliogr. 12 poz., rys., tab.

Twórcy

autor

Sulistyowati Riny

• Department of Electrical Engineering Institut Teknologi Adhi Tama Surabaya. Indonesia

autor

Sujono Hari Agus

• Department of Electrical Engineering Institut Teknologi Adhi Tama Surabaya. Indonesia

autor

Cipta Yudha

• Department of Electrical Engineering Institut Teknologi Adhi Tama Surabaya. Indonesia

Bibliografia

• [1] Y. M. Atwa and E. F. El-Saadany. ”Optimal allocation of ESS in distribution systems with a high penetration of wind energy”. IEEE Trans PowerSyst. vol 25. no. 4. pp. 1815-1822. Nov. 2010
• [2] Aguero. J.R.. dan Steffel. S.J.. “Integration Challenges of Photovoltaic Distributed Generation on Power distribution Systems”. IEEE Power and Energy Society General Meeting. ISSN: 1944-9925. pp. 1-6.. San Diego. CA. 2011
• [3] C Hiyan and C Jinfu. “Power Flow study and Voltage stability and Analysis for Distribution System with Distributed Generation”. in proceding.IEEE. 2008
• [4] Verayiah R.. Mohamed A.. Shareef H.. Abidin I. Z.. “UnderVoltage Load Shedding Scheme Using Meta-heuristic Optimization Methods”. Przeglad Elektrotechniczny 90 (2014). nr. 11. 162-168
• [5] Zhu Y. Tang X.. “Overview of swarm intelligence. Computer Application and System Modeling”. 9(2010). pp. 400-409.doi:10.1109/ICCASM.2010.5623005
• [6] Manusov. V.. Matrenin. P.. Kokin. S.. “Swarm intelligencealgorithms for the problem of the optimal placement and operation control of reactive power sources into power grids”. International Journal of Design & Nature and Ecodynamics. 12 (2017). No. 1. 101-112. doi: 10.1109/EPE.2017.7967231
• [7] Der Vani D.. Roselyn J.P.. Genetic algorithm based reactive power dispatch for voltage stability improvement. International Journal of Electrical Power & Energy Systems. 32(2010). No. 10. 1151-1156
• [8] R. Sulistyowati. M. Ashari. D. Candra. “Clustering Based Optimal Sizing and Placement of PV-DG Using Neural Network”. Advanced Science Letters 23 (3). 2373-2375.2017
• [9] Mantawy A.H.. Abdel-Magid Y. L.. Selim S.Z.. “IntegratingGenetic Algorithms. Tabu Search. and Simulated Annealing for the Unit Commitment Problem”. IEEE Transactions on PowerSystems. 14 (1999). No. 3. 829-836
• [10] R. Sulistyowati. D. Candra . R. Seto. M. Ashari. Optimum Placement of Measurement Devices on Distribution Networks using Integer Linear K-Means Clustering Method. Przeglad Elektrotechniczny. 2020. Doi:10.15199/48.2020.10.23
• [11] Minguez R.. Milano F.. Zarate-Minano R.. Conejo A.. Optimal Network Placement of SVC Devices. IEEE Trans. Power Syst. 22 No. 4.1851-1861. 2007
• [12] Singh J.G.. Singh S. N.. Srivastava S. C.. An Approach for Optimal Placement of Static VAR Compensators Based on Reactive Power Spot Price. IEEE Trans. Power Syst.22 (2007). No.4. 2021-2029

Uwagi

Opracowanie rekordu ze środków MEiN, umowa nr SONP/SP/546092/2022 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2022-2023).