Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 2

Liczba wyników na stronie
first rewind previous Strona / 1 next fast forward last
Wyniki wyszukiwania
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
EN
Recently, interest in incorporating distributed generators (DGs) into electrical distribution networks has significantly increased throughout the globe due to the technological advancements that have led to lowering the cost of electricity, reducing power losses, enhancing power system reliability, and improving the voltage profile. These benefits can be maximized if the optimal allocation and sizing of DGs into a radial distribution system (RDS) are properly designed and developed. Getting the optimal location and size of DG units to be installed into an existing RDS depends on the various constraints, which are sometimes overlapping or contradicting. In the last decade,meta-heuristic search and optimization algorithms have been frequently developed to handle the constraints and obtain the optimal DG location and size. This paper proposes an efficient optimization technique to optimally allocate multiple DG units into a RDS. The proposed optimization method considers the integration of solar photovoltaic (PV) based DG units in power distribution networks. It is based on multi-objective function (MOF) that aims to maximize the net saving level (NSL), voltage deviation level (VDL), active power loss level (APLL), environmental pollution reduction level (EPRL), and short circuit level (SCL). The proposed algorithms using various strategies of inertia weight particle swarm optimization (PSO) are applied on the standard IEEE 69-bus system and a real 205-bus Algerian distribution system. The proposed approach and design of such a complicated multi-objective functions are ultimately to make considerable improvements in the technical, economic, and environmental aspects of power distribution networks. It was found that EIW-PSO is the best applied algorithm as it achieves the maximum targets on various quantities; it gives 75.8359%, 28.9642%, and 64.2829% for the APLL, EPRL, and VDL, respectively, with DG units’ installation in the IEEE 69-bus test system. For the same number of DG units, EIW-PSO gives remarkable improved performance with the Adrar City 205-bus test system; numerically, it shows 72.3080%, 22.2027%, and 63.6963% for the APLL, EPRL, and VDL, respectively. The simulation results of this study prove that the proposed algorithms exhibit higher capability and efficiency in fixing the optimum DG settings.
PL
Ostatnio zainteresowanie włączeniem generatorów rozproszonych do sieci dystrybucji energii elektrycznej znacznie wzrosło na całym świecie ze względu na postęp technologiczny, który doprowadził do obniżenia kosztów energii elektrycznej, zmniejszenia strat mocy, zwiększenia niezawodności systemu elektroenergetycznego i poprawy profilu napięcia. Korzyści te można zmaksymalizować, jeśli opracuje się i zaprojektuje optymalną alokację i wielkość generatorów rozproszonych w promieniowym systemie dystrybucji. Uzyskanie optymalnej lokalizacji i wielkości jednostek generatorów rozproszonych, które mają być zainstalowane w istniejącym promieniowym systemie dystrybucji, zależy od różnych ograniczeń, które czasami nakładają się lub są sprzeczne. Aby poradzić sobie z ograniczeniami i uzyskać optymalną lokalizację i rozmiar generatora rozproszonego, w ostatniej dekadzie często opracowywano metaheurystyczne algorytmy wyszukiwania i optymalizacji. W niniejszym artykule zaproponowano skuteczną technikę optymalizacji, aby przydzielić wiele jednostek generatorów rozproszonych do promieniowego systemu dystrybucji. Zaproponowana metoda optymalizacji uwzględnia integrację jednostek generatorów rozproszonych opartych na ogniwach fotowoltaicznych w sieciach dystrybucji energii. Opiera się na funkcji wielokryterialnej, która ma na celu maksymalizację poziomu oszczędności netto, poziomu odchylenia napięcia, poziomu utraty mocy czynnej, poziomu redukcji zanieczyszczenia środowiska i poziomu zwarcia. Zaproponowane algorytmy wykorzystujące różne strategie optymalizacji roju cząstek o masie bezwładności (PSO) są stosowane w standardowym systemie IEEE 69-autobus oraz w rzeczywistym algierskim systemie dystrybucji autobusu 205. Proponowane podejście i projekt tak skomplikowanych, wielozadaniowych funkcji ma ostatecznie doprowadzić do znacznej poprawy technicznych, ekonomicznych i środowiskowych aspektów sieci dystrybucyjnych. Stwierdzono, że algorytm EIW-PSO jest najlepszy do zastosowania w systemie testowym IEEE 69-bus, ponieważ osiąga maksymalne cele dla różnych wielkości: 75,8359%, 28,9642% i 64,2829% odpowiednio dla utraty mocy czynnej, poziomu redukcji zanieczyszczenia środowiska i poziomu odchylenia napięcia w procesie instalacji jednostek rozproszonych. Dla tej samej liczby generatorów rozproszonych, EIW-PSO zapewnia znacznie lepszą wydajność w testach autobusów 205 w mieście Adrar; liczbowo: 72,3080%, 22,2027% i 63,6963% odpowiednio dla utraty mocy czynnej, poziomu redukcji zanieczyszczenia środowiska i poziomu odchylenia napięcia. Wyniki symulacji tego badania dowodzą, że zaproponowane algorytmy wykazują większą zdolność i skuteczność w ustalaniu optymalnych ustawień generatorów rozproszonych.
EN
This paper proposes to hybridize the Whale Optimizer (WOA) and Particle Swarm Optimization (PSO) algorithms to achieve optimal integration of Distributed Generator (DG) based photovoltaic sources in the search for optimal allocation. Optimal integration reduces the Active Power Loss (APL) index and enhances the Total Voltage Variation (TVV) index and the Total Operating Cost (TOC) index. The proposed hybrid PSO-WOA algorithm is validated on standard IEEE 33-bus and 69-bus Electrical Distribution Systems (EDS). Numerical and graphical comparative studies were conducted to benchmark the hybrid approach results against those obtained using other powerful algorithms and techniques existing in the literature. Active and reactive branch currents are calculated and plotted to show how the DG affects current flows in the EDS. To make the results more realistic, linear load level variation is considered, with the loads varying from 60% to 120% of the rated loading level.
first rewind previous Strona / 1 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.