یک روش ترکیبی برای جایابی بهینه جبران‌سازهای شنت برای کاهش پدیده بازیابی تاخیری ولتاژ ناشی از خطا (fidvr)

استفاده گسترده از سیستم‌های تهویه مطبوع خانگی (rac) در سیستم‌های قدرت مدرن باعث افزایش پدیده بازیابی تاخیری ولتاژ ناشی از خطا (fidvr) شده‌ا‌ست. وقوع این پدیده منجر به ناپایداری ولتاژ کوتاه‌مدت شده و گاهی نیز به فروپاشی ولتاژ می‌انجامد. برای مقابله با این رویداد، جبران‌سازهای موازی مانند svc و statcom می‌توانند مورد استفاده قرار گیرند. در این مقاله، یک روش ترکیبی داده‌محور براساس جایابی منابع ولت-آمپر راکتیو (var) برای کاهش رویداد fidvr پیشنهاد شده‌است. این روش از شاخص جدید و کارآمدی برای ارزیابی ولتاژ پس از خطا استفاده کرده و با درنظرگرفتن محدودیت‌های اقتصادی و فنی، محل و اندازه بهینه منابع var را تعیین می‌کند. شبکه عصبی چند لایه پرسپترون (mlp) برای حل مسئله نگاشت چند بعدی با درنظرگرفتن توان‌های راکتیو تزریق‌شده به باس‌ها استفاده شده‌است. سپس، بهینه‌سازی چند هدفه برای شناسایی اندازه بهینه منابع برای مقابله با ناپایداری ولتاژ کوتاه‌مدت و نیز جلوگیری از رویدادهای fidvr با روش‌های بهینه‌سازی هوشمند پیشنهاد شده‌است. ابتدا بهینه‌سازی برای تابع تک‌هدفه با وزن‌های تعیین‌شده توسط الگوریتم pso انجام شده و سپس نتایج با الگوریتم‌ کلونی زنبور عسل مصنوعی (abc)، الگوریتم‌ کلونی مورچه‌ها برای حوزه‌های پیوسته (acor) و الگوریتم تکامل تفاضلی (de) مقایسه شده‌است. همچنین این مقاله به شناسایی یک جبهه پارتو از راه‌حل‌های نامغلوب با استفاده از بهینه‌سازی ازدحام ذرات چندهدفه (mopso) می‌پردازد. روش پیشنهاد شده بر روی سیستم 39 باس ieee با مدل بار تجمیع‌شده دینامیکی موتورهای سیستم تهویه مطبوع آزمایش شده‌است. نتایج نشان می‌دهند که این روش در حل مسائل بهینه‌سازی توان راکتیو و کاهش اثرات fidvr بسیار موثر است.

a hybrid method for optimal allocation of shunt compensators to mitigate fault induced delayed voltage recovery (fidvr)

the widespread use of residential air conditioning (rac) systems in modern power systems has resulted in an increase in the phenomenon of fault-induced delayed voltage recovery (fidvr). this phenomenon leads to short-term voltage instability and sometimes even voltage collapse. to address this issue, parallel facts devices such as svc and statcom can be used. in this paper, a data-driven hybrid approach based on volt-ampere reactive (var) placement is proposed to reduce fidvr events. this approach uses a new and efficient index for voltage evaluation after faults and determines the optimal location and size of var resources considering economic and technical constraints. a multi-layer perceptron (mlp) neural network is used to solve the multi-dimensional mapping problem considering reactive power injections into buses. then, a multi-objective optimization is proposed to identify the optimal size of var resources to address short-term voltage instability and prevent fidvr events using intelligent optimization methods. first, optimization is performed for the single-objective function with predefined weights by the pso algorithm, and then the results are compared with the artificial bee colony (abc) algorithm, ant colony optimization for continuous domains (acor), and differential evolution (de) algorithms. additionally, this paper focuses on identifying a pareto front of non-dominated solutions using multi-objective particle swarm optimization (mopso). the proposed approach is tested on the 39-bus ieee system considering a time-varying dynamic model for residential air conditioning loads. the results show that this approach is highly effective in solving reactive power optimization problems and reducing fidvr effects.