بازآرایی بهینۀ شبکۀ توزیع در حضور تولید پراکنده با استفاده از الگوریتم تکاملی psogsa در چارچوب فازی

در این مقاله، مسئلۀ بازآرایی چندهدفۀ شبکه‌های توزیع در حضور منابع تولید پراکنده ((dg مطالعه شده است. بیشتر، توابع هدفی مدنظر قرار گرفته‌اند که در بسیاری از مقالات در این زمینه بررسی شده‌اند؛ شامل تلفات و هزینه‌های بهره‌برداری. در این مقاله، علاوه بر تلفات و هزینه‌های بهره‌برداری، توان بهینۀ تولیدی منابع dg و انرژی توزیع‌نشده شبکه بررسی شده‌اند که یکی از پارامترهای اساسی قابلیت اطمینان شبکه‌های توزیع‌اند. در این مقاله، از الگوریتم psogsa برای حل مسئلۀ بازآرایی چندهدفۀ فیدر توزیع کمک گرفته شده است. این الگوریتم، ترکیب‌شدۀ الگوریتم بهینه‌سازی ازدحام ذرات (pso) و جستجوی گرانشی ((gsa است. در ادامه، مقادیر توابع هدف با استفاده از توابع عضویت فازی، نرمالیزه شد‌ه‌اند. درنهایت، از منطق فازی برای یافتن بهینه‌ترین جواب در میان جواب‌های پارتو به‌دست‌آمده استفاده شده است. روش پیشنهادی روی دو سیستم آزمون 70 و 119 باسه ieee پیاده‌سازی شده است. نتایج شبیه‌سازی نشان می‌دهند روش پیشنهادی در بهبود توابع هدف در نظر گرفته شده، عملکرد موثری داشته و با برقراری یک تناسب مناسب میان توابع هدف مختلف، به معرفی ساختار بهینه‌تر با تلفات و هزینۀ بهره‌برداری کمتر و نیز قابلیت اطمینان بیشتر در مقایسه با سایر الگوریتم‌های بهینه‌سازی دست یافته است.

Distribution Feeder Reconfiguration Using PSOGSA Algrotim in Presence of Distribution Generation Based on a Fuzzy Approach

In this paper, to solve the multiobjective problem of distribution feeder reconfiguration (DFR) in the presence of distributed generation (DG), the hybrid particle swarm optimization and gravitational search algorithm (PSOGSA) has been proposed, which is a combination of particle optimization (PSO) and gravitational (GSA) optimization algorithm. In this field, the power losses and operating costs are the two most used objective functions in the literature. In addition to the mentioned objective functions, this paper also considers the optimal generation capacity of DG resources and energy not supplied (ENS), which is one of the basic reliability indexes of distribution networks. In this paper, the values of different objective functions are normalized by the fuzzy method, and also the Fuzzy decisionmaker is used to determine the most optimal solution among the Paretooptimal solutions. The proposed algorithm is implemented on IEEE 70bus and 119bus test systems. The simulation results show the efficiency of the proposed PSOGSA in improving the considered objective functions. The proposed method, by establishing a suitable fit between different objective functions has introduced a more efficient structure with lower losses and operating costs, as well as greater reliability, compared to other optimization algorithms.