بهینه سازی مقاوم شبکه های توزیع با استفاده از دو الگوی متفاوت خوشه بندی تصادفی درحضور منابع تولید پراکنده

الگوریتم مقاوم به عنوان یکی از جدیدترین مدل های مقاوم سازی در زمینه بهینه سازی شبکه های توزیع بسیار بزرگ و پیچیده با درنظرگیری عدم قطعیت بوده،در این مقاله بستر لازم در قالب بررسی و انتخاب الگوی خوشه بندی مناسب برای ورود به مبحث تحلیل آن بررسی و نتیجه گیری خواهد شد.بررسی مورد مطالعاتی منتخب از شبکه استاندارد توزیع و تحلیل بهینه سازی حالت مجزا و تطبیقی منابع تولید پراکنده،درهمه موارد به غیرازحالت جزیره ای منابع تولیدپراکنده هزینه های کلی و جزیی کمتر درحالت تطبیقی را نشان داده(هزینه کلی درحالت تطبیقی 80 درصد حالت مجزاء است)؛از نتایج آن در مبحث خوشه بندی با انتخاب نقاط کاندید شامل منابع تولید پراکنده و منابع تغذیه در سطح شبکه فشارمتوسط استفاده شده است.بررسی داده های نرم افزاری در هردو حالت تک خوشه ای با تکرارهای اول تا پنجم و دهم؛یک تا پنج خوشه و ده خوشه ای در تکرار اول؛در قالب خروجی های عددی وگراف نشان گر ویژگی های برتر الگوی خوشه بندی براساس میانگین داده به علت سه ویژگی برجسته حساسیت به تمامی نقاط کاندید وزن دار،سرعت عملیات قابل قبول نسبت به الگوی خوشه بندی براساس تراکم داده و جزیره ای شدن تغذیه خوشه ها در زمان کثرت بیشتر نعداد خوشه؛ به عنوان روش منتخب برای استفاده در کدنویسی بهینه سازی مقاوم شبکه توزیع در مجاورت منابع تولید پراکنده تعیین شده است.

Robust optmization of distribution networks with DGs using two different patterns random clustering

Robust algorithm is known as the one of high potential models for strengthening in optimization of large and complex distribution networks considering uncertainty. In this research we are looking for some suitable template and appropriate clustering pattern in order to analyze the operation of distribution network. The analysis of optimization process in both individual and adaptive cases of distributed generation sources applied to some standard distribution network shows that the adaptive case of DGs determines less partial and total operation cost. except in islanded case of DGs. The results of clustering approach based on choosing the candidate points which includes DGs and feeders are used in medium voltage (MV) network level. By investigating the software data in both single cluster with first up to fifth and tenth repeatition, one to five clusters and finally ten clusters case shows the superiority of mean data besed clustering. because of having the three following properties such as being sensitive to all weighted candidate points, the speed of acceptable operation and feeding the clusters in islanded case in multiplicity of clusters, it is suitable to designate the robust optimization method using pattern random clustering.