|
|
جبران سازی توان راکتیو با استفاده از تخصیص بهینه ی خازن ها در شبکه توزیع در حضور نیروگاه بادی مبتنی بر تئوری تصمیم گیری شکاف اطلاعاتی
|
|
|
|
|
نویسنده
|
اعتمادی زاده محبوبه ,رمضانی مریم
|
منبع
|
مهندسي برق و مهندسي كامپيوتر ايران - 1399 - دوره : 18 - شماره : 4 - صفحه:240 -248
|
چکیده
|
وجود پارامترهای نامطمئن در سیستم قدرت چالشهای فراوانی را برای طراحان و بهرهبرداران این سیستم ایجاد کرده است که از آن جمله میتوان به مسئله خازنگذاری در حضور نیروگاههای بادی اشاره کرد. پاسخ مسئله به مقدار بار و خروجی نیروگاه بادی وابسته است که مقادیری نامطمئن دارند. در این مقاله، از روش تئوری تصمیمگیری مبتنی بر شکاف اطلاعاتی برای مدلسازی عدم قطعیت در بار شبکه و خروجی نیروگاه بادی استفاده میشود. تابع هدف شامل هزینه بانکهای خازنی و تلفات انرژی است که برای محاسبه تلفات انرژی از پخش بار مبتنی بر تبدیل بیبو استفاده شده است. پاسخ بهینه مسئله خازنگذاری بر اساس الگوریتم ژنتیک حاصل میشود. در نهایت کارایی روش بیانشده با انجام مطالعات عددی بر روی شبکه 33شینه ieee مورد بررسی قرار گرفته است.
|
کلیدواژه
|
پخش بار احتمالی، تئوری تصمیمگیری مبتنی شکاف اطلاعاتی، جایابی بهینه خازن، عدم قطعیت، نیروگاه بادی
|
آدرس
|
دانشگاه بیرجند, دانشکده مهندسی برق و کامپیوتر, ایران, دانشگاه بیرجند, دانشکده مهندسی برق و کامپیوتر, ایران
|
پست الکترونیکی
|
mramezani@birjand.ac.ir
|
|
|
|
|
|
|
|
|
Reactive Power Compensation using optimal capacitor allocation in the Distribution Network in the Presence of Wind Power Plant Based on Information Gap Decision Theory
|
|
|
Authors
|
etemadizadeh mahboobeh ,Ramezani M.
|
Abstract
|
The presence of uncertain parameters in the power system has created many challenges for designers andoperators of the system including the problem of capacitors in the presence of wind power plants. The answer depends on the amount of load and output power of the wind power plant that has uncertain values. In this paper, the information gap based decision theory method is used model the uncertainty in load and output power of the wind power plant. The objective function includes the cost of capacitive banks and energy losses, used to of loadFlow based on unscented transformation for calculate energy losses. A genetic algorithm is used to optimize the above problem. Finally, the efficiency of the proposed method has been investigated by carrying out numerical studies on the IEEE 33bus network.
|
Keywords
|
|
|
|
|
|
|
|
|
|
|
|