بهینه‌سازی تعداد، محل و اندازه منابع تولید پراکنده و جبران ساز سنکرون استاتیکی با روش الگوریتم ژنتیک

استفاده از ادوات فکتس و منابع تولید پراکنده به‌عنوان یک تکنولوژی در سیستم‌های قدرت و توزیع هر روز افزایش می‌یابد. این تجهیزات بر روی پارامترهای متعددی همچون پروفیل ولتاژ، تلفات خط، جریان اتصال کوتاه، پایداری و قابلیت اطمینان سیستم تاثیرگذار می‌باشند و بنابراین تعیین محل بهینه نصب، تعداد و اندازه آن‌ها یکی از مسائل مهمی می‌باشد که مورد توجه می‌باشد زیرا نصب این ادوات و منابع در محل‌های غیر بهینه سبب افزایش تلفات سیستم و تاثیر منفی بر پروفیل ولتاژ و سایر پارامترهای سیستم می‌شود. در این مقاله به بهینه‌سازی هم‌زمان تعداد، محل و اندازه منابع تولیدات پراکنده و جبران ساز سنکرون استاتیکی پرداخته شده و به‌منظور حل مسئله بهینه‌سازی از الگوریتم ژنتیک (ga) استفاده شده است. به همین منظور تابع چند هدفه شامل هزینه‌های بهره‌برداری و تولید منابع تولیدات پراکنده و جبران ساز سنکرون استاتیکی و قابلیت بارپذیری سیستم ارائه شده است و نتایج حاصل از شبیه‌سازی برای دو شبکه نمونه 33 و 69 باس استاندارد ieee مورد تحلیل و بررسی قرار گرفت. نتایج به دست آمده نشان می‌دهد که با افزایش بارپذیری سیستم، هزینه افزایش می‌یابد زیرا تعداد تجهیزات مربوط به منابع تولید پراکنده و جبران ساز سنکرون استاتیکی بیشتر می‌شود. همچنین بهینه‌سازی و جایابی هم‌زمان این تجهیزات، سبب کاهش هزینه‌ها و افزایش بارپذیری سیستم توزیع می‌شود.

optimize the number, locating, and sizing of d-statcom and dgs using ga algorithm

recently the use of ac transmission system (facts) devices and distributed generation resources as technology in power and distribution systems is increasing. this equipment affects various parameters such as voltage profile, line losses, short circuit current, stability, and reliability of the system, and therefore determining the optimal installation location, their number and size are one of the important issues that are considered because the installation of these devices and resources in non-optimal locations increase system losses and negatively affect voltage profiles and other system parameters. in this paper, the simultaneous optimization of the number, location, and size of distributed generation resources and static synchronous compensation is used and in order to solve the optimization problem, a genetic algorithm (ga) is used. for this purpose, a multi-objective function including operating costs and generation of distributed generation resources and static synchronous compensation and system load capacity are presented and the simulation results were analyzed for two 33 and 69 ieee standard networks. the results show that with increasing system load, the cost increases because the number of equipment related to distributed generation sources and static synchronous compensator increases. also, the simultaneous optimization and placement of this equipment reduces costs and increases the load capacity of the distribution system.