جایابی بهینه خازنها در شبکه توزیع جهت کاهش تلفات و بهبود پروفیل ولتاژ با استفاده از الگوریتم ترکیبی بهینه سازی شاهینهای هریس و یادگیری تقویتی عمیق مبتنی بر سیاست قطعی

در این پژوهش، یک رویکرد نوین هیبریدی برای جایابی بهینه خازن‌ها در شبکه‌های توزیع قدرت با هدف کاهش تلفات توان اکتیو و بهبود پروفیل ولتاژ ارائه شده است. روش پیشنهادی ترکیبی از الگوریتم شاهینهای هریس (hho) و الگوریتم یادگیری تقویتی عمیق مبتنی بر سیاست قطعی (ddpg) است. در گام نخست، hho موقعیت اولیه خازن‌ها را با استفاده از مدل‌سازی ریاضی و مشخصات شبکه 33 باسه ieee تعیین می‌کند. سپس در گام بعدی، این موقعیت‌ها به عنوان نقطه شروع به الگوریتم ddgp داده می‌شوند تا در یک فرآیند تصمیم‌گیری متوالی، موقعیت و ظرفیت خازن‌ها با دقت بیشتری بهینه‌سازی شود. ساختار پیشنهادی با استفاده از معیارهایی نظیر تابع هدف ترکیبی، تلفات توان، و انحراف ولتاژ ارزیابی شده است. نتایج عددی نشان می‌دهند که الگوریتم هیبریدی hho-ddpg عملکرد بهتری نسبت به الگوریتم‌های منفرد و کلاسیک دارد و با کاهش قابل‌توجه تلفات (در حد چند درصد بیشتر از روش‌های سنتی) و بهبود پایداری ولتاژ در کل شبکه همراه بوده است. تحلیل‌ها بیانگر آن هستند که این روش ضمن داشتن دقت بالا، از قابلیت تعمیم‌پذیری برای شبکه‌های پیچیده‌تر نیز برخوردار است. در این مقاله پس از بررسی الگوریتم‌های هوشمند، روش هیبریدی به عنوان گزینه نهایی انتخاب گردید. این رویکرد می‌تواند بستر مناسبی برای توسعه کنترل هوشمند در سامانه‌های انرژی آینده فراهم آورد.

optimal placement of capacitors in the distribution network to reduce losses and improve voltage profile using a combined harris hawk optimization algorithm and deep reinforcement learning based on deterministic policy

in this research, a novel hybrid approach is presented for optimal placement of capacitors in power distribution networks with the aim of reducing active power losses and improving voltage profile. the proposed method is a combination of harris hawkeye (hho) algorithm and deterministic policy-based deep reinforcement learning (ddpg) algorithm. in the first step, the harris hawk algorithm determines the initial position of the capacitors using mathematical modeling and ieee 33-bus network specifications.then, in the next step, these positions are given as a starting point to the ddgp algorithm to optimize the position and capacitance of the capacitors more accurately in a sequential decision-making process. the proposed structure is evaluated using criteria such as the combined objective function, power loss, and voltage deviation. numerical results show that the hybrid hho-ddpg algorithm outperforms the single and classical algorithms, and is associated with a significant reduction in losses (a few percent more than traditional methods) and improved voltage stability in the entire network. the analyses indicate that this method, while having high accuracy, also has the ability to be generalized to more complex networks. in this paper, after examining intelligent algorithms, the hybrid method was selected as the final option. this approach can provide a suitable platform for the development of intelligent control in future energy systems.