بهبود بارپذیری و کاهش تلفات شبکه های توزیع با مکانیابی بهینه منابع تولید پراکنده و خازن در سناریوهای احتمالاتی پروفیل بار

در این مقاله، با هدف افزایش بارپذیری شبکه و کاهش تلفات توان در شرایط عدم قطعیت بار، رویکردی جامع برای مکان‌یابی و تعیین ظرفیت همزمان منابع تولید پراکنده (dg) و بانک خازن‌ ارائه شده است. این مقاله، با مدل‌سازی دقیق عدم قطعیت بار از طریق ده سناریو احتمالاتی، توازن مناسبی بین دقت و سرعت محاسباتی ایجاد می‌کند. همچنین، بهینه‌سازی چندگانه شامل مکان‌یابی خازن، dg و ترکیب آن‌ها، همراه با تحلیل اقتصادی جامع هزینه‌های نصب و بهره‌برداری با در نظر گرفتن رشد بار، نرخ بهره و تورم، ارائه شده است. علاوه بر این، راهکارهایی برای مدیریت تراکم بار و افزایش بارپذیری شبکه ارائه شده است. هدف اصلی این پژوهش، افزایش بارپذیری شبکه و کاهش تلفات توان با حفظ حداقل هزینه‌های ممکن است. شبیه سازی با بکارگیری الگوریتم ژنتیک و با استفاده از matlab بر روی شبکه 33 شین استاندارد ieee پیاده سازی شده است. نتایج حاصل از شبیه‌سازی‌ها با شبکه پایه و همچنین دیگر مقالات قیاس شده است و نشان‌دهنده اثربخشی روش پیشنهادی در بهبود عملکرد شبکه‌های توزیع قدرت است.

improving loadability and reducing losses in distribution networks through optimal placement of distributed generation and capacitor units under probabilistic load profile scenarios

this paper investigates the simultaneous capacity determination of distributed generation (dg) units and capacitor banks in distribution networks. load uncertainty is modeled through ten probabilistic scenarios, providing a balance between accuracy and computational efficiency. a multi-objective optimization is developed for the placement of dg units, capacitor banks, and their combined allocation, supported by an economic analysis considering installation and operating costs, load growth, interest rate, and inflation. the proposed approach, implemented with a genetic algorithm in matlab on the ieee 33-bus test system, demonstrates improved network loadability and reduced power losses at minimum cost. comparative results with the base network and previous studies confirm the effectiveness of the method.