محاسبات با بهره گرفتن از اطلاعات واقعی فرآهم شده از طریق سیستم قدرت الکتریکی جوردنیان،کمپانی توان الکتریکی جوردن انجام شده است. برای فرآهم آوردن رابطه بین تلفات توان اکتیو و اتوماتیک تپ چنجر، f(kT) = PΔ برای پیش ­بینی و بهینه­سازی مقدماتی تاثیر عملیات کنترلی سیستم قدرت. اطلاعات آموزشی اولیه شبکه عصبی از سیستم قدرت جمع­آوری شده و با تجهیزات اندازه ­گیری آغاز می­ شود. مقادیر وزن­ها و پایه مقادیر خروجی با مقادیر مطلوب خطای کل در تمام حالات مقایسه می­شوند که از مدل تقریب زده شده کمتر بود. تحقیقات نشان می­دهد که به وسیله کنترل توان راکتیو و بهینه­سازی زمان واقعی ولتاژ می­توان به حداقل تلفات توان در شبکه ­های توزیع الکتریکی با بهره گرفتن از شبکه ­های عصبی مصنوعی دست یافت. همچنین شبکه ­های عصبی مصنوعی می­توانند به طور موفقیت آمیز خطاها و نویزهای برخاسته از شیوه خطی­سازی بازگشتی را کمینه کنند. تاثیر قدرت راکتیو تزریقی روی تلفات توان اکتیو و همچنین تلفات قدرت روی نسبت تبدیل با بهره گرفتن از ANN الگوریتم آموزشی پس انتشار خطا مورد تحقیق قرار گرفت و با مدل بازگشتی مورد مقایسه قرار گرفت. بعلاوه، تاثیرات همزمان نسبت تبدیل و توان راکتیو تزریقی روی تلفات توان اکتیو تایید شده است. مطابق با نتایج بهینه بدست آمده، توصیه برای بهبود عملکرد سیستم قدرت معرفی می­ شود. محدودیت­های تنظیمی فرایند بهینه­سازی مورد توجه قرار گرفته و تجاوز نشده است.

( اینجا فقط تکه ای از متن فایل پایان نامه درج شده است. برای خرید متن کامل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. )

۳-۳-۳- بهینه سازی تلفات در شبکه توزیع با بهره گرفتن از الگوریتم مصنوعی کولونی زنبور عسل
در این مقاله، یک الگوریتم جدید که کولونی زنبور عسل نامیده می­ شود برای جایابی خازن در نقاط منتخب با تابع هدف کاهش تلفات توان در سیستم توزیع پیشنهاد شد. این شیوه از رفتار هوشمندانه جست و جوی غذا توسط دسته زنبور عسل الهام گرفته است. هدف جایابی خازن در سیستم توزیع کمینه­سازی هزینه سالیانه سیستم با توجه به محدودیت­های عملیات خاص و الگوی بار شبکه است. برای سادگی، هزینه نگهداری و بهره ­برداری خازن­های نصب شده در سیستم توزیع در نظر گرفته نمی­ شود. سیستم سه فازه متعادل فرض شده است و بارها غیرمتغیر با زمان فرض می­ شود. به لحاظ ریاضیاتی، تابع هدف مسئله مطابق رابطه (۳-۱۲) توصیف می­ شود:
(۳-۱۲)
که COST هزینه تلفات توان و نصب خازن را شامل می­ شود که در آینده بحث خواهد شد. تابع جریمه با λ در نظر گرفته می­ شود. مجذور مجموع تجاوز از محدودیت ولتاژ با  نمایش شده است. به هر حال، تابع جریمه ویژگیهای زیر را ارضاء می­ کند: (۱) اگر تجاوز از محدودیت ولتاژ نداشته باشیم، ۰) = λ) (۲) اگر تجاوز از محدودیت باشد، جریمه قابل توجهی تحمیل می­ شود بدلیل آنکه تابع هدف به سمت مقادر غیر مطلوب حرکت می­ کند. دامنه ولتاژ در هر باس باید در محدوده مجاز حفظ شود و مطابق رابطه (۳-۱۳) بیان می­ شود. که  دامنه ولتاژ باس K، ماکزیمم و مینیمم ولتاژ مجاز بترتیب با Vmax و Vmin نمایش شده است. تلفات توان هر خط که باس K را به ۱+ K وصل می­ کند را می­توان طبق رابطه (۳-۱۴) محاسبه نمود. کل تلفات توان در تمام فیدرها،  ممکن با جمع تلفات تمام خطوط بخش آن فیدر مطابق رابطه (۳-۱۵) محاسبه شود. با توجه به خازن­های واقعی، تعداد معین با اندازه استاندارد وجود دارد که مضرب صحیحی از کمترین اندازه  است. هزینه بر کیلووار از یک اندازه با اندازه دیگر تغییر می­ کند. در حالت کلی، خازن­ها بزرگ مقیاس قیمت واحد پایین­تری دارند. اندازه خازن در دسترس معمولا طبق رابطه (۳-۱۶) محدود می­ شود.
(۳-۱۳)
(۳-۱۴)
(۳-۱۵)
(۳-۱۶)
که L یک ضریب صحیح است. بنابراین، برای هر مکان نصب، L اندازه خازن  دسترس پذیر است. هزینه نصب سالیانه معین برای هر باس جبران شده، هزینه کل بواسطه جایگذاری خازن و تغییرات تلفات توان بوسیله فرمول (۳-۱۷) محاسبه می­ شود. که n تعداد مکانهای منتخب برای نصب خازن، Kp هزینه سالیانه معادل بر واحد تلفات توان، Kcf هزینه ثابت برای جایگذاری خازن هستند. که Kk هزینه سالیانه نصب خازن، جبران سازی راکتیو طبق رابطه (۳-۱۸) محدود می­ شود. که  و  بترتیب توان­های راکتیو خازنی و سلفی در باس K هستند.
(۳-۱۷)
(۳-۱۸)
در الگوریتم کولونی زنبور عسل، کولونی زنبور عسل به سه دسته تقسیم می­شوند: که شامل زنبورهای عسل کارگر، زنبورهای عسل پیشاهنگ (اکتشاف­گر) و نگهبان است. زنبور عسلی که در ناحیه رقص برای گرفتن تصمیم درباره انتخاب یک منبع غذا انتظار می­کشد، زنبور عسل نگهبان نامیده می­ شود و زنبور عسلی که به منبع غذای از پیش یافته شده می­روند یک زنبور عسل کارگر نامیده می­ شود. زنبور عسلی که جستجوی تصادفی را انجام می­دهد، یک زنبور عسل پیش آهنگ (اکتشاف­­ گر) نامیده می­ شود. در الگوریتم کولونی زنبور عسل ABC ، نیمه اول کولونی زنبورهای عسل کارگر مصنوعی را شامل می­ شود و نیمه دیگر زنبورهای عسل پیشاهنگ را می­سازند. برای هر منبع غذا، فقط یک زنبور کارگر وجود دارد. به عبارت دیگر، تعداد زنبورهای عسل کارگر برابر تعداد منابع غذا اطراف کندو است. زنبور عسل کارگری که منبع غذای آن بوسیله زنبورهای عسل کارگر و نگهبان دیگر تخلیه می­ شود، زنبور عسل پیشاهنگ نامیده می­ شود. در الگوریتم کولونی زنبور عسل، هر سیکل جستجو سه مرحله را شامل می­ شود: گسیل زنبورهای عسل کارگر به منابع غذا و سپس اندازه ­گیری مقادیر شهد (شهد گل)، انتخاب منابع غذایی بوسیله زنبورهای عسل نگهبان بعد تقسیم اطلاعات زنبورهای عسل کارگر و تعیین مقدار شهد غذاها; تعیین زنبورهای عسل پیش آهنگ و سپس گسیل آنها به منابع غذای موجود می باشد. در مرحله آغازین، یک مجموعه از موقعیت­های منابع غذایی به طور تصادفی بوسیله زنبورها انتخاب می­ شود و مقادیر شهد تعیین می­ شود. این زنبورها به کندو بازمی­گردند و اطلاعات شهد منابع را با زنبورهای منتظر در ناحیه رقص (اجتماعات) کندو به اشتراک می­گذارند. در مرحله دوم، بعد به اشتراک گذاشتن اطلاعات، همه زنبورهای عسل کارگر به ناحیه شناسایی شده منبع غذا بوسیله او در سیکل قبلی می­روند چون آن منبع در حافظه آنها باقیمانده است و سپس یک منبع غذایی جدید با بهره گرفتن از اطلاعات ویژه در همسایگی مکان موجود انتخاب می­گردد. در مرحله سوم، یک زنبور عسل نگهبان یک ناحیه منبع غذا را با توجه به اطلاعات شهد توزیع شده بوسیله زنبورهای عسل کارگر در ناحیه رقص (اجتماعات) پیشنهاد می­دهد. از آنجایی که مقدار شهد یک منبع غذا افزایش می­یابد، احتمال اینکه آن منبع غذایی توسط یک زنبور نگهبان انتخاب شود به تناسب افزایش می­یابد. بنابراین، رفت و آمد زنبورهای عسل کارگر، زنبورهای کارگر جدید را به همراه زنبورهای عسل پیشاهنگ افزایش می­دهد. بعد از رسیدن در ناحیه انتخابی، او یک منبع غذایی جدید در همسایگی آن موجود در حافظه با توجه به اطلاعات ویژه انتخاب می­ کند. اطلاعات ویژه بر اساس مقایسه موقعیت منبع غذایی است. وقتی شهد یک منبع غذایی توسط زنبورها تخلیه شد و محل متروکه شد یک منبع غذایی جدید به طور تصادفی بوسیله زنبور عسل پیش آهنگ تعیین می­ شود و با محل متروکه قبلی جایگزین می­ شود. در مدل ما، در هر سیکل برای اغلب اوقات یک پیش آهنگ برای جستجوی منبع غذایی جدید به اطراف می­رود و تعداد زنبورهای عسل کارگر و پیشاهنگ برابر بوده است. احتمال Pi انتخاب یک منبع غذایی i با بهره گرفتن از عبارت زیر تعیین می­ شود:
(۳-۱۹)
که  یک برازش از حل ارائه شده بوسیله منبع غذایی iام است و  تعداد کل منابع غذایی است. به طور واضح، با این طرح منابع غذایی خوب نسبت به منابع غذایی بد به تعداد زنبور پیشاهنگ بیشتری خواهند رسید. بعد از اینکه همه پیش آهنگ­ها منابع غذایی خودشان را انتخاب کردند، هر یک از آنها یک منبع غذایی را در همسایگی آن تعیین می­ کند و برازش آن را محاسبه می­ کند. بهترین منابع غذایی میان همه منابع غذایی همسایه بوسیله پیش آهنگ متناظر با منبع غذایی ویژه i و منبع غذایی خودش، مکان جدید منبع غذایی i خواهد بود. اگر حل ارائه شده بوسیله یک منبع غذایی ویژه برای تعداد تکرار معین از پیش تعیین شده­ای بهبود نیابد سپس آن منبع غذایی توسط زنبورهای عسل کارگر مربوطه متروکه می­ شود و آن یک زنبور پیش آهنگ می­ شود برای مثال، آن برای منبع جدید غذایی به طور تصادفی جستجو خواهد کرد. این معادل با نسبت دهی منبع غذایی تولیدی تصادفی (حل) به این پیش­آهنگ (زنبور اکتشاف­گر) و تغییر وضعیتش دوباره از زنبور پیش­آهنگ به زنبور عسل کارگر است. بعد از اینکه مکان جدید هر منبع غذایی تعیین می­ شود، تکرار بعدی الگوریتم کولونی زنبور عسل آغاز می­ شود. کل فرایند دوباره و دوباره تکرار می­ شود تا شرایط پایان ارضاء شود. الگوریتم کولونی زنبور عسل به صورت زیر خلاصه می­ شود:
اطلاعات ورودی را بخوانید و فرایند MNC را آغاز کنید.
جمعیت اولیه را تشکیل دهید،  .
مقدار برازش برای هر زنبور کارگر را با بهره گرفتن از فرمول زیر محاسبه کنید.
عدد سیکل را مقداردهی اولیه کنید. (cycle =1).
جمعیت جدید را تولید کنید (حل) Vij در همسایگی Xij برای زنبورهای کارگر با بهره گرفتن از معادله ۹ و آنها را ارزیابی کنید.
فرایند انتخاب حریصانه بین Xi و Vi را بکار بگیرید.
مقادیر احتمالی Pi را برای جوابهای Xi به منظور سنجش مقادیر برازش آنها با بهره گرفتن از معادله ۸ محاسبه کنید.
جمعیت جدید Vi را برای زنبورهای عسل نگهبان از طریق جمعیت Xi تولید کنید. بر اساس احتمال Pi انتخاب شود با بکارگیری فرایند انتخاب روت ویل و سپس آنها را ارزیابی کنید.
فرایند انتخاب حریصانه را برای زنبورهای عسل نگهبان بین Xi و Vi بکار بگیرید.
جواب­های ترک شده را تعیین کنید، اگر موجودند، و آن را بوسیله جواب تولید شده تصادفی جدید Xi برای زنبورهای عسل اکتشاف­گر با بهره گرفتن از معادلات زیر جایگزین نمایید:
بهترین جوابی که تا کنون بدست آمده را به خاطر بسپارید.
(cycle = cycle + 1)
اگر MIC > cycle ، به مرحله ۵ بروید و در غیر این صورت به مرحله ۱۴٫
پایان.
در کار فعلی، یک الگوریتم کولونی زنبور عسل مبتنی بر جمعیت جدید برای حل مسئله جایابی بهینه خازن در شبکه توزیع ارائه شده است. شبیه­سازیها بر روی یک سیستم ۶۹ باسه نمونه انجام شده است و نتایج بار روش دیگر مبتنی بر جمعیت اجتماع گروه ذرات مقایسه شده است. نتایج فرآهم شده توسط این روش پیشنهادی به لحاظ کیفیت حل و راندمان محاسباتی بهتر از روش های دیگر معمول است. مزیت اصلی الگوریتم ABC این است که به طور مشابه با الگوریتم ژنتیک، ارزیابی دیفرانسیلی و دیگر الگوریتم­های ارزیابی به پارامترهای خارجی نظیر نرخ تقاطع و جهش و غیره … نیاز ندارد. مزایای دیگر این است که قابلیت جستجوی کلی (گلوبال) در این الگوریتم با معرفی مکانیزم تولید منبع همسایه که مشابه فرایند جهش در الگوریتم ژنتیک است، وجود دارد.
۳-۳-۴- روش مبتنی بر الگوریتم جدید کولونی مورچگان برای جایابی و مقداردهی بهینه خازن در سیستمهای توزیع
خازن­های موازی در شبکه ­های توزیع به منظور هدف­های مختلفی نظیر، کاهش تلفات قدرت، بهبود پروفیل ولتاژ در طول فیدر و افزایش ماکزیمم توان انتقالی در کابل­ها و ترانسفورماتورها استفاده می­شوند. برای کاهش تلفات توان، خازن­های شنت که به طور گسترده در شبکه توزیع نصب می­شوند برای جبرانسازی توان راکتیو استفاده می­شوند. به هر حال، نصب خازنهای شنت در شبکه توزیع نیازمند توجه به مکان و مقدار مناسب آنها است. بنابراین، جایابی خازن در شبکه توزیع بسیار با اهمیت می­ شود زیرا، ماکزیمم ذخیره انرژی الکتریکی بواسطه کاهش تلفات توان از طریق نصب مناسب خازن­های موازی در حالیکه هزینه خازن شنت کمینه شود، اتفاق می­افتد. در این مطالعه، ما مسئله جایابی خازن را با بهره گرفتن از ترکیب الگوریتم کولونی مورچگان با روش پخش بار جاروب رفت و بازگشتی حل می­نماییم. این شیوه پخش بار برای سیستمهای توزیع شعاعی مناسب است و برای افزایش سرعت محاسبات بدون ایجاد مشکل در امر همگرایی به جواب مسئله موثر است. الگوریتم مورچگان از رفتار مورچگان در طبیعت الهام گرفته که آنها می­توانند کوتاه­ترین مسیر را از خانه تا غذا پیدا کنند. زیست شناسان فهمیدند که مورچگان قابلیت تولید آزمایشی فرومون به نحوی که بتوانند با یکدیگر ارتباط برقرار کنند و اطلاعات مسیر را انتقال دهند، دارند. ابتدا، یک گروه از مورچه­ها جستجوی تصادفی اولیه را انجام می­ دهند و چگالی ثابتی از فرومون آزمایشی در زمان حرکت می­سازند. به عنوان یک نتیجه، چگالی فرومون آزمایشی در کوتاه­ترین مسیر به طور چشمگیر افزایش می­یابد و این برای جستجوهای بعدی مفید خواهد بود. این فرومون تولیدی منجر به یافتن کوتاه­ترین مسیر از خانه به غذا خواهد شد. در الگوریتم کولونی مورچگان، توزیع احتمالی حرکت  تعریف می­ شود که برابر با ۰ است برای تمامی حرکات که در تبیو لیست مورچه K غیر ممکن هستند. لیست شامل تمامی حرکاتی که برای مورچه­های K در حال آغاز از وضعیت i غیرممکن هستند، در غیر این صورت، احتمال با بهره گرفتن از رابطه (۳-۲۰) محاسبه می­ شود:
(۳-۲۰)
که ijη تمایل به حرکت، Tij سطح فرومون تولیدی مسیر حرکت، α و β پارامترهای تعریفی توسط کاربر هستند. الگوریتم چگالی فرومون تولیدی را بعد آغاز جستجوی تصادفی و ارسال اولین گروه از مورچگان به روز رسانی می­ کند. معادلات به روز رسانی فرومون­های تولیدی از رابطه (۳-۲۱) تعیین می­ شود.
(۳-۲۱)
که m تعداد مورچه­ها و ρ یک پارامتر تعریفی توسط کاربر است که بعنوان ضریب تبخیر نامیده می­ شود و  مجموع مشارکت همه مورچه­ها که برای ساختن این حل استفاده شده ­اند را نمایش می­ دهند.  مقدار فرومون تولیدی بر روی (ij) توسط مورچه k، که توسط رابطه (۳-۲۲) قابل محاسبه است:
(۳-۲۲)
که Q یک پارامتر ثابت و Fk تابع هدف تولید شده توسط kامین مورچه است. در بکارگیری الگوریتم مورچگان برای حل مسئله جایابی خازن، تابع هدف یافتن مکان و مقدار بهینه خازن­های موازی در سیستم توزیع شعاعی است به طوری که ذخیره انرژی الکتریکی بواسطه کاهش تلفات توان حداکثر شود. برای حل مسئله جایابی بهینه خازن ما طبق رابطه (۳-۲۳) خواهیم داشت:
(۳-۲۳)
بهترین جایابی خازن در باسهای شبکه توزیع بوسیله الگوریتم بهینه­سازی کولونی مورچگان تعیین می­ شود درحالیکه به بیشترین کاهش در تلفات توان منجر می­ شود. اینجا، پخش بار جاروب رفت و بازگشتی برای محاسبه تلفات توان بکار گرفته شده است. فلوچارت نمایش شده در شکل (۱) نحوه حل مسئله جایابی خازن با بهره گرفتن از روش کولونی مورچگان را نشان می­دهد.

شکل ۳-۵ : شیوه حل مسئله جایابی خازن با بهره گرفتن از الگوریتم کولونی مورچگان
در این مطالعه، عملکرد الگوریتم کولونی مورچگان در حل مسئله جایابی خازن بر روی یک سیستم ۹ باسه ارزیابی می­ شود. از آنجاییکه تعداد باسها ۹ است، مورچه­ها باید بین خازنها انتقال یابند و مکان بهینه خازنهای ثابت را پیدا نمایند. از نتایج، می­توان دید که شناسایی مکان­های بهینه خازنها بوسیله روش پیشنهادی الگوریتم کولونی مورچگان بیشتر از دیگر روشها هستند. به هر حال، تلفات توان و هزینه کل توسط روش الگوریتم بهینه­سازی کولونی مورچگان در مقایسه با دیگر روش های بهینه­سازی به شدت کاهش می­یابد.
۳-۳-۵- بهینه­سازی توان راکتیو با بهره گرفتن از الگوریتم هوشمند اجتماع ذرات کوانتمی
مسئله کنترل یک سیستم قدرت وظیفه ساده­ای نیست، آن با محدودیت­های گوناگونی مواجه می­باشد. ریسک مسائل ناپایداری ولتاژ بواسطه شرایط پراسترس بهره ­برداری که از افزایش تقاضای بار و دیگر محدودیت شبکه سیستم قدرت ناشی می­ شود، وجود دارد. نیازمندی اصلی بهینه­سازی توان راکتیو و کنترل ولتاژ بهبود پایداری ولتاژ در سیستم و کمینه­سازی تلفات است. کنترل سیستمهای قدرت از طریق تعدادی تجهیزات کنترلی ولتاژ نظیر ژنراتورها، ترانسفورماتورهای تپ چنجردار، خازن/راکتور موازی، کندانسور سنکرون و جبرانسازهای استاتیک توان راکتیو و غیره … فرآهم می­ شود. بوسیله تغییر بار یا ساختار شبکه، کنترل زمان واقعی این تجهیزات مشکلات را افزایش خواهد داد. روش PSO متداول می ­تواند تنها کنترل­های پیوسته را اداره نماید. الگوریتم QPSO به سادگی می ­تواند برای کنترل­های گسسته نیز بسط و توسعه داده شود. این مقاله الگوریتم QPSO و کاربرد آن را برای حل مسئله بهینه­سازی توان راکتیو با توجه به هر دو نوع کنترل­های پیوسته و گسسته توصیف می­ کند. هدف اولیه بهینه­سازی توان راکتیو کاهش تلفات توان سیستم و فرآهم آوردن تنظیمات مختلف کنترلی و دیگر اهداف مشابه است. تلفات توان اکتیو یک تابع غیر خطی از ولتاژ باسها و زوایای فاز متناظر با آنها است. آن تابعی از متغیرهای کنترلی سیستم می­باشد، که در آن تعداد خطوط شبکه مطابق معادله (۳-۲۴) بوسیله اندیس K نمایش می­ شود. تابع بالا برای کمینه­سازی محدودیت­های مختلفی مطابق معادلات (۳-۲۴) الی (۳-۲۷) را شامل می­ شود.
(۳-۲۴)
(۳-۲۵)
(۳-۲۶)
(۳-۲۷)
اینجا n تعداد کل باسها، ng و nc بترتیب تعداد ژنراتور و منابع راکتیو هستند، nt تعداد تپ چنجرها است. فلوی توان در معادلات (۳-۲۵) و (۳-۲۶) به عنوان معادلات تساوی استفاده شده ­اند، معادلات (۴) محدودیت­های نصب منابع توان راکتیو، محدودیت­های تولید راکتیو، تنظیمات ولتاژ باس به عنوان محدودیت­های نامساوی استفاده می­شوند. بهینه­سازی اجتماع ذرات یکی از تکنیک­های محاسباتی برای حل مسئله بهینه­سازی توان راکتیو است. آن بر اساس رفتار اجتماعی ارگان­ها نظیر گروه ماهی و غیره.. است. یک دسته از پرندگان تابع هدف خود را دارند. هر ذره بهترین مقدار خود را (Pbest) و موقعیتش در فضای XY می­شناسد. هر ذره بهترین مقدار در گروهش را با عنوان gbest می­شناسد. بر اساس سرعت و فاصله بین بهترین مقادیر (Pbest , gbest)، موقعیت آنها می ­تواند حاصل شده یا تصحیح شود. سرعت هر ذره اصلاحات آن را نمایش می­دهد. سرعت با توجه به معادلات (۳-۲۸) تصحیح می­ شود:
(۳-۲۸)