جستجوی مقالات مرتبط با کلیدواژه « بهینه سازی ترکیبی » در نشریات گروه « برق »

تکرار جستجوی کلیدواژه «بهینه سازی ترکیبی» در نشریات گروه «فنی و مهندسی»

انتخاب همه

ارزیابی تاثیر پاسخگویی بار در ریزشبکه ها با هدف افزایش قابلیت اطمینان و پایداری ولتاژ شبکه با بررسی کردن عدم قطعیت در تولید منابع تجدیدپذیر

امیر سیفی، محمدحسن مرادی، محمد عابدینی*، علیرضا جهانگیری

نشریه هوش محاسباتی در مهندسی برق، سال دوازدهم شماره 1 (بهار 1400)، صص 87 -98

در این مقاله، روشی برای ارزیابی تاثیر پاسخگویی بار در ریزشبکه ها ارایه شده است. چندین حالت مختلف برای درک بهتر مسیله، شبیه سازی می شوند. همچنین از الگوریتم بهینه سازی ترکیبی شامل الگوریتم بهینه سازی گرگ خاکستری و الگوریتم بهینه سازی بویایی کوسه برای حل تابع هدف چند منظوره تحت قیود مختلف استفاده شده است. به علاوه برای بررسی عدم قطعیت در تولید منابع انرژی تجدیدپذیر از روش مونت کارلو برای تولید سناریو بهره گرفته شده است. تابع هدف مسئله در نظر گرفته شده در این تحقیق شامل تلفات شبکه، هزینه تولید، شاخص قابلیت اطمینان و پایداری ولتاژ است. روش پیشنهادی با استفاده از الگوریتم بهینه سازی ترکیبی و به کمک نرم افزار Matlab روی یک سیستم 69 شینه اصلاح شده شامل توربین های بادی، نیروگاه های خورشیدی و سیستم های ذخیره ساز انرژی، پیاده سازی شده است و نتایج حاصل از آن ارایه شده اند. نتایج نشان می دهند روش معرفی شده سبب افزایش بهره وری شبکه خواهد شد.

کلید واژگان: انرژی, فتوولتائیک, نیروی باد, بهینه سازی ترکیبی}

چکیده مشاهده متن مقاله پژوهشی/اصیل زبان: فارسی

Assessing the impact of load response on microgrids with the aim of increasing the reliability and stability of network voltage by examining the uncertainty in the production of renewable resources

Amir Seifi, MohamadHasan Moradi, Mohamad Abedini *, Alireza Jahangiri

Intelligent Systems in Electrical Engineering, Volume:12 Issue: 1, 2021, PP 87 -98

In this paper, a method for evaluating the impact of load response on microgrids is presented. Several different modes have been stimulated to better understand the problem. A hybrid optimization algorithm including gray wolf optimization algorithm and shark olfactory optimization algorithm to optimize the multi-purpose objective function under limited conditions and constraints. In addition, to determine the uncertainty in the production of renewable energy sources, the Monte Carlo method has been used to produce the scenario. The parameters considered in this method include technical parameters such as network losses, generation cost, and reliability index and voltage deviation. The proposed method is implemented using a hybrid optimization algorithm using MATLAB software on a modified 69-bus system, including wind turbines, solar power plants and energy storage systems. The results show that the proposed method will increase network productivity.

Keywords: energy, photovoltaic, Wind Force, Hybrid Optimization}

Abstract View Paper Research/Original Article Original: Persian
برنامه ریزی توسعه تولید با استفاده از الگوریتم اصلاح شده SFL

مرتضی جدیدالاسلام زیدآبادی، احسان بی جامی، اکبر ابراهیمی

نشریه هوش محاسباتی در مهندسی برق، سال دوم شماره 1 (بهار 1390)، ص 27

: در این مقاله، برنامه ریزی توسعه تولید به صورت یک مساله بهینه سازی مدل شده است که در آن تابع هدف، کمینه کردن مجموع هزینه های سرمایه گذاری، بهره برداری، تعمیر و نگهداری، هزینه انرژی تامین نشده و همچنین ارزش بازیافتی هزینه های سرمایه گذاری است. قابلیت اطمینان سیستم با استفاده از شاخص های مقدار انتظاری انرژی تامین نشده (EENS) و احتمال عدم تامین بار (LOLP) برآورد و تامین می شود. برای حل مساله، اصلاح و به کارگیری الگوریتم جهش قورباغه های به هم آمیخته به نام MSFL پیشنهاد گردیده است. در این الگوریتم، به منظور بهبود الگوریتم SFL مرسوم، روش جدیدی برای توزیع راه حل ها در ممپلکس و قانون جدیدی برای پرش راه حل های بدتر به سمت راه حل های بهتر پیشنهاد شده است. جهت ارزیابی روش پیشنهادی، برنامه ریزی توسعه تولید در یک سیستم قدرت نمونه و برای افق های برنامه ریزی 12 ساله و نیز 24 ساله، که باعث افزایش ابعاد مساله و نزدیک شدن به شرایط واقعی می گردد، انجام گرفته است. مساله GEP، توسط الگوریتم های SFL مرسوم و ژنتیک نیز حل و جواب های به دست آمده با MSFL پیشنهادی مقایسه شده است. مقایسه انجام شده نشان می دهد که عملکرد و کیفیت جواب به دست آمده از الگوریتم MSFL پیشنهادی، در هر دو حالت بهتر از الگوریتم SFL مرسوم و GA است.

کلید واژگان: الگوریتم SFL, بهینه سازی ترکیبی, برنامه ریزی توسعه تولید, شبیه سازی احتمالاتی تولید, قابلیت اطمینان}

چکیده مشاهده متن زبان: فارسی

Generation Expansion Planning by a Modified SFL Algorithm

Mr Morteza Jadidoleslam, Mr Ahsan Bijami, Dr Akbar Ebrahimi

Intelligent Systems in Electrical Engineering, Volume:2 Issue: 1, 2012, P 27

In this paper, Generation Expansion Planning (GEP), is modeled as an optimization problem in which the objective function is to minimize the total investment, operation, and outage (energy not served) costs of power system as well as salvage value of investment costs. Generation system reliability is assessed and provided by means of EENS and LOLP indices. To solve the GEP problem, a new Modified Shuffled Frog Leaping namely MSFL algorithm is proposed. A new frog leaping rule and a new strategy for frog distribution into memeplexes is introduced to improve the local exploration and performance of the original SFL algorithm. To show the effectiveness of the MSFL algorithm, it is applied to a test system with 15 existing power plants and 5 types of new candidates, for a 12-years and a 24-years planning horizon. The original SFL algorithm and the Genetic Algorithm (GA) are also applied to solve the GEP problem. Simulation results show the advantages of the proposed MSFL algorithm over the original SFL and GA.

Abstract View Paper Original: Persian

نکته

نتایج بر اساس تاریخ انتشار مرتب شده‌اند.
کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شده‌است. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
در صورتی که می‌خواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.

به جمع مشترکان مگیران بپیوندید!

جستجوی مقالات مرتبط با کلیدواژه « بهینه سازی ترکیبی » در نشریات گروه « برق »