اندازه‌گیری بهینه و جایابی DG با مدل‌های بار با استفاده از تکنیک‌های محاسبات نرم افزاری در سیستم توزیع عملی

در محیط بازار آزاد انرژی، تولید توزیع شده (DG) یک رویکرد مؤثر برای مدیریت عملکرد ، بهره برداری و کنترل سیستم توزیع است. روش‌های موجود در مقالات برای برنامه‌ریزی DG اغلب قادر به ارائه همزمان مزایای فنی و اقتصادی نیستند . بنابراین یک روش کارآمد برای بهبود عملکرد فنی و همچنین عملکرد اقتصادی در مقایسه با رویکردهای موجود توسعه شده است. در این مطالعه نصب بهینه چند DG در سیستمهای توزیع شعاعی با ۳۳-گذرگاه؛ ۶۹- گذرگاه و سیستم توزیع شعاعی عملیاتی ۵۴- گذرگاهی را گزارش می دهد. چندین شاخص ارزیابی عملکرد از جمله شاخص های از اتلاف انرژی فعال (کنشی) و واکنشی، شاخص انحراف ولتاژ ، شاخص قابلیت اطمینان و شاخص های تغییر جهت استفاده می شود تا یک عملکرد جدید چند منظوره (MOF) ایجاد شود. مجموعه جدیدی از معادلات برای نشان دادن مدل‌های مختلف بار عملی توسعه داده شده‌ است. یک MOF جدید برای یافتن اندازه و جایابی بهینه DG ها با استفاده از الگوریتم ژنتیک و تکنیک بهینه‌سازی ازدحام ذرات حل شده‌ است. تحلیل نتایج مقایسه‌ای نیز برای هر دو تکنیک مورد بحث قرار می‌گیرد. تجزیه و تحلیل نتیجه نشان می دهد که سیستم دچار زیان شده،

In the deregulated power market environment, distributed generation (DG) is an effective approach to manage performance, operation and control of the distribution system. Methods available in the literature for DG planning are often not able to simultaneously provide technical and economical benefits. Therefore an effective methodology is developed to improve the technical as well as economical benefits as compared with the existing approaches. This study reports the optimal installation of multi-DG in the standard 33-bus, 69-bus radial distribution systems and 54-bus practical radial distribution system. Several performance evaluation indices such as active and reactive power loss indices, voltage deviation index, reliability index and shift factor indices are used to develop a novel multi-objective function (MOF). A new set of equations is developed for representing different practical load models. A novel MOF has been solved to find optimal sizing and placement of DGs using genetic