بازآرایی سیستم قدرت در یک شبکه توزیع شعاعی برای کاهش اتلاف{انرژی} و بهبود پروفیل ولتاژ با استفاده از الگوریتم شبیه‌سازی رشد گیاه اصلاح‌شده با تولید پراکنده (DG)

در دو دهه اخیر با استفاده از الگوریتم‌های تکاملی جستجوی ابتکاری گوناگون مانند بهینه‌سازی انبوه ذرات، تکنیک‌های عصبی – فازی و غیره، سهم این مقاله در در نظر گرفتن تولید پراکنده که منابع قدرت کوچک‌تر مانند سلول‌های خورشیدی یا توربین‌های بادی متصل به بالا، قرار دارد. این اتصال جدید در شبکه شعاعی جریان جریان متقارن را به وجود می آورد که باعث افزایش بهره وری می شود، اما گاهی اوقات ثبات سیستم را کاهش می دهد. الگوریتم شبیه‌سازی رشد گیاه اصلاح‌شده در اینجا با موفقیت برای به حداقل رساندن اتلاف{انرژی} توان واقعی اعمال شده‌است چون به عوامل مانع و یا سطوح بالای نرخ‌ها نیاز ندارد چون اهداف و محدودیت‌ها به طور جداگانه مورد بررسی قرار می‌گیرند. مزیت اصلی این الگوریتم جستجوی هدایت‌شده همراه با تغییر تابع هدف است زیرا توان از تولید پراکنده به طور مداوم تغییر می‌کند بنابراین این می‌تواند برای کاربردهای بلادرنگ با اصلاحات مورد نیاز اعمال شود. این الگوریتم در اینجا برای یک سیستم توزیع شعاعی ۳۳ باس استاندارد برای کمینه‌سازی اتلاف{انرژی} و نتایج آزمایش در اینجا مورد آزمایش قرار می‌گیرد و نشان می‌دهد که این ا

Network reconfiguration which is constrained non linear optimization problem has been solved for loss minimization, load balancing, etc. for last two decades using various heuristic search evolutionary algorithms like binary particle swarm optimization, neuro-fuzzy techniques, etc. The contribution of this paper lies in considering distributed generation which are smaller power sources like solar photovoltaic cells or wind turbines connected in the customer roof top. This new connection in the radial network has made unidirectional current flow to become bidirectional there by increasing the efficiency but sometimes reducing stability of the system. Modified plant growth simulation algorithm has been applied here successfully to minimize real power loss because it does not require barrier factors or cross over rates because the objectives and constraints are dealt separately. The main advantage of this algorithm is continuous guiding search along with changing objective function becau