سایزبندی بهینه و لوکیشن واحدهای توزیع پراکنده به منظور بهبود نمایه‌ ولتاژ و کمینه‌سازی اتلاف توان حقیقی در سیستم‌های توان شعاعی بر مبنای تکنیک بهینه‌سازی ازدحام ذرات

واحدهای تولید پراکنده (دی جی)، از تعداد قابل‌توجهی از ویژگی‌های فنی، محیطی و اقتصادی برخوردارند که می‌توانند در بهبود پایایی و امنیت شبکه الکتریکی سهیم باشند. اما تمام مزایایی که فوق‌الذکر را نمی‌توان بیشینه ساخت و ارتقا داد مگر اینکه سایزبندی و موقعیت مکانیِ واحدهای تولید پراکنده، به‌درستی مشخص شوند. موقعیت‌یابی بدون برنامه‌ی واحدهای تولید پراکنده، ممکن است تأثیراتی منفی بر شبکه‌های الکتریکی داشته باشد. تعداد زیادی روش برای محاسبه‌ی سایزبندی و تعیین موقعیت بهینه‌ی واحدهای تولید پراکنده در شبکه‌های توزیع، مطرح شده‌اند. با اینحال، برخی از آنها بر رویکرد تحلیلی به منظور برآورد تخصیص بهینه‌ی واحدهای دی جی در شبکه‌های توزیع شعاعی تمرکز دارند. در واقع، اگرچه این روش هم بارهای ثابت و هم بارهای متغیر را مدنظر قرار می‌دهد و هم بر مشکل همگرایی فائق می‌آید، اما سایزبندی بهینه‌ی واحدهای دی جی را مدنظر قرار نمی‌دهد. توجه اصلی این پژوهش، بهبود تکنیکی است که بر مبنای یک الگوریتم هوشمند قرار داشته باشد تا بتواند برنامه‌ریزی بهینه داشته باشد و عملکرد فناوری‌های دی جی را نیز بهینه‌سازی کند و به این تر

Over the last few years, Distribution Generations (DGs) are fast finding their importance in solving growing environmental problems and rising energy demands. However, installation of DG in distribution network may have positive or negative impacts on power system depending on system configuration and local issues. Bat Algorithm (BA) with varying loudness and pulse rate is proposed in this paper for the optimal location and sizing of DG in radial distribution system in order to minimize real power losses and maximize voltage stability index (VSI), along with improving voltage profile within the range of the voltage constraint. Two cases based on either real or both real and reactive power generating capability of DG is considered. Both the cases include single as well as multiple DG units for performance analysis of DG on IEEE 69 bus systems. To verify the efficiency of proposed method a comparison is made with Standard Particle Swarm Optimization (PSO). The simulation results reveal t