关键字 |
| 人工蜂群优化技术(ABC),分布式发电(DG),分配系统,损失最小化。 |
介绍 |
| 如今,电力公用事业正处于快速重组过程和计划扩大电网络来满足日益增长的负荷需求。因此计划未来的扩张和满足日益增长的电力需求,介绍了分布式发电(DG)的概念。分布式发电机是电力技术有限大小的直接互联的消费者。DG单元可能是可再生或不可再生类型包括风能、太阳能、微型涡轮机、燃料电池等。这些分布式发电机也称为嵌入式或分散的生成和范围从几千瓦到100千瓦。在配电系统中,由于负载不确定性负荷需求超过发电能力导致的功率损耗和不可靠的操作系统。要解决这个问题DG单元纳入分配系统,以满足过度需求导致能量损失最小化,提高电压,电能质量改善,运行可靠,等。自DG单元连接在客户端,功率分布的成本也降低了。提出了一种优化技术人工蜂群(ABC)算法找到最优分布式发电机的位置分配系统,这样总实际径向分布系统的功率损耗最小化。 |
方法 |
| DG单元的测试系统对优化配置是IEEE 34总线径向分布系统,如图1所示。最初牛顿拉富生负载流应用于IEEE 34总线径向分布系统和全部损失。然后减少总真正的径向分布系统的功率损耗,优化配置和分级分布式发电(DG)使用人工蜂群(ABC)算法。这里2 DG的分配被认为是。DG的最佳位置是由总线,提供最低功率损耗后DG渗透。 |
问题公式化 |
| 目标函数是最小化总系统的功率损耗,Eq。1所示 |
 |
| n多的公交车 |
| π实权来自巴士我i + 1 |
| 气无功功率流从巴士我我+ 1 |
| 在公共汽车我Vi总线电压 |
| r i + 1阻力线连接公共汽车我和+ 1 |
| 适应度函数找到最低损失在Eq。2 |
 |
人工蜂群算法(ABC) |
| 人工蜂群算法是2005年由Karaboga引入。蜜蜂蜜蜂殖民地由三种类型即:旁观者蜜蜂,童子军蜜蜂,蜜蜂。采用蜜蜂在寻找食物源随机和他们共享信息的花蜜的食物来源和旁观者蜜蜂在蜂巢的跳舞。食物来源的花蜜量决定了舞蹈的时间。旁观者蜜蜂选择最好的食物源的位置通过观看舞蹈采用蜜蜂花蜜量的测量。旁观者蜜蜂比较舞蹈的蜜蜂与邻国和选择食物来源采用蜜蜂的舞蹈较长的时间,作为最优解。一旦食物来源选择的旁观者和侦察蜂变化成为雇佣蜜蜂和一个雇佣蜂后放弃食物来源成为一个侦察蜂。侦察员蜜蜂再搜索一个新的食物来源。这个搜索过程将继续,直到找到最佳食物来源位置。在ABC算法有三个参数即:菌落大小或数量的人口(NP),最大循环数和极限值。 The colony size (CS) represents the total number of bees present. The bee colony has equal number of employed bees and onlooker bees. Each food source has been given an employed bee and thus the number of food source positions equals the number of employed bees. The maximum number of times the search process has to be repeated is given by Maximum Cycle Number (MCN). Limit value gives the number of trials after which a food source becomes exhausted. In this technique, the best food source is selected by comparing the nectar amount of the current food source with that of the previous best food source position stored by the onlooker bee. |
| 如果当前的食物来源的花蜜量大于前一个,然后最好的食物来源位置存储的旁观者蜜蜂被修改为当前一个或将保持不变。以这种方式搜索过程将继续,直到最好的找到食物源的位置。同样的原则可以用于发现DG单元的最优位置。DG单元放置在不同的位置在IEEE 34总线径向分布系统与不同大小和功率损耗计算为每个组合使用牛顿拉富生负载流。连续组合的功率损耗与前一个相比,最好的解决方案是保留。出功率损耗最小的组合给了DG单元的最优位置和大小。因此真正的总功率损耗最小化DG公司后发现。 |
| 图2显示了使用ABC算法DG的分配方法,图3显示了ABC算法的流程图 |
ABC算法DG分配 |
| 1。初始化食物源的位置。 |
| 2。使用适应度函数计算花蜜的食物来源。 |
| 3所示。产生邻居解决方案和计算他们的花蜜。 |
| 4所示。应用选择过程。 |
| 5。如果所有旁观者蜜蜂分布,去第9步否则去下一步。 |
| 6。计算概率值的解决方案。 |
| 7所示。为选中的旁观者蜜蜂产生邻居解决方案和评估步骤2表示。 |
| 8。遵循步骤4 |
| 9。确定蜂群的废弃的解决方案,如果它存在,代之以一个全新的解决方案和评估在步骤2中。 |
| 10。记住到目前为止最好的解决方案了。 |
| 11。如果周期= m cn,停止并打印结果。否则按照步骤3。 |
结果与讨论 |
| 答:没有DG的功率损耗 |
| 最初,IEEE 34总线的负载流量牛顿拉富生径向分布系统执行和损失发现记录在表i真正的和无功功率损失的系统是由分别P损失和损失。 |
| b . DG的功率损耗 |
| 然后两个分布式发电机最优分配和使用人工蜂群算法和损失大小被牛顿发现拉富生和相同的方法记录在表二世。真正的和无功功率损失的系统是由分别P损失和损失。ABC给出的参数如下: |
| 1。蚁群的规模(CS) = 20 |
| 2。最大循环数(m cn) = 55 |
| c .最佳DG位置和大小 |
| 人工蜜蜂殖民地技术用于查找两个分布式发电的最优位置和尺寸大小限制内(0 - 5)MW和相同的记录在表3。DG互联正在尝试所有可能的组合不同大小使用ABC和出最小功率损耗的最佳组合在IEEE 34总线径向分布系统作为DG分配的最优解。 |
| DG 1和2两个分布式发电机被认为是分配在IEEE 34总线径向分布系统。DG 1和2的最优位置分别为公交车10日和31日。DG 1和2的最优尺寸分别为0.3和0.1 MW。 |
| d .损失变化对不同DG连接 |
| 在ABC技术中,总干事被放置在不同的公共汽车和每个组合的损失是发现通过迭代方法。图4描述了变化的损失对不同DG安置在每个迭代。这表明在迭代数55岁,最好的损失最小化。 |
| e .最小损失出现 |
| 在ABC技术,DG连接在不同的位置和每个组合的损失是发现。在每次迭代更新损失随着全球最好的如果是最低比前一个。图5描述了全球最好的解决方案。e最低损失在每次迭代更新。 |
结论 |
| 本文的实际功率损耗IEEE 34总线径向分布系统已经减少了优化配置的分布式发电(DG)使用人工蜂群优化技术。最初,牛顿拉富生加载测试系统的流量进行分配之前DG和损失被发现0.09770 MW。然后一个分布式发电(DG)最优分配和大小使用人工蜂群(DG渗透后的损失最小化,被发现0.0022 MW。因此真正的权力损失减少0.0954 MW得到如表四所示。 |
表乍一看 |
|
|
数据乍一看 |
|
|
引用 |
- Abu-Mouti F.S.;El-Hawary、,”Optimal Distributed Generation Allocation and Sizing in Distribution system via Artificial Bee Colony Algorithm”IEEE电力交付4号,卷。26日,第2101 - 2090页,2011年10月
- Baran和F F。吴,“最佳电容器放置在径向分布系统上,“IEEE反式。德尔。,4卷,不。1,第735 - 725页,1989年1月。
- Baran和F F。吴”,网络重新配置在分销系统减少损失和负载平衡,”IEEE反式。德尔。,4卷,不。2,页1401 - 1407,1989年4月。
- g·切利大肠Ghiani、美国Mocci和f . Pilo”大小的多目标进化算法和分布式发电的坐着,“IEEE反式。电力系统。,20卷,不。2、2005年5月,页750 - 757
- Duong Quoc挂;Mithulananthan:;邦萨尔、阻容。”解析表达式对DG分配主要分销网络”,IEEE能量转换,25卷,3号pp.814 - 820, 2010
- r . SrinivasaRao k . Ravindra k Satish, s . v . l . Narasimham“功率损耗最小化分配系统使用网络重新配置分布式发电的存在”,IEEE电力系统,2012年4月
- 王c和m . h . Nehrir”分析方法的最优位置在电力系统分布式发电来源,”IEEE反式。电力系统。,19卷,不。4,pp. 2068–2076, Nov. 2004.
|
菜单
