توضیحات
Optimizing reactive power flow of HVDC systems using genetic algorithm
بهینه سازی جریان توان راکتیو سیستم های HVDC با استفاده از الگوریتم ژنتیک
این مقاله با الگوریتم ژنتیک و ازدحام ذرات PSO شبیه سازی شده است.
شبیه سازی روی شبکه 30باسه IEEE انجام شده است.
در این مقاله از الگوریتم هوشمند برای پخش بار بهینه با حضور شبکه HVDC استفاده شده است و مدل یکسو ساز و اینورتر طرفین خطوط را درنظر گرفته و مدار معادل شکل زیر در پخش بار درنظر گرفتیم
و برای پخش بار بهینه توان اکتیو و راکتیو از الگوریتم هوشمند استفاده کرده و متغیر کنترلی را بصورت متغیرهای ژنراتور و توان کندانسور و تپ ترانسفورماتور ها مطابق روابط زیر
..
و بمنظور تعادل خطوط دیسی و ایسی در پخش بار لازم است متعادل سازی صورت گیرد که روابط ان بصورت زیر است
و تابع هدف مساله بصورت زیر تعریف کرده
…
و برای پیاده سازی روش مقاله یک شبکه 30 باسه IEEE را درنظر میگیریم
که متشکل از چند کندانسور و دو ژنراتور و 4 ترانسفورماتور دارد و دو خط HVDC را به شبکه استاندارد اضافه کرد و نتایج پخش بار با الگوریتم پرندگان بصورت زیر است
fval =
13.9824
exitflag =
1
output =
rngstate: [1×1 struct]
iterations: 232
funccount: 11650
message: ‘Optimization ended: relative change in the objective value
over the last OPTIONS.StallIterLimit iterations is…’
F =
13.9824
lossMW =
12.6828
x =
Columns 1 through 12
1.4000 1.1080 0.3535 -0.0932 0.0902 0.2399 1.0314 0.9189 0.9845 0.9418 1.3000 1.3000
Columns 13 through 18
1.2705 1.2167 0.8705 0.0501 0.6637 0.5897
متغیرهای بهینه سازی شده برحسب پریونیت
و منحنی بهینه سازی
این پروژه شامل 4 فایل است که فایل اصلی mx1 نام دارد و بقیه فایلها فانکشن هستند و توسط برنامه اصلی فراخوانی میشود و این فانکشن ها تابع هزینه پرنده و تابع محاسبه زوایای دیسی و تابع بررسی محدودیت زاویه هستند.
نتایج بدست آمده از الگوریتم ژنتیک و بر روی شبکه 30 باسه:
exitflag =
1
output =
problemtype: ‘boundconstraints’
rngstate: [1×1 struct]
generations: 348
funccount: 20940
message: ‘Optimization terminated: average change in the fitness value less than options.TolFun.’
maxconstraint: 0
F =
14.1370
lossMW =
12.8359
x =
Columns 1 through 12
1.3546 1.1273 0.1322 0.0683 0.2209 -0.0360 0.9890 0.9903 0.9915 0.9456 1.2443 1.2443
Columns 13 through 18
1.1870 1.1400 0.2144 0.1195 0.6129 0.5476
متغیرهای بهینه سازی شده برحسب پریونیت
و منحنی بهینه سازی
این پروژه در متلب 2016 تست واجرا شده است و برای اجرای برنامه نیاز به تولباکس متپاور MATPOWER ورژن 6 است که بایستی از اینترنت دانلود گردد و در مسیر اصلی متلب قرارگیرد و سپس برنامه اجرا گردد.
کلید واژه:
Optimal reactive power flow, Integrated AC–DC system, Heuristic method, Genetic algorithm, Evolutionary
شبیه سازی مقاله Optimizing reactive power flow of HVDC systems using genetic algorithm
توسط کارشناسان سایت متلبی پیاده سازی گردیده و به تعداد محدودی قابل فروش می باشد.
سفارش انجام پروژه مشابه
درصورتیکه این محصول دقیقا مطابق خواسته شما نمی باشد،. با کلیک بر روی کلید زیر پروژه دلخواه خود را سفارش دهید.
دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.