[3] V. Miranda and M. A. C. C. Matos, “Distribution system planning with fuzzy models and techniques,” in Proc. CIRED, Brighton, U.K., 1989, vol. 6, pp. 472–476.
[4] N. Kagan and R. N. Adams, “Electrical power distribution systems planning using fuzzy mathematical programming,” Elect. Power Energy Syst., vol. 16, no. 3, pp. 191– 196, 1994.
[5] V. Calderaro, V. Galdi, and A. Picolo, “Distribution planning by genetic algorithm with renewable energy units,” in Proc. Bulk Power Systems Dynamics and Control, Italy, 2004, vol. 1, pp. 375–380.
[6] G. Celli et al., “A multi-objective evolutionary algorithm for the sizing and sitting of distributed generation,” IEEE Trans. Power Syst., vol. 20, no. 2, pp. 750–757, May 2005.
[7] K. H. Kim et al., “Dispersed generator placement using fuzzy-GA in distribution systems,” in Proc. IEEE Power Eng. Soc. Summer Meeting, 2002, vol. 13, pp. 1148–1153.
[8] G. Carpinelli et al., “Distributed generation siting and sizing under uncertainty,” IEEE Trans. Power Syst., vol. 20, no. 2, pp. 750–757, May 2009.
[9] V. F. Martins, “Heuristic algorithm dedicated to reconfiguration of distribution networks,” (in Portuguese) M.Sc. thesis, Federal Univ. Juiz de Fora, Juiz de Fora, Brazil, 2012.
[10] C. L. T. Borges and D. M. Falcao, “Optimal distributed generation allocation for reliability, losses, and voltage improvement,” Int. J. Elect. Power Energy Syst., vol. 28, no. 6, pp. 413–420, 2010.
[11] A. P. Leite, C. L. T. Borges, and D. M. Falcao, “Probabilistic wind farms generation model for reliability studies applied to Brazilian sites,” IEEE Trans. Power Syst., vol. 21, no. 4, pp. 1493–1501, Nov. 2006.
[12] M. Baran and F.Wu, “Network reconfiguration in distribution systems for loss reduction and load balancing,” IEEE Trans. Power Syst., vol.4, no. 2, pp. 1401–1407, May 1989.
[13]S. Tan and J.Xu,S.panda , “Optimization of Distribution Network Incorporating Distributed Generators: An Integrated Approach,” IEEE Trans. Power Syst, vol. 28, no. 3, August 2013.
و – جنبه جدید بودن و نوآوری در تحقیق:
با توجه به اهمیت تعیین دقیق اندازه بهینه تولیدات پراکنده و اینکه به کارگیری روشهای قبلی به دلیل عدم همگرایی مناسب و زمانبر بودن مقرون به صرفه و اقتصادی نیست، لذا یک روش مناسب برای حل این مسأله استفاده از الگوریتمهای بهینهسازی هوشمند میباشد.
عکس مرتبط با اقتصاد
از اینرو در این پروژه با بهره گرفتن از الگوریتم بهینه سازی فاخته به بررسی تعیین اندازه بهینه تولیدات پراکنده خواهیم پرداخت. الگوریتم فاخته یکی از الگوریتمهای جدید الهام گرفته شده از طبیعت بوده که از سرعت و دقت بالایی برخوردار است. بنابراین در یک کار جدید، این الگوریتم برای تعیین اندازه بهینه تولیدات پراکنده در شبکه های توزیع فعال به کار گرفته می شود. در انتها به منظور اثبات قابلیتهای روش پیشنهادی، مقایسه ای با الگوریتم ژنتیک انجام خواهد شد.
ز- اهداف مشخص تحقیق (شامل اهداف آرمانی، کلی، اهداف ویژه و كاربردی):
بدست آوردن اندازه بهینه تولیدات پراکنده در شبکه های توزیع فعال
در نظر گرفتن عدم قطعیت را برای انواع بارها (سبک سنگین ومتوسط)
استفاده از روش بهینه سازی جدید بر پایه الگوریتم فاخته
مقایسه قابلیت روش پیشنهادی با روشهای دیگر
ح – در صورت داشتن هدف كاربردی، نام بهرهوران (سازمانها، صنایع و یا گروه ذینفعان) ذكر شود (به عبارت دیگر محل اجرای مطالعه موردی):
وزارت نیرو، شرکتهای توزیع و برق منطقه ای
ط- سؤالات تحقیق:
مفهوم شبکه توزیع فعال چیست؟
مدلسازی عدم قطعیت در بار به چه صورتی می باشد؟
تعیین اندازه بهینه تولیدات پراکنده چگونه با بهره گرفتن از روشهای بهینهسازی هوشمند صورت میگیرد؟
از بین روشهای مختلف هوشمند کدام روش برای حل مسأله مناسب است؟
ی- فرضیههای تحقیق:
داشتن اطلاعات شبکه توزیع نمونه که از مقالات معتبر استخراج می شود.
ک- تعریف واژه ها و اصطلاحات فنی و تخصصی (به صورت مفهومی و عملیاتی):
شبکه توزیع فعال: شبکه ایی که با حضور منابع تولید پراکنده بصورت دو سو تغذیه بوده و دارای قابلیت تبادل توان در شبکه را دارد.
عدم قطعیت در بار: یعنی تغییرات ناشی از بار به چه صورت لحاظ می شود ودارای چه مزایایی می باشد.
5-روش شناسی تحقیق:
الف- شرح كامل روش تحقیق بر حسب هدف، نوع داده ها و نحوه اجراء (شامل مواد، تجهیزات و استانداردهای مورد استفاده در قالب مراحل اجرایی تحقیق به تفكیك):
تذكر: درخصوص تفكیک مراحل اجرایی تحقیق و توضیح آن، از به كار بردن عناوین كلی نظیر، «گردآوری اطلاعات اولیه»، «تهیه نمونههای آزمون»، «انجام آزمایشها» و غیره خودداری شده و لازم است در هر مورد توضیحات كامل در رابطه با منابع و مراكز تهیه دادهها و ملزومات، نوع فعالیت، مواد، روشها، استانداردها، تجهیزات و مشخصات هر یک ارائه گردد.
1- جستجو و بررسی منابع و مطالعه کامل روشهای موجود و انتخاب روشهای مناسب هوشمند و نرمافزار مورد استفاده
2- ایجاد بانک اطلاعاتی از نتایج شبیهسازی با بهره گرفتن از نرم افزارهای MATLAB و GAMS
3- استفاده از روشهای قبلی برای تعیین اندازه بهینه واحدهای تولید پراکنده
4- به کارگیری روش جدید برپایه الگوریتم فاخته برای تعیین اندازه بهینه واحدهای تولید پراکنده
5- مقایسه نتایج روش پیشنهادی با روش های پیشین
ب- متغیرهای مورد بررسی در قالب یک مدل مفهومی و شرح چگونگی بررسی و اندازه گیری متغیرها:
متغیرهای مسأله شلامل اندازه بهینه واحدهای تولید پراکنده می باشد.
ج – شرح کامل روش (میدانی، كتابخانهای) و ابزار (مشاهده و آزمون، پرسشنامه، مصاحبه، فیشبرداری و غیره) گردآوری دادهها :
استفاده از
در ابتدا با بهره گرفتن از منابع کتابخانه ای دیجیتال مانند:IEEE, Elsevier, Springer,……. و منابع فارسی مانند: کتابخانه توانیر شروع به جمع آوری منابع اطلاعاتی کرده و در ادامه با بهره گرفتن از راه حل پیشنهاد شده با بهره گرفتن از شبکه های نمونه و استاندارد IE
برای دانلود متن کامل پایان نامه به سایت 40y.ir مراجعه نمایید.
EE (مثلا 33 باسه یا 69 باسه و….) به حل مسئله و متغییرهای وابسته به آن خواهیم پرداخت.
د – جامعه آماری، روش نمونهگیری و حجم نمونه (در صورت وجود و امکان):
جامعه آماری شامل یک یا چند شبکه نمونه و استاندارد (مثلا IEEE، 33 باسه یا 69 باسه و….) می باشد.
هـ – روشها و ابزار تجزیه و تحلیل دادهها:
برای تجزیه و تحلیل دادهها از روشهای بهینهسازی هوشمند استفاده خواهد شد، به گونهای که بتوان با بهره گرفتن از این روشها به حل مسأله پرداخت. در این راستا از نرم افزارهای مناسب مانند MATLAB و GAMS استفاده خواهد شد.
6- استفاده از امكانات آزمایشگاهی واحد:
آیا برای انجام تحقیقات نیاز به استفاده از امكانات آزمایشگاهی واحد علوم و تحقیقات میباشد؟ بلی خیر
در صورت نیاز به امكانات آزمایشگاهی لازم است نوع آزمایشگاه، تجهیزات، مواد و وسایل مورد نیاز در این قسمت مشخص گردد.
حق انحصاری © 2021 مطالب علمی گلچین شده. کلیه حقوق مح