مقاله ترجمه شده الگوریتم بهینه سازی مبتنی بر یادگیری – آموزشی برای برنامه ریزی توان راکتیو

الگوریتم بهینه سازی مبتنی بر یادگیری – آموزشی برای برنامه ریزی توان راکتیو
چکیده
برنامه ریزی توان راکتیو یکی از چالش برانگیزترین مشکلات برای بهره برداری کارآمد و موثر از یک شبکه نیرو بهم متصل است . آن به هماهنگی موثر و بهینه همه الگوهای نیرو راکتیو موجود در شکبه نیاز دارد. اخیراً الگوریتم بهینه سازی مبتنی بر یادگیری-آموزش (TLBO) تکامل یافته است و در زمینه بهینه سازی مهندسی کاربرد دارد. شبکه برق به هم پیوسته می باشد. در کار پیشنهادی از الگوریتم بهینه سازی مبتنی بر TLBO برای برنامه ریزی توان راکتیو استفاده شده و در سیستم های باس IEEE 30 و IEEE 57 کاربرد دارد. نتایج به دست آمده از این روش با نتایج به دست آمده توسط سایر تکنیک های بهینه سازی مانند PSO (بهینه سازی ذرات توده ای) ،HSA (الگوریتم جستجوی هارمونی) و BB-BC (Big Bang-Big Crunch) مقایسه شده اند. در پایان ، TLBO به عنوان مؤثرترین روش برای برنامه ریزی توان راکتیو در بین تمام روشهای مورد بحث مطرح شده است و می تواند به عنوان یکی از روشهای استاندارد برای بهینه سازی توان واکنش پذیر در نظر گرفته شود.
مقدمه
کنترل توان راکتیو به دلایل زیادی به یک جنبه مهم تبدیل شده است. در ابتدا نیاز به کارآمدترین عملکرد سیستم های برق ، با قیمت سوخت افزایش یافت. برای توزیع معین نیرو ، تلفات موجود در سیستم را می توان با به حداقل رساندن جریان قدرت راکتیو کاهش داد. دوم ، گسترش شبکه انتقال به طور کلی با بالا رفتن نرخ بهره و به ویژه در مواردی به علت حق عبور محدود شده است. در بسیاری موارد ، نیرو انتقال یافته از طریق مدار قدیمی افزایش می یابد ، که به استفاده از اقدامات کنترل قدرت واکنش برای بازگرداندن حاشیه های پایداری نیازدارد. سوم ، ولتاژ به عنوان یکی از مهمترین پارامترهای کیفیت منبع تغذیه در نظر گرفته می شود.

بهمراه فایل PDF+WORD+PPT

12 صفحه ترجمه روان

18  صفحه اسلاید

6 صفحه PDF

• مشخصات محصول
• دسته‌بندی محصول
• برچسب‌ها
• دیدگاه‌ها