توزیع بهینه توان راکتیو با استفاده از الگوریتم آموزش و یادگیری در حضور عدم قطعیت ناشی از توربین‌های بادی

توزیع بهینه توان راکتیو با کاهش تلفات در شبکه نقشی اساسی را در بهره‌برداری اقتصادی از شبکه بر عهده دارد. در این مقاله الگوریتم آموزش و یادگیری برای توزیع بهینه توان راکتیو و کنترل ولتاژ در حضور توربین‌های بادی ارائه می‌شود. این الگوریتم از انواع الگوریتم‌های تکاملی مبتنی بر جمعیت بوده که توانایی بالایی در حل مسائل غیرخطی دارد. این مسأله در قالب یک مسأله غیرخطی عدد صحیح آمیخته مدل‌سازی می‌شود و در آن هم‌ متغیرهای پیوسته و هم متغیرهای گسسته مدل می‌شوند. جواب بهینه مسأله شامل مجموعه ولتاژ ژنراتورها، گام تپ چنجرترانسفورماتورها و وضعیت جبران‌سازهای راکتیو جهت کمینه‌سازی میزان تلفات در شبکه است. در روش پیشنهادی، با حضور عدم قطعیت سرعت باد، با بهره‌گیری از اطلاعات واقعی سرعت باد، از پخش بار به روش تخمین دو نقطه‌ای جهت مدل‌سازی عدم قطعیت استفاده می‌شود.  روش پیشنهادی در سیستم استاندارد 57 باس IEEE پیاده‌سازی شده است. جهت اثبات کارایی الگوریتم آموزش و یادگیری نیز این الگوریتم با دو الگوریتم تجمع ذرات و تکامل تفاضلی مقایسه شده است. نتایج نشان از کارایی روش پیشنهادی در کاهش تلفات و همچنین ارضای قیود مسأله است.