بیشینه سازی مزایای واحد های تولید پراکنده با ملاحظه محدودیت های فنی شبکه توزیع توسط الگوریتم بهینه سازی گسسته کرم شب تاب
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه محقق اردبیلی - دانشکده فنی
- نویسنده علی جباری
- استاد راهنما عادل اکبری حسین شایقی بهروز میرزایی ضیاپور
- سال انتشار 1391
چکیده
در این پایان نامه مکان یابی و اندازه یابی بهینه منابع تولید پراکنده در شبکه توزیع با لحاظ محدودیت های متنوع بهره برداری عملی از جمله پتانسیل سنجی انرژی منبع تولید پراکنده، با الگوریتم هوشمند گسسته کرم شب تاب، جهت بیشینه سازی مزایای فنی و اقتصادی شبکه توزیع انجام شده است. شاخص های مهمی چون تلفات شبکه، پروفیل ولتاژ شینه های شبکه، پایداری ولتاژ شبکه، شارش بار خطوط و سود شرکت های خصوصی از تولید پراکنده به عنوان توابع هدف این الگوریتم در قالب شاخص های فنی و اقتصادی شبکه انتخاب شده اند. جهت صحت سنجی و بررسی قدرت عمل الگوریتم کرم شب تاب، عملکرد این الگوریتم در شبکه استاندارد 33 شینه ieee با عملکرد سایر الگوریتم های رایج از جمله الگوریتم اجتماع ذرات (pso) و ژنتیک (ga) و ترکیب این دو الگوریتم (ga/pso) مقایسه شده است. همچنین تاثیر عوامل مختلفی مثل نوع منبع تولید پراکنده، تغییر سطح بار مصرف کنندگان شبکه و محدودیت های مربوط به شرایط نصب منبع تولید پراکنده، بر بیشینگی مزایای فنی و اقتصادی این منابع در شبکه توزیع محلی شهرستان مشگین شهر، بررسی شده است. در انتها دو ترکیب کاربردی از شاخص های فنی و اقتصادی شبکه محلی فوق، بررسی شده است.
منابع مشابه
طراحی بهینه نیروگاههای تولید پراکنده در شبکه توزیع با استفاده از الگوریتم بهینه سازی فاخته و مقایسه با روشهای پیشین
چکیده: با توجه به روند روبه رشد استفاده از منابع تولید پراکنده، طراحی بهینه این واحدها در سیستم قدرت بخصوص در شبکه توزیع لازم و ضروری است. در این مقاله جهت تعیین مکان و اندازه بهینهی منابع تولید پراکنده از الگوریتم بهینه سازی فاخته با اهداف چندگانه، استفاده شده است. اهداف بررسی شده عبار اند از: کاهش تلفات خطوط، کاهش انحراف متوسط ولتاژ و پایداری ولتاژ. الگوریتم فاخته یک الگوریتم مبتنی بر جمعیت ...
متن کاملبررسی کارایی الگوریتم های بهینه سازی کرم شب تاب و رگرسیون ماشین بردار پشتیبان جهت پیشبینی هزینه سرمایه
هزینهی سرمایه، حداقل نرخ بازدهی مورد انتظار سرمایهگذاران است، این نرخ بازده مورد انتظار با در نظر گرفتن ریسک شرکت تعیین میشود. در این پژوهش با استفاده از اطلاعات مالی 97 شرکت طی سالهای 1390 الی 1396 و به کمک متغیرهای حسابداری اقدام به پیشبینی هزینه سرمایه در شرکتهای پذیرفتهشده در بورس اوراق بهادار تهران شده است. جهت پیشبینی هزینه سرمایه از روشهای رگرسیون ماشین بردار و کرم شبتاب ا...
متن کاملمدل سازی فرآیند ماشینکاری تخلیه الکتریکی با شبکه عصبی و بهینه سازی آن با استفاده از الگوریتم کرم شب تاب
در این مقاله فرآیند ماشینکاری تخلیه الکتریکی توسط شبکه عصبی مصنوعی پیشخور با باز انتشار خطا مدل سازی شده و خروجی فرآیند شامل نرخ براده برداری و فرسایش ابزار توسط الگوریتم کرم شب تاب بهینه گردید. تغییر پارامترهای خروجی بر اساس پارامترهای ورودی شامل شدت جریان، زمان روشنی پالس و زمان خاموشی پالس تعیین گردیده و در نهایت برای هر یک از مراحل خشن تراشی و پرداخت کاری پارامترهای متناسب به نحوی ارائه می ...
متن کاملمدیریت تقاضای آب با استفاده از الگوریتم بهینه سازی کرم شب تاب پویا: مطالعه موردی رودخانه هیرمند
الگوریتم کرم شب تاب یک تکنیک بهینه سازی موثر بر مبنای هوش ازدحامی است که به طور موفقیت آمیزی در مسائل مهندسی کاربردی استفاده میشود. در این پژوهش الگوریتم کرم شب تاب پویا برای تخمین میزان تقاضا آب از رودخانه هیرمند در منطقه سیستان به کار برده شده و با چهار الگوریتم مختلف کرم شب تاب برای سالهای 1385 تا 1396 مقایسه گردید. از داده های سال 1385 تا 1393 جهت آموزش و یاد گیری مدل استفاده شد و از باقیم...
متن کاملمدلسازی مبادلات سهام با رویکرد شمعدان فازی و روش بهینه سازی کرم شب تاب و مورچگان
اخیرا از روش هوشمند مبتنی بر فازی برای پویاسازی الگوهای کندل استیک ژاپنی در جهت تحلیل الگوهای کندل استیک با در نظر گرفتن اطلاعات غیر قطعی استفاده شده است. از انجایی که منطق فازی مبتنی بر دانش خبره است، اگرچه متخصصان انسانی میتوانند نقش مهمی در تنظیم مقادیر توابع عضویت متغیرهای فازی داشته باشند، اما از انجایی که معمولا دانش انسانی دارای ابهام است، تنظیم بهینه ای حاصل نمیگردد. از اینرو ارائه تکنی...
متن کاملمدل سازی برش شیشه با جت آب همراه با ذرات ساینده توسط شبکه عصبی و بهینه سازی زبری سطح با استفاده از الگوریتم کرم شب تاب
در این مقاله از الگوریتم تازه گسترش یافته کرم شب تاب برای بهینه سازی فرآیند برش شیشه با جت آب همراه با ذرات ساینده که فرآیندی چند متغیره غیر خطی است، استفاده گردید. در روش پیشنهادی به منظور مدل سازی و پیش بینی زبری سطح فرآیند برش شیشه؛ با توجه به پارامترهای فرآیند شامل فشار جت آب، سرعت پیشروی، نرخ ریزش ذرات ساینده و فاصله نازل تا سطح قطعه کار از شبکه عصبی مصنوعی پیشخور با باز انتشار خطا استفاده...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
نوع سند: پایان نامه
وزارت علوم، تحقیقات و فناوری - دانشگاه محقق اردبیلی - دانشکده فنی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023