Abstract
This paper presents an efficient and reliable evolutionary-based approach to solve the optimal reactive power dispatch (ORPD) problem. Optimal reactive power dispatch is a mixed integer, nonlinear optimization problem which includes both continuous and discrete control variables. The proposed approach employs Ensemble of Mutation and Crossover Strategies and Parameters in Differential Evolution (EPSDE) algorithm for optimizing a set of reactive power control variables such as generator voltages, tap positions of tap changing transformers and the amount of reactive compensation which maximizes reactive reserve available at generating buses. Voltage dependent reactive power limits have been accounted. Developed algorithm accounts inequality constraints not only in present operating conditions (after reactive power rescheduling) but also for predicted next interval load (with reactive power rescheduling). Proposed methodology has been implemented on IEEE 14-bus and 25-bus test systems. Performance of the methodology has been compared with Selfadaptive Differential Evolution (SaDE), Teaching Learning Based Optimization (TLBO) and Genetic Algorithm (GA) techniques based on statistical inference
چکیده
این مقاله روشی کارا و قابل اطمینان بر پایه ی روش های تکامل یافته برای حل مسئله ی پخش بهینه ی توان راکتیو (ORPD) ارائه می دهد. پخش بهینه ی توان راکتیو یک مسئله ی ترکیبی عدد صحیح و بهینه سازی غیر خطی است که متغیرهای کنترلی پیوسته و گسسته دارد. روش پیشنهاد شده از الگوریتم مجموعه ای از جهش ها و استراتژی های دو رگه و پارامترها در تکامل های تفاضلی (EPSDE)، برای بهینه سازی متغیرهای کنترلی توان راکتیو مانند ولتاژ ژنراتور، موقعیت تپ ترانسفورمر تپ چنجر و مقداری از توان راکتیو جبران ساز که ذخیرهی توان راکتیو در باس های تولید را حداکثر میکند، به کار میرود. محدودیتهای ولتاژ که در اثر توان راکتیو هستند، محدودیت های نامساوی الگوریتم را نه تنها در شرایط عملی فعلی (پس از تنظیم دوباره توان راکتیو) به دست می دهند بلکه با پیش بینی بار آینده نیز محدودیت های عملیاتی را محاسبه می کنند (با تنظیم دوباره توان راکتیو). روش پیشنهاد شده بر روی شبکه های 14 و 25 شین IEEE، پیاده سازی شده است و نتایج با الگوریتم های تکامل تفاضلی خود وفقی (SaDE)، TLBO و الگوریتم ژنتیک (GA) از دید آماری مقایسه شده است.
1-مقدمه
امروزه مدیریت ولتاژ و توان راکتیو هم در بخش برنامه ریزی و هم در بخش عملیات در سیستم های قدرت بسیار بزرگ، مورد توجه واقع شده است. این موضوع در دهه ی اخیر با توجه به کمبود منابع توان راکتیو در مقابل افزایش تقاضا، به موضوعی بحرانی تبدیل شده است. بهینه سازی توان راکتیو نقشی بسیار مهم در عملکرد بهینه ی سیستم قدرت دارد. بهینه سازی توان راکتیو (PRO) به معنای بهینه سازی متغیرهای کنترلی توان راکتیو مانند ولتاژ ژنراتور، تپ ترانسفورمر تپ چنجر و تجهیزات جبران سازی توان راکتیو است. تپ ترانسفورمر و تجهیزات جبران سازی توان راکتیو با تجهیزات، متغیرهایی گسسته هستند در حالی که دامنه ی ولتاژ شین وتوان راکتیو خروجی ژنراتور کمیت هایی پیوسته می باشند، بنابراین مسئله ی ORPD با استفاده از برنامه نویسی ترکیبی عدد صحیح غیر خطی مدل می شود...