This paper proposes Genetic Algorithms (GA) for solving optimal multi-distributed generation (DG) location and capacity. The objective is to minimize the real power loss within security and operational constraints. Four kinds of DG are considered including distributed real power sources only, distributed real reactive sources only, distributed generation supplying real power and consume reactive power, distributed generation supplying real power and reactive power, representing photovoltaic, synchronous condenser, wind turbines, and hydro power, respectively. A detailed performance analysis is carried out on 33 bus system to demonstrate the effectiveness of the proposed methodology

چکیده

در این مقاله، از الگوریتم ژنتیک برای حل بهینه سازی مکان و ظرفیت ژنراتورهای توزیع شده استفاده می شود. هدف کاهش اتلاف توان حقیقی در شرایط امنیتی و عملیاتی است. 4 نوع DG شامل منابع توان حقیقی پراکنده، منابع راکتیو حقیقی پراکنده، ژنراتور توزیع تامین کننده توان حقیقی و مصرف کننده توان راکتیو، ژنراتور پراکنده تامین کننده توان حقیقی و توان راکتیو، که فوتوولتائیک، چگالنده سنکرون، توربین های بادی و نیروی آبی بترتیب نماینده هریک از این موارد می باشند. تحلیل دقیق عملکرد روی یک سیستم 33 bus انجام شده است تا کارآمدی روش ارایه شده را نشان دهد.

1-مقدمه

طبیعت سیستم های توزیع برای سهولت عملکرد معمولا شعاعی است. سیستم های توزیع شعاعی (RDS) تنها از یک نقطه تغذیه می شوند و آن هم ایستگاه فرعی است. ایستگاه فرعی، توان را از ایستگاه های مولد مرکزی و از طریق شبکه های انتقال متصل بهم دریافت می کند. مصرف کنندگان نهایی برق، توان الکتریکی را از ایستگاه فرعی و از طریق RDS  که یک شبکه پسیو است دریافت می کنند. ازآنجاکه جریان توان در RDS دارای یک جهت است، نسبت بالای R/X در خطوط توزیع منجر به افت ولتاژهای شدید، پایداری ولتاژ پایین و اتلاف توان می شود. تحت شرایط بارگذاری بحرانی در سطوح صنعتی به خصوص، RDS افت ولتاژ ناگهانی شدیدی را در اثر مقدار کم پایداری ولتاژ در بیشتر نقاط، تجربه می کند. اخیرا، چندین راه حل برای کامل کردن عدم مقاومت RDS با تعبیه کردن منابع الکتریکی با توان کم برای بهبود قابلیت اطمینان سیستم و تنظیم ولتاژ ارایه شده است...