Nội dung được dịch bởi AI, chỉ mang tính chất tham khảo
Giảm thiểu tổn thất công suất thực bằng thuật toán North American Sapsucker
Tóm tắt
Trong bài báo này, thuật toán North American Sapsucker (NAS) đã được đề xuất để giải quyết vấn đề giảm thiểu tổn thất. NAS được thiết kế dựa trên hành vi giao phối của chim hút mật. Chim trống sẽ phát ra một âm thanh đặc trưng để thu hút chim mái. Trong thuật toán đề xuất, chim trống và chim mái là các giải pháp ứng cử. Liên quan đến giá trị của hàm mục tiêu, chim hút mật có sự khác biệt. Trong không gian tìm kiếm, chim trống là vị trí tốt nhất được tìm thấy cho đến nay và chim mái là những tác nhân tìm kiếm chính. Vị trí của chim mái hoàn toàn dựa trên chim trống. Khi một giải pháp ứng cử tốt hơn được tìm thấy, chim trống sẽ được cập nhật. Cường độ âm thanh sẽ có tác động lớn đến chim mái. Sự di chuyển của chim mái về phía chim trống tốt nhất sẽ diễn ra. Biến thể của âm thanh sẽ có sự thay đổi tùy thuộc vào khoảng cách giữa chim trống và chim mái. Trong không gian tìm kiếm, chim hút mật được khởi tạo ngẫu nhiên và mỗi chim đều hoạt động như một giải pháp ứng cử. Thông qua hàm mục tiêu, quần thể chim hút mật được đánh giá và hàm thích ứng được xác định. Những hành vi này bắt chước các thuật toán bầy đàn và tiến hóa. Mô hình đã được thực hiện liên quan đến cường độ âm thanh và sự di chuyển của chim hút mật. Thuật toán NAS đã được xác nhận trong các hệ thống thử nghiệm IEEE, có và không có độ ổn định về điện áp. Sự phân kỳ điện áp được giảm thiểu, độ ổn định điện áp được nâng cao và tổn thất điện năng được thu hẹp.
Từ khóa
#thuật toán NAS #giảm thiểu tổn thất #chim hút mật #tìm kiếm giải pháp #thuật toán bầy đàn #động lực học #mô hình hóaTài liệu tham khảo
Akhilesh DKBDAAC (2020) Firefly algorithm based simulation of optimal reactive power planning with SVC devices. Int J Adv Sci Technol 29(3):934–942
Aljohani TM, Ebrahim AF, Mohammed O (2019) Single and multiobjective optimal reactive power dispatch based on hybrid artificial physics-particle swarm optimization. Energies 12:2333
Bjelogrlic MR, Calovic MS, Babic BS (1990) Application of Newton’s optimal power flow in voltage/reactive power control. IEEE Trans Power Syst 5(4):1447–1454
Illinois Center for a Smarter Electric Grid (ICSEG). Available online: https://icseg.iti.illinois.edu/ieee-30-bussystem/ (accessed on 25 February 2019).
Dai C, Chen W, Zhu Y, Zhang X (2009) Seeker optimization algorithm for optimal reactive power dispatch. IEEE Trans Power Syst 24(3):1218–1231
Davoodi E, Babaei E, Mohammadi-Ivatloo B, Rasouli M (2020) A novel fast semidefinite programming-based approach for optimal reactive power dispatch. IEEE Trans Ind Inform 16(1):288–298. https://doi.org/10.1109/TII.2019.2918143
Deeb NI (1998) An efficient technique for reactive power dispatch using a revised linear programming approach. Electr Power Syst Res 15(2):121–134
Duman S, Sönmez Y, Güvenç U, Yörükeren N (2012) Optimal reactive power dispatch using a gravitational search algorithm. IET Gener Trans Distrib 6:563–576
El Ela AA, Abido MA, Spea SR (2011) Differential evolution algorithm for optimal reactive power dispatch. Electr Power Syst Res 81:458–464
Granville S (1994) Optimal reactive dispatch through interior point methods. IEEE Trans Power Syst 9(1):136–146. https://doi.org/10.1109/59.317548
Grudinin N (1998) Reactive power optimization using successive quadratic programming method. IEEE Trans Power Syst 13(4):1219–1225. https://doi.org/10.1109/59.736232
Huang S, Li P, Wu Q, Li F, Rong F (2020) ADMM-Based distributed optimal reactive power control for loss minimization of DFIG-based wind farms. Int J Electr Power Energy Syst. https://doi.org/10.1016/j.ijepes.2020.105827
Hussain AN, Abdullah AA, Neda OM (2018) Modified particle swarm optimization for solution of reactive power dispatch. Res J Appl Sci, Eng Technol 15(8):316–327. https://doi.org/10.19026/rjaset.15.5917
Lee KY (1984) Fuel-cost minimisation for both real and reactive-power dispatches. Proc Gener, Trans Distrib Conf 131(3):85–93
Mugemanyi S, Qu Z, Rugema FX, Dong Y, Bananeza C, Wang L (2020) Optimal reactive power dispatch using chaotic bat algorithm. IEEE Access. https://doi.org/10.1109/ACCESS.2020.2982988
Pandya, S. and R. Roy, (2015). Particle swarm optimization based optimal reactive power dispatch. In: Proceeding of the IEEE international conference on electrical, computer and communication technologies (ICECCT), pp: 1–5.
Ravisekar R, Srinivasan K (2020) Optimal reactive power dispatch with series and shunt facts evices using sine cosine algorithm. Int J Adv Res Eng Technol (IJARET) 11(1):90–109
Reddy SS (2014) Faster evolutionary algorithm based optimal power flow using incremental variables. Electr Power Energy Syst 54:198–210
Reddy SS (2017) Optimal reactive power scheduling using cuckoo search algorithm. Int J Electr Computer Eng 7(5):2349–2356
Saddique MS, Bhatti AR, Haroon SS, Sattar MK, Amin S, Sajjad IA, ul Haq SS, Awan AB, Rasheed N (2020) Solution to optimal reactive power dispatch in transmission system using meta-heuristic techniques—Status and technological review. Electr Power Syst Res 178:106031
Subbaraj P, Rajnarayan PN (2009) Optimal reactive power dispatch using self-adaptive real coded genetic algorithm. Electr Power Syst Res 79(2):374–381
Teeparthi K, Kumar DV (2017) Dynamic power system security analysis using a hybrid PSO-APO algorithm. Eng Technol Appl Sci Res 7:2124–2131
Tófoli MF, Soler EM, Balbo AR, Baptista EC, Nepomuceno L (2020) Interior/exterior-point methods with inertia correction strategy for solving optimal reactive power flow problems with discrete variables. Ann Oper Res 286(1):243–263
Yue Z, Shen X, Yan F (2020) Coordinated optimal control of multiple reactive power devices at different voltage levels in UHVDC near zone. E3S Web Conf 165:06021