RESTRUCTURING THE DISTRIBUTION SYSTEM WITH QPSO METHOD CONSIDERING THE UNCERTAINTIES OF RENEWABLE ENERGY SOURCES AND ELECTRIC VEHICLES-Reference-Cited by-同舟云学术

RESTRUCTURING THE DISTRIBUTION SYSTEM WITH QPSO METHOD CONSIDERING THE UNCERTAINTIES OF RENEWABLE ENERGY SOURCES AND ELECTRIC VEHICLES

Published:2023-12-24 Issue:2 Volume:4 Page:187-205
ISSN:2757-6787
Container-title:Journal of Smart Systems Research
language:
Short-container-title:

Author:

BARUTÇU İbrahim Çağrı¹,AYGÜN Faruk²^ORCID,ERDUMAN Ali³^ORCID

Affiliation:

1. HAKKARİ ÜNİVERSİTESİ

2. SAKARYA UYGULAMALI BİLİMLER ÜNİVERSİTESİ

3. SAKARYA UYGULAMALI BİLİMLER ÜNİVERSİTESİ, SAKARYA MESLEK YÜKSEKOKULU

Abstract

Bu çalışma kapsamında, IEEE 33 baralı test sistemi üzerinde yenilenebilir enerji kaynaklarının ve elektrikli araçların kullanıldığı dağıtım besleyicisinin yeniden yapılandırması problemini çözmek için kuantum parçacık sürü optimizasyonu (QPSO) uygulanmıştır. Kullanılan yöntem ile QPSO parçacık uzunluğunu değiştirerek daha hızlı bir sürede en yakın çözümün bulunması sağlanmıştır. Optimizasyonun amaç fonksiyonu elektrik dağıtım sistemlerinde aktif güç kaybını en aza indirmektir. Optimizasyonun kısıtları arasında bara gerilimleri, dağıtım hattı taşıma kapasiteleri, üretim kaynaklarının minimum ve maksimum güç değerleri, aktif ve reaktif güç denge denklemleri eşitlik ve eşitsizlik kısıtları olarak alınmıştır. Çalışma kapsamında rüzgâr ve güneş enerji üretim santralleri ve elektrikli araç modellerini dikkate alarak dağıtım sistemi besleyicilerinin yeniden yapılandırılması araştırılmıştır. Dağıtık üretim kaynaklarından olan rüzgar ve güneş enerji santrallerin üretim belirsizliklerinin ve elektrikli araçların yük olarak tüketim belirsizliklerinin ayrı ayrı ve birlikte dikkate alındığı senaryolar oluşturulmuştur.

Publisher

Sakarya University of Applied Sciences

Reference36 articles.

1. [1] J. Torres, J. L. Guardado, F. Rivas-Dávalos, S. Maximov, and E. Melgoza, “A genetic algorithm based on the edge window decoder technique to optimize power distribution systems reconfiguration,” International journal of electrical power & energy systems, vol. 45, no. 1, pp. 28–34, 2013.

2. [2] A. Saffar, R. Hooshmand, and A. Khodabakhshian, “A new fuzzy optimal reconfiguration of distribution systems for loss reduction and load balancing using ant colony search-based algorithm,” Appl Soft Comput, vol. 11, no. 5, pp. 4021–4028, 2011.

3. [3] S. H. Mirhoseini, S. M. Hosseini, M. Ghanbari, and M. Ahmadi, “A new improved adaptive imperialist competitive algorithm to solve the reconfiguration problem of distribution systems for loss reduction and voltage profile improvement,” International Journal of Electrical Power & Energy Systems, vol. 55, pp. 128–143, 2014.

4. [4] T. T. Nguyen and T. T. Nguyen, “An improved cuckoo search algorithm for the problem of electric distribution network reconfiguration,” Appl Soft Comput, vol. 84, p. 105720, 2019.

5. [5] H. Karimianfard and H. Haghighat, “An initial-point strategy for optimizing distribution system reconfiguration,” Electric Power Systems Research, vol. 176, p. 105943, 2019.