Metode penempatan terdistribusi (DG)

menggunakan PSO

Abstrak
Saat ini, penetrasi generasi terdistribusi (DG) di jaringan listrik mengambil tempat khusus di
seluruh dunia dan meningkat di negara maju. Untuk memperbaiki profil tegangan, stabilitas,
Pengurangan kerugian listrik dll, perlu adanya peningkatan pemasangan DGs ini dalam distribusi
Sistem harus dilakukan secara sistematis. Makalah ini memperkenalkan metode penempatan
yang optimal ukuran dan duduk DG dalam sistem uji bus IEEE 33. Algoritma untuk optimasi
adalah partikel kawanan Optimasi (PSO). Fungsi tujuan yang diusulkan adalah fungsi multi
objektif (MOF) itu mempertimbangkan kerugian daya aktif dan reaktif dari sistem dan profil
tegangan pada beban nominal sistem. Kinerja algoritma yang tinggi terbukti dengan menerapkan
algoritma pada 33 bus IEEE sistem dengan menggunakan perangkat lunak MATLAB dan untuk
menggambarkan kelayakan metode yang diusulkan optimalisasi dalam tiga kasus: satu unit DG,
dua unit DG, dan tiga unit DG - akan tercapai.

Kata kunci: Generasi terdistribusi (DG), penempatan, optimasi partikel swarm, fungsi multi
objektif (MOF), optimasi.

PENGANTAR
Perselisihan tentang meningkatnya populasi lingkungan dan juga kekhawatiran tentang masalah
bahan bakar fosil dan keterbatasan menyebabkan instalasi Distributed Generation (DG) yang
meningkat setiap tahunnya. Untuk memperbaiki profil tegangan, stabilitas, pengurangan
kehilangan daya dan Dll, perlu peningkatan instalasi secara sistematik (Hedayati et al., 2008).
Ukuran dan lokasi pilihan terbaik DGs dalam sistem distribusi adalah optimasi yang kompleks
masalah dan jika masalah ini mengandung Multi Objective fungsi (MOF), masalah ini menjadi
sangat kompleks. saat ini, metode optimasi heuristik meta adalah berhasil diaplikasikan pada
optimasi kombinatorial masalah dalam sistem distribusi (Carmen dan Djalma, 2006; Thong et
al., 2007)
Gandomkar dkk. (2005) menentukan optimum lokasi DG di jaringan distribusi. Pekerjaan
diarahkan untuk mempelajari beberapa faktor yang terkait jaringan dan Dirjen itu sendiri seperti
sistem keseluruhan efisiensi, keandalan sistem, profil tegangan, variasi beban, kehilangan
jaringan, dan kehilangan DG faktor penyesuaian.
metode pencarian Tabu search (TS) untuk menemukan yang optimal solusi dari masalah
mereka dijelaskan oleh Katsigiannis dan Georgilakis (2008), namun TS diketahui sudah
waktunya mengonsumsi algoritma juga bisa jadi terjebak dalam local minimum. Untuk
meminimalkan kerugian daya sesungguhnya sistem tenaga di Lalitha et al. (2010), sebuah
Particle Swarm Optimalisasi (PSO) dikembangkan untuk menentukan ukuran optimal dan lokasi
unit DG tunggal. Itu masalah diubah menjadi program pengoptimalan dan kehilangan daya
sesungguhnya dari sistem adalah satu-satunya aspek dipertimbangkan dalam penelitian ini untuk
mengetahui secara optimal lokasi dan ukuran hanya satu unit DG.
El-Khattam dkk. (2005), skenario yang berbeda adalah diselidiki untuk mengetahui lokasi
optimal DG di Indonesia untuk memodifikasi profil tegangan dan meminimalkan risiko investasi
penempatan satu unit DG dengan ukuran spesifik dijelaskan oleh Ochoa dkk. (2006). Didalam
kertas, MOF seperti rugi power line, modifikasi Profil tegangan, kapasitas pembebanan garis,
dan hubung singkat tingkat dianggap. Kurva P-V di Singh dan Goswami (2010) telah digunakan
untuk menganalisis stabilitas tegangan pada sistem tenaga listrik untuk mengetahui ukuran
optimum dan lokasi beberapa unit DG untuk meminimalkan system kerugian di bawah batas
tegangan pada setiap simpul sistem.
Sebuah algoritma genetika (GA) berbasis fuzzy multi purpose pendekatan untuk
menentukan nilai optimum fixed dan kapasitor shunt diaktifkan digunakan untuk memperbaiki
Profil tegangan dan memaksimalkan penghematan bersih yang diajukan Di Das (2008).
Particle Swarm Optimization (PSO) digunakan dalam hal ini kertas untuk mencari solusi
untuk masalah optimasi (Hashemi dkk., 2011), ukuran dan lokasi optimal DG dalam 33- sistem
radial bus sistem uji IEEE (Kashem et al., 2000). Tujuan makalah ini adalah mengajukan solusi
untuk duduk dan masalah ukuran untuk optimalisasi MOF. Objektif fungsi tulisan ini terbentuk
dengan menggabungkannya secara real kehilangan daya, pengurangan daya reaktif, profil
tegangan memperbaiki, dan meningkatkan tingkat sirkuit pendek dari penyebutan tersebut
sistem.
Rumusan masalah yang mengandung fungsi objektif dan kendala dijelaskan di bagian
selanjutnya. Bagian 3 menyajikan algoritma PSO untuk menyelesaikan masalah optimasi Sistem
uji yang digunakan untuk memverifikasi keefektifan teknik yang diajukan adalah
mendeskripsikan bagian 4 yang membahas keefektifan Teknik yang diusulkan diterapkan pada
sistem uji simulasi, bagian 5 diakhiri dengan kertas. Tes simulasi sistem disimulasikan dalam
perangkat lunak MATLAB.

FORMULASI MASALAH
Perumusan fungsi obyektif
Seperti disebutkan di atas, makalah ini memperkenalkan optimasi MOF. Itu fungsi objektif
diperoleh dari mengumpulkan masing-masing dampak DG oleh faktor pembobotan yang
ditugaskan untuk dampak itu. Bobot ini faktor dipilih oleh perencana untuk mencerminkan
kepentingan relative setiap parameter dalam pengambilan keputusan duduk dan ukuran DG.
lokasi DG dan ukurannya yang sesuai dalam distribusi Pengumpan dapat ditentukan secara
optimal dengan menggunakan tujuan berikut fungsi:

Fp berhubungan dengan kenaikan indeks kehilangan daya aktif dalam persen Sistem karena
pemasangan DG yang diberikan oleh:

Dimana, adalah kehilangan daya nyata dalam sistem belajar setelahnya pemasangan
DG dan adalah kerugian daya aktif sebelumnya instalasi.
Fq adalah faktor untuk menentukan efek DG secara reaktif kekalahan daya dalam sistem
yang disebutkan yang diberikan oleh:
Dimana, dan adalah daya reaktif total kerugian dalam sistem belajar
dengan DGs instalasi dan tanpa DG masing-masing.
salah satu cara mengoptimalkan lokasi dan ukuran DG adalah perbaikan profil tegangan
Indeks ini menghukum sizelokasi pasangan yang memberikan deviasi tegangan lebih tinggi dari
nominal nilai (Vnom). Dengan cara ini, semakin dekat indeks menjadi nol, semakin baik kinerja
jaringan Fv dapat didefinisikan sebagai:

Akhirnya, untuk memperbaiki tingkat hubung singkat sistem, FI diberikan dalam Persamaan 5,
dikumpulkan dengan fungsi objektif:

Jumlah nilai absolut dari bobot yang ditetapkan untuk semua dampak harus ditambahkan ke satu
seperti yang ditunjukkan pada persamaan berikut:

MOF dalam tulisan ini untuk mencapai kinerjanya perhitungan sistem distribusi untuk ukuran
dan lokasi DG diberikan oleh:

Rumuskan formulasi
Persamaan MOF 7 diminimalkan menjadi sasaran berbagai operasional kendala untuk memenuhi
persyaratan kelistrikan untuk distribusi jaringan. Kendala ini adalah sebagai berikut.

Batas daya konservasi

Jumlah aljabar semua tenaga masuk dan keluar termasuk garis kerugian atas keseluruhan
jaringan distribusi dan tenaga yang dihasilkan dari unit DG harus sama dengan nol.
Batas kapasitas jalur distribusi aliran daya melalui jalur distribusi apapun tidak boleh melebihi
Kapasitas termal dari garis:

Batas voltase
Batas voltase tergantung pada batasan regulasi voltase:

Makalah ini menggunakan teknik PSO untuk mengatasi optimasi di atas masalah dan mencari
optimal atau mendekati optimal masalah. rentang tipikal dari parameter yang dioptimalkan
adalah (0,01 sampai 100) KW untuk PDG dan (0.95-1.05) untuk voltase bus.

ALGORITMA OPTIMASI PARTAMLE SWARM

PSO dirumuskan oleh Edward dan Kennedy pada tahun 1995 (Randy et al., 2004). Proses
berpikir di balik algoritma terinspirasi oleh perilaku sosial hewan, seperti burung berkelompok
atau ikan. PSO adalah salah satu perkembangan terkini di kategori kombinatorial memenuhi
optimasi heuristik (Gaing, 2003). dalam PSO, masing-masing individu disebut sebagai partikel
dan mewakili solusi kandidat untuk masalah optimasi (Yoshida et al.,2000).
Pada awalnya, populasi 'partikel' acak '' dalam dimensi ruang disusun Setiap partikel
adalah solusi. Partikel diwakili oleh Xi = (xi1, xi2, ..., xiD). Situasi masing-masing partikel akan
berubah pada tahap selanjutnya. Situasi terbaik masing-masing partikel akan ditentukan oleh
fungsi fitness. Jika kebugarannya fungsi memiliki nilai minimum sejauh ini disebut situasi
terbaik dan simpan di Pbesti Versi global PSO melacak nilai keseluruhan terbaik (gbest), dan
lokasinya, sejauh ini diperoleh oleh siapapun partikel dalam populasi (Mandal et al., 2008).
Pembaruan partikel kecepatan dan posisi mereka berdasarkan lokal dan global terbaik solusi.
Menurut Persamaan 11, kecepatan partikel i adalah diwakili sebagai Vi = (vi1, vi2 ... viD).
Akselerasi ditimbang acak, dengan nomor acak terpisah yang dihasilkan percepatan menuju
pbest dan gbest. Posisi partikel kemudian diperbarui sesuai dengan Persamaan 12 (Binghui et
al., 2007):

Dimana, Pid dan Pgd adalah pbest dan gbest, c1 dan c2 konstan nilai, akan ditentukan oleh
persamaan ini:
max dan min adalah nilai maksimum dan minimum masing-masing. Awalnya mulailah
dengan nilai besar yang di penghujung masalah nilai akan minimum. Dalam masalah optimasi
ini, jumlah partikel dan jumlah iterasi masing-masing dipilih 30 dan 40. dimensi partikel akan
bervariasi untuk setiap kondisi.

STUDI KASUS DAN HASIL PENEMPATAN

Pada bagian ini, kami menggambarkan hal itu, penempatan DG mempengaruhi kehilangan daya
aktif, kehilangan daya reaktif dan voltase profil. Penempatan hanya DG tunggal, dua DGs dan
Tiga DG dinilai. untuk membuktikan efisiensinya dari algoritma penempatan yang diusulkan, uji
IEEE 33-bus sistem tanpa garis dasi yang dihadirkan di Kashem etal. (2000) seperti yang
ditunjukkan pada Gambar 1 dipertimbangkan dan rincian sistem diberikan pada Tabel 1.
Untuk menunjukkan jumlah variabel efek DGs, kami berasumsi bahwa, satu-dua dan tiga
unit DG yang ukurannya beragam antara 25 sampai 10 MW akan menjadi tempat penyebutan
jaringan. Hasil optimasi diberikan pada Gambar 2. angka ini menunjukkan nilai MOF dalam 40
iterasi dari PSO Dari hasil tersebut, terlihat jelas bahwa jumlah MOF dari tiga penempatan DGs
paling sedikit di iterasi ke-40. Ukuran dan lokasi lokasi satu, dua dan tiga DG diberikan pada
Tabel 2.
Seperti dapat dilihat dari Tabel 2, daya aktif hilang
jaringan tanpa DG memiliki nilai maksimal dan dengan tiga DG duduk memiliki jumlah
minimum dan dengan membandingkan power loss dalam empat kasus yang sudah jelas
Itu, penempatan DG bisa memiliki efek positif dalam kekuasaan kehilangan keseluruhan
jaringan.
Gambar 3 menggambarkan tegangan bus dalam empat kasus. Dengan perhatian terhadap
sosok ini, profil tegangan dengan unit DG adalahl lebih baik daripada tanpa Dirjen DG dan
meningkatnya jumlah DJP unit mempengaruhi DGs dalam profil tegangan menjadi baik. pada
penelitian selanjutnya, kami berasumsi bahwa, tiga unit DG di Indonesia agar penempatan
optimal dipertimbangkan.
Hasil dari studi ini diwakili oleh sistem tenaga. Hasil dari line power loss disajikan pada
Tabel 2 dan dalam hal ini kasus kehilangan daya ini menjadi kurang dari kasus lain dan pada
Gambar 4 profil tegangan ditunjukkan. Tegangannya profil dalam hal ini lebih baik dari kasus
sebelumnya.

KESIMPULAN
Dalam tulisan ini, pendekatan yang berbeda berdasarkan PSO secara berurutan untuk analisis
optimasi multi obyektif, termasuk satu, dua dan tiga unit DG, untuk ukuran dan perencanaan
lokasi DG di sistem distribusi disajikan. Dalam memecahkan ini masalahnya, pada awalnya
masalah ditulis dalam bentuk masalah optimasi yang fungsinya objektif didefinisikan dan ditulis
dalam domain waktu dan kemudian masalahnya telah dipecahkan dengan menggunakan PSO.
optimalisasi yang diajukan algoritma diaplikasikan pada sistem uji 33 bus dengan garis.