بهینه‌سازی توان راکتیو در حضور ادوات FACTS با استفاده از الگوریتم های تکاملی بر پایه منطق فازی

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشکده فنی مهندسی، گروه برق، دانشگاه اصفهان، اصفهان، ایران

2 دانشیار – دانشکده فنی مهندسی، گروه برق، دانشگاه اصفهان، اصفهان، ایران

چکیده

در این مقاله برای تنظیم پارامترهای سیستم قدرت و ادوات FACTS از روش‌های بهینه‌سازی ژنتیک، ازدحام ذرات، ترکیب منطق فازی با الگوریتم ژنتیک و ترکیب منطق فازی با الگوریتم تکامل دیفرانسیل استفاده شده است. در اینجا دو نوع از ادوات FACTS، جبران‌ساز سری کنترل شده با تریستور (TCSC) و جبران‌ساز توان راکتیو استاتیک (SVC) برای بهینه‎سازی مصرف توان راکتیو شبکه و کاهش تراکم خطوط مورد استفاده قرار گرفته است. جایابی بهینه ادوات FACTS در شبکه، که در شرایط بارگذاری سنگین قرار دارد سبب کاهش تلفات توان، کنترل توان راکتیو، بهبود پروفیل ولتاژ شبکه و در نتیجه سبب کاهش هزینه‌های بهره‌برداری می‌شود. در روش ارائه ‌شده در این مقاله از توابع عضویت فازی برای مشخص کردن باس‌های ضعیف شبکه به منظور نصب SVC و از محاسبه مقدار توان راکتیو عبوری از خطوط شبکه برای مکان‌یابی محل نصب TCSC استفاده شده است. نتایج حاصل از شبیه‌سازی، برتری ترکیب منطق فازی و الگوریتم‌های تکاملی بر الگوریتم‌های تکاملی معمول در زمینه‌ی تنظیم بهینه‌ی پارامترهای شبکه و ادوات FACTS را به خوبی نشان می‌دهد. روش ارائه شده در این مقاله با سایر روش‌های به کار برده شده در این زمینه، که از آنالیز مقادیر ویژه برای جایابی بهینه ادوات FACTS استفاده کرده‌اند، مقایسه شده است

کلیدواژه‌ها


عنوان مقاله [English]

Reactive Power Optimization in the Presence of FACTS Devices Using Evolutionary Algorithms based on Fuzzy Logic

نویسندگان [English]

  • Sasan Ghasemi 1
  • Eskandar Gholipoor 2
1 Ph.D Condidate - Department of Electrical Engineering, University of Esfahan, Esfahan, Iran
2 Associate Professor - Department of Electrical Engineering, University of Esfahan, Esfahan, Iran
چکیده [English]

In this paper to set the parameters of FACTS devices, genetics and particle swarm optimization with fuzzy logic techniques have been used. To optimize the reactive power consumption and reduce the line congestion, two types of FACTS devices; thyristor controlled series compensator (TCSC) and static var compensator (SVC), are used. Optimal location of FACTS devices on the network, which is under heavy loads, results to reduce the power losses, reactive power control and thus reduces the operating costs of the power system. In this paper, the fuzzy membership functions are used in order to determine the weak network buses in order to install the SVC. The values of reactive power through the lines are leads to locate the line which the TCSC should be installed. The method presented in this paper have been compared with other methods (e.g. analysis of eigenvalues) for optimal location of FACTS devices. The results of the simulations presented in this paper, proves the efficiency of the proposed method.

کلیدواژه‌ها [English]

  • facts
  • Evolutionary Algorithm
  • reactive power optimization
  • TCSC
  • SVC
[1] N.G. Hingorani, “High power electronics and flexible AC transmission system”, Power Engineering Review, Vol. 8, No. 7, pp. 3-4, July 1998.
[2] S. Meikandasivam, R.K. Nema, S.K. Jain, “Fine power flow control by split TCSC”, International Journal of Electrical Power and Energy Systems, Vol. 45, No. 1, pp. 519-529, Feb. 2013.
[3] A. Kumar, C. Sekhar, “Congestion management with FACTS devices in deregulated electricity markets ensuring loadability limit”, International Journal of Electrical Power and Energy Systems, Vol. 46, pp. 258-273, March 2013.
[4] B. Mandal, P.K. Roy, “Optimal reactive power dispatch using quasi-oppositional teaching learning based optimization”, International Journal of Electrical Power and Energy Systems, Vol. 46, pp. 258-273, March 2013.
[5] E. Ghahremani, I. Kamwa, “Optimal placement of multiple-type FACTS devices to maximize power system loadability using a generic graphical user interface”, IEEE Trans. on Power Systems, Vol. 28, No. 2, pp. 764-768, 2013.
[6] S. Kumar, D.K. Chaturvedi, “Optimal power flow solution using fuzzy evolutionary and swarm optimization”, International Journal of Electrical Power & Energy Systems, Vol. 47, pp. 416-423, 2013.
[7] J. Zhao, L. Ju, Z. Dai, G. Chen, “Voltage stability constrained dynamic optimal reactive power flow based on branch-bound and primal–dual interior point method”, International Journal of Electrical Power and Energy Systems, Vol. 73, pp. 601-607, 2015.
[8] R.H. Liang, J.C. Wang, Y.T. Chen, W.T. Tseng, “An enhanced firefly algorithm to multi-objective optimal active/reactive power dispatch with uncertainties consideration”, International Journal of Electrical Power and Energy Systems, Vol. 64, pp. 1088-1097, 2015.
[9] B. Bhattacharyya, S. Kumar, “Reactive power planning with FACTS devices using gravitational search algorithm”, Ain Shams Engineering Journal, Vol. 6, No. 3, pp. 865–871, 2015.
[10] D. Prasad, V. Mukherjee, “A novel symbiotic organisms search algorithm for optimal power flow of power system with FACTS devices”, Engineering Science and Technology, In Press Available online 12 Aug.  2015.
[11] L.J. Cai, I. Erlich, G. Stamtsis, “Optimal choice, allocation of FACTS devices in deregulated electricity market using genetic algorithms”, Proceeding of the IEEE/PSCE, Vol. 1, pp. 201-207, Oct. 2004.
[12] B. Bhattacharyya, V. Kumar-Gupta, “Fuzzy based evolutionary algorithm for reactive power optimization with FACTS devices”, Electrical Power and Energy Systems, Vol. 61, pp. 39-47, 2014.
[13] K.Y. Lee, Y.M. Park, J.L. Ortiz, “A united approach to optimal real and reactive power dispatch”, IEEE Trans. on Power Apparatus and Systems, Vol. 104, No. 5, pp. 1147-1153, 1985.
[14] Fangxing Li, Rui Bo, “Small test systems for power system economic studies”, Proceeding of the IEEE/PES, pp.1-4, Minneapolis, MN, pp. 1-4, July 2010.