شکل ‏۳‑۱۲: نحوه ساختاربندی کروموزوم الگوریتم ژنتیک برای انتخاب بسته‌های تخمینگر

(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

۱ ≤ mgi ≤ ni و mg ϵ اعداد صحیح (‏۳‑۲۴)
­­­­
mgi عددی است که با توجه به آن، از مجموعه­ بسته‌های تخمینگر متناظر با شین iام، بسته­ای برای جاگذاری در ژن مربوط به آن شین در الگوریتم ژنتیک استفاده می­ شود؛ بنابراین می‌توان اطمینان داشت هر کروموزوم شامل بسته‌های تخمینگری است که کل شین­های سیستم را رویت­پذیر خواهد کرد. تابع هدف سیستم تعداد واحدهای اندازه‌گیری فازوری به‌کاررفته برای رویت­پذیر شدن سیستم خواهد بود. الگوریتم بهینه­سازی در نهایت، بسته­هایی را انتخاب خواهد کرد که بیش‌ترین همپوشانی را با هم داشته و کمترین تعداد واحد اندازه‌گیری فازوری را نتیجه می­دهد. این ترکیب­ها رویت­پذیری کل شین­های سیستم را ضمانت می­ کند. برای تخمین پارامتر و حالت سیستم به طور همزمان نیز به همین ترتیب باید عمل کرد. با این تفاوت که هدف کاهش تعداد واحدهای اندازه‌گیری فازوری به منظور رویت­پذیری کل خطوط شبکه است. مطابق با شکل ‏۳‑۱۳ برای این کار ژن­های هر کروموزوم به تعداد خطوط سیستم بوده و باید از مجموعه بسته‌های تخمینگر بدست آورده شده برای هر خط انتخاب می­ شود.
شکل ‏۳‑۱۳: نحوه ساختاربندی کروموزوم الگوریتم ژنتیک برای انتخاب بسته‌های تخمینگر
فصل چهارم
نتایج شبیه­سازی
مقدمه
الگوریتم ارائه‌شده بر روی شبکه ۳۹ شینه IEEE نشان داده شده در شکل ‏۴‑۱ مورد بررسی قرارگرفته است. در این شبکه پارامترهای خطوط و ترانسفورماتورها و ولتاژ شین­ها به صورت همزمان تخمین زده­شده است. در مرحله اول شبیه­سازی، به تعیین محل واحدهای اندازه‌گیری فازوری پرداخته شده که برای این کار از الگوریتم ژنتیک استفاده‌شده است. پس از شناسایی محل واحدهای اندازه‌گیری فازوری به تخمین پارامتر و حالت سیستم پرداخته خواهد شد.
شکل ‏۴‑۱: شبکه ۳۹ شینه IEEE
نتایج بدست آمده برای جایابی بهینه واحدهای اندازه‌گیری فازوری
مکان‌یابی بهینه واحد اندازه‌گیری فازور به منظور مشاهده‌پذیری سیستم قدرت با بهره گرفتن از کمترین تجهیز اندازه ­گیری صورت می‌گیرد. همان طور که بیان شد جایابی بهینه واحدهای اندازه‌گیری فازوری را با دو هدف مختلف می‌توان انجام داد. جایابی بهینه واحدهای اندازه‌گیری فازوری به منظور:
۱) تخمین حالت سیستم
۲) تخمین حالت و پارامترهای سیستم به طور همزمان
در این فصل نتایج جایابی با هر دو هدف آورده شده است.
نتایج جایابی بهینه واحدهای اندازه‌گیری فازوری به منظور تخمین حالت سیستم
بدون استفاده از بهینه­سازی و بدون در نظر گرفتن چگونگی اتصال شین­ها به هم می‌توان گفت که با الگوریتم تخمین پارامتر ارائه‌شده در این شبکه تعداد واحدهای اندازه‌گیری فازوری را تا حداقل تعداد شین­ها می‌توان کاهش داد. کمترین تعداد واحد اندازه‌گیری فازوری ( تعداد شین­ها) زمانی بدست می ­آید که شین­ها خیلی مرتب به یکدیگر متصل شده باشند که با چینش بد شین­ها این مقدار افزایش پیدا می­ کند؛ اما علاوه بر این موضوع، با جایابی بهینه واحدهای اندازه‌گیری فازوری و همپوشانی بسته‌های تخمینگر می‌توان تعداد واحدهای اندازه‌گیری فازوری استفاده‌شده در سیستم قدرت را کاهش داد.
همان طور که اشاره شد در الگوریتم ارائه‌شده، جایابی بهینه واحد اندازه‌گیری فازوری را به دو منظور مختلف می‌توان انجام داد. در این بخش جایابی بهینه واحدهای اندازه‌گیری فازوری به منظور تخمین حالت سیستم را بر روی شبکه تست پیاده کرده و نتایج آن با نتایج روش­های بهینه­سازی متداول مقایسه خواهد شد. در ابتدا برای اجرای الگوریتم ژنتیک نیاز است تا شین­های سیستم را به بسته‌های تخمین ۳تایی تقسیم کرد. این بسته­ها به عنوان متغیرهای ورودی برای الگوریتم بهینه­سازی استفاده خواهد شد. با توجه به اتصلات شین­ها به یکدیگر، برای هر یک از آن‌ها تعدادی از بسته‌های تخمین بدست می ­آید. جدول ‏۴‑۱ تعداد بسته‌های تخمینگر بدست­آمده برای هر شین را که در الگوریتم جایابی بهینه واحد اندازه‌گیری فازوری استفاده می­ شود، نشان می­دهد.

جدول ‏۴‑۱: تعداد بسته‌های بدست آمده برای هر شین در الگوریتم جایابی بهینه واحدهای اندازه‌گیری فازوری با هدف تخمین حالت سیستم

شماره شین
تعداد بسته‌های تخمین
شماره شین
تعداد بسته‌های تخمین
شماره شین
تعداد بسته‌های تخمین

۱

۱۰

۱۴

۸

۲۷

۶

۲

۱۱

۱۵

۷

۲۸

۶

۳

۹

۱۶

موضوعات: بدون موضوع  لینک ثابت


فرم در حال بارگذاری ...