مارکتینگ پروژه 20 | مرجع فایل های دانلودی - پروژه آماده - پروژه دانشجویی - پاورپوینت آماده
0

هیچ محصولی در سبد خرید نیست.

الگوریتم تکاملی مرکب بهینه مبتنی بر الگوریتم های PSO و HBMO برای بازآرایی فیدر توزیع با چند تابع هدف

الگوریتم تکاملی مرکب بهینه مبتنی بر الگوریتم های PSO و HBMO برای بازآرایی فیدر توزیع با چند تابع هدف

دسته بندی مقالات ترجمه شده isi
فرمت فایل doc
حجم فایل 406 کیلو بایت
تعداد صفحات 9
پس از پرداخت، لینک دانلود فایل برای شما نشان داده می شود

نام مجله

Energy Conversion and Management

عنوان مقاله

An efficient hybrid evolutionary algorithm based on PSO and HBMO algorithms for multi-objective Distribution Feeder Reconfiguration

a b s t r a c t

This paper introduces a robust searching hybrid evolutionary algorithm to solve the multi-objective Distribution Feeder Reconfiguration (DFR). The main objective of the DFR is to minimize the real power loss deviation of the nodes’ voltage the number of switching operations and balance the loads on the feeders. Because of the fact that the objectives are different and no commensurable it is difficult to solve the problem by conventional approaches that may optimize a single objective. This paper presents a new approach based on norm3 for the DFR problem. In the proposed method the objective functions are considered as a vector and the aim is to maximize the distance (norm2) between the objective function vector and the worst objective function vector while the constraints are met. Since the proposed DFR is a multi objective and non-differentiable optimization problem a new hybrid evolutionary algorithm (EA) based on the combination of the Honey Bee Mating Optimization (HBMO) and the Discrete Particle Swarm Optimization (DPSO) called DPSO–HBMO is implied to solve it. The results of the proposed reconfiguration method are compared with the solutions obtained by other approaches the original DPSO and HBMO over different distribution test systems.

Keywords:

Honey Bee Mating Optimization (HBMO)

Distribution Feeder Reconfiguration (DFR)

Discrete Particle Swarm Optimization

(DPSO)

الگوریتم تکاملی مرکب بهینه مبتنی بر الگوریتم های PSO و HBMO برای بازآرایی فیدر توزیع با چند تابع هدف

چکیده

این مقاله یک الگوریتم تکاملی قدرتمند برای حل مساله باز آرایی فیدر توزیع(DFR) با چند تابع هدف ارائه می دهد. هدف اصلی DFR مینیمم کردن تلفات توان، انحراف ولتاژ گره ها، تعداد دفعات کلید زنی و متعادل کردن بارها در فیدرها می باشد. بخاطر این حقیقت که اهداف متفاوتند و غیر قابل اندازه گیری حل این مساله با روش های قدیمی که تنها یک هدف را بهینه می کند دشوار می باشد. این مقاله یک روش نوین بر پایه نرم 3 در مساله DFR ارائه می دهد. در روش پیشنهادی، توابع هدف بعنوان یک بردار در نظر گرفته می شوند و هدف ماکزیمم کردن فاصله (نرم 2) بین بردار تابع هدف و بدترین بردار تابع هدف می باشد در حالیکه قیود ارضا شوند. از آنجاییکه DFR پیشنهادی یک مساله بهینه سازی غیر قابل تفکیک وچند هدفه می باشد یک الگوریتم تکاملی مرکب (EA) بر پایه بهینه سازی مرکب جفت گیری زنبور عسل(HBMO) و بهینه سازی دسته اجزا (ذرات) مجزا (DPSO) ،که HBMO- DPSO نامیده می شود، برای حل آن اعمال می گردد. نتایج روش بازآرایی پیشنهادی با پاسخ های بدست آمده از دیگر روش ها مقایسه گردیده است، DPSO و HBMO اصلی بر روی سیستم های آزمایش توزیع مختلف انجام پذیرفته است.

کلیدواژگان

بهینه سازی جفت گیری زنبور عسل(HBMO)، باز آرایی فیدر توزیع(DFR)، بهینه سازی دسته اجزا (ذرات) مجزا (DPSO)

پس از پرداخت، لینک دانلود فایل برای شما نشان داده می شود

محمد

من نویسنده این سایت هستم و خوشحالم که در کنار مدیریت سایت میتوانم هر روز تجربیات خودم رو افزایش دهم تا به ارائه خدمات بهتری بپردازم.

مطالب زیر را حتما بخوانید:

قوانین ارسال دیدگاه در سایت

  • چنانچه دیدگاهی توهین آمیز باشد و متوجه اشخاص مدیر، نویسندگان و سایر کاربران باشد تایید نخواهد شد.
  • چنانچه دیدگاه شما جنبه ی تبلیغاتی داشته باشد تایید نخواهد شد.
  • چنانچه از لینک سایر وبسایت ها و یا وبسایت خود در دیدگاه استفاده کرده باشید تایید نخواهد شد.
  • چنانچه در دیدگاه خود از شماره تماس، ایمیل و آیدی تلگرام استفاده کرده باشید تایید نخواهد شد.
  • چنانچه دیدگاهی بی ارتباط با موضوع آموزش مطرح شود تایید نخواهد شد.

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

لینک کوتاه: