1403/04/18
جمال مشتاق

جمال مشتاق

مرتبه علمی: استاد
ارکید:
تحصیلات: دکترای تخصصی
اسکاپوس: 11338807100
دانشکده: دانشکده مهندسی
نشانی:
تلفن:

مشخصات پژوهش

عنوان
خازن گذاری بهینه در شبکه های توزیع الکتریکی با در نظر گرفتن منحنی بار در طول یک شبانه روز در محل پست های توزیع
نوع پژوهش
پایان نامه
کلیدواژه‌ها
خازن گذاری، الگوریتم رشد گیاهان، نرخ تورم، نرخ بهره، رشد بار
سال 1390
پژوهشگران حمید عباسی(دانشجو)، جمال مشتاق(استاد راهنما)

چکیده

در این پایان نامه مساله خازن گذاری در یک دوره ی سرمایه گذاری بلندمدت مورد بررسی قرار گرفته است. تابع هدف مورد استفاده، شامل هزینه های کاهش تلفات انرژی در شبکه، آزادسازی ظرفیت خطوط توزیع و هزینه ناشی از نصب و نگهداری خازن ها می باشد. در سرمایه گذاری های بلندمدت، پارامترهایی نظیر نرخ بهره بانکی، نرخ تورم و ارزش باقیمانده ای تجهیزات در پایان دوره سرمایه گذاری، از اهمیت بسیاری برخوردارند، لذا این پارامترها در فرمولاسیون تابع هدف وارد شده اند. علاوه بر این، فرض شده است که میزان مصرف بارها در هر سال افزایش یابد، به عبارتی رشد بار سالانه نیز در تابع هدف ملحوظ شده است. از سوی دیگر به منظور حل تابع هدف، یک الگوریتم موثر و جدید به کار گرفته شده، که با استفاده از روش های الگوریتم رشد گیاهان و آنالیز ضرایب حساسیت، به شیوه ای متفاوت از روش های قبلی، در چندین مرحله به حل مساله می پردازد. روش پیشنهادی بر روی انواع شبکه های توزیع شعاعی که دارای انشعاب های مختلف و خطوطی با اندازه های دلخواه می باشد، قابل اجراست. بارها در این شبکه از نوع توان ثابت بوده و در طول شبانه روز تغییر می کند. متغیرهای تصمیمی که در هر مرحله باید تعیین شوند، عبارتند از «بهترین باس جهت خازن گذاری»، «اندازه خازن»، «تعداد خازن»، «سال خازن گذاری» و «نحوه کلیدزنی روزانه». از آنجایی که در تحقیقات قبلی، تمامی پارامترهای فوق همزمان بررسی نشده اند، این الگوریتم در دو سناریو، بر روی یک شبکه 34 باسه مورد آزمایش قرار گرفته است. در سناریو اول متغیرهای«سال خازن گذاری» و « نحوه کلیدزنی روزانه» حذف شده و نتایج آزمایش با چند نمونه از مقالات قبلی مقایسه شده، و در سناریو دوم تمامی پارامترها وارد مساله شده و بار دیگر بر روی همان شبکه 34 باسه تست شده است. با مقایسه نتایج مربوط به الگوریتم پیشنهادی با سایر مقالات، مشاهده می شود که در آنها بهبود حاصل شده است. از طرفی با وارد نمودن متغیرهای تصمیم اضافی و افزایش دامنه پاسخ های ممکن، این الگوریتم به خوبی و در یک زمان مناسب، قادر به حل مساله است.