优化可再生能源的随机最佳反应功率调度,使用修改的英算法
Naima Agouzoul1, Aziz Oukennou2, Faissal Elmariami1
1National Superior School of Electricity and Mechanics (ENSEM), Hassan II University of Casablanca, Oasis, Casablanca, Morocco.
一个修改后的花优化器 (MDO) 算法有效地解决了随机最佳反应功率调度 (SORPD) 问题. 这种方法减少了预期的功率损失,并提高了电压稳定性,特别是与可再生能源的整合.
科学领域:
- 电气工程 电气工程
- 电力系统优化 电力系统优化
- 计算智能是一种计算智能.
背景情况:
- 传输系统性能提升至关重要,可以通过最佳反应功率调度 (ORPD) 来实现.
- 随机最佳反应功率调度 (SORPD) 由于负载需求和可再生能源 (RER) 的持续变化而带来挑战.
研究的目的:
- 为优化SORPD问题引入一个修改后的花优化器 (MDO) 算法.
- 为了应对负载需求和RER发电的随机波动.
- 为了减少预期功率损失 (SEPL) 和提高预期电压稳定性 (SEVS) 在IEEE 30 总线系统中.
主要方法:
- 该MDO算法整合了基于准对立的学习 (QOBL),韦布尔飞行运动策略 (WFM) 和健身距离平衡 (FDB) 以改善探索和利用.
- 蒙特卡洛模拟和场景减少生成了15种场景,以模拟负载需求和RER功率的不确定性.
- 解决了IEEE 30 总线系统的 SORPD 问题,评估了带有和没有 RER 集成的性能.
主要成果:
- 拟议的MDO算法显著减少了SEPL和改进了SEVS,特别是当RERs被整合时.
- 模拟结果证明了MDO对SORPD的有效性.
- 对比分析显示,MDO的表现优于沙猫群优化 (SCSO),大猩猩部队优化 (GTO),和搜索 (HS) 和白优化 (BWO).
结论:
- 修改后的子优化器 (MDO) 为随机最佳反应功率调度问题提供了有效的解决方案.
- MDO提高了电力系统的稳定性,减少了损失,提供了一个强大的方法来整合可再生能源.
- 与SORPD的其他优化算法相比,MDO表现出优越的性能.
更多相关视频
05:30Large Scale Energy Efficient Sensor Network Routing Using a Quantum Processor Unit
Published on: September 8, 2023
10:36Author Spotlight: Optimization of Airflow Velocities in Battery Cooling Systems for Enhanced Thermal Performance and Reduced Energy Consumption
Published on: November 3, 2023
相关概念视频
Fast Decoupled and DC Powerflow
Maximum Power Flow and Line Loadability
The Power Flow Problem and Solution
Control of Power Flow
Load-frequency control
Distributed Loads: Problem Solving
