Chiến lược tối ưu đa mục tiêu nhằm tăng cường hiệu suất hệ thống điện phân phối khi tích hợp nguồn điện phân tán
Tóm tắt: 13
| 
PDF: 13 
##plugins.themes.academic_pro.article.main##
Author
Từ khóa:
Tóm tắt
Nghiên cứu này đề xuất một giải pháp nhằm hạn chế tổn thất công suất và tăng cường hiệu quả hoạt động của hệ thống điện phân phối (DPS) thông qua việc bố trí hợp lý các nguồn điện phân tán (DG). Chiến lược này tổng hợp nhiều yếu tố quan trọng như giảm tổn thất công suất, cải thiện độ ổn định điện áp, tối ưu hệ số tải và hệ số công suất, giúp DPS vận hành hiệu quả hơn. Thuật toán Raccoon Optimization Algorithm (ROA) là một phương pháp tối ưu meta-heuristic mới, được áp dụng và đối chiếu với các thuật toán như Firefly Algorithm (FA), Moth Flame Optimization (MFO), Salp Swarm Algorithm (SSA), và Whale Optimization Algorithm (WOA). Kết quả thử nghiệm trên lưới điện 33 nút và 69 nút chứng tỏ rằng, ROA có ưu thế vượt trội cả về hiệu suất và độ tin cậy. Nghiên cứu này khẳng định ROA là một biện pháp hữu hiệu, có tiềm năng ứng dụng cao trong các DPS hiện đại tích hợp DG.
Tài liệu tham khảo
-
[1] Kusakana, “Optimal operation control of a grid-connected photovoltaic - hybrid system”, IEEE PES PowerAfrica Conf. PowerAfrica 2016, 2016, pp. 239 - 244, doi: 10.1109/PowerAfrica.2016.7556608.
[2] Lip, J. Shiun, W. Shin, H. Hashim, and C. Tin, “Review of distributed generation (DG) system planning and optimisation techniques: Comparison of numerical and mathematical modelling methods”, Renew. Sustain. Energy Rev., vol. 67, pp. 531–573, 2017, doi: 10.1016/j.rser.2016.09.063.
[3] Shehab, L. Abualigah, H. Al Hamad, H. Alabool, M. Alshinwan, and A. M. Khasawneh, “Moth–flame optimization algorithm: variants and applications”, Neural Comput. Appl., vol. 32, no. 14, pp. 9859–9884, 2020, doi: 10.1007/s00521-019-04570-6.
[4] B. Prakash and C. Lakshminarayana, “Multiple DG placements in radial distribution system for multi objectives using Whale Optimization Algorithm”, Alexandria Eng. J., vol. 57, no. 4, pp. 2797–2806, 2018, doi: 10.1016/j.aej.2017.11.003.
[5] Yang, “Firefly algorithms for multimodal optimization”, Lect. Notes Comput. Sci. (including Subser. Lect. Notes Artif. Intell. Lect. Notes Bioinformatics), vol. 5792, pp. 169–178, 2009, doi: 10.1007/978-3-642-04944-6_14.
[6] Baniasadi, D. Habibi, W. Al-saedi, M. A. S. Masoum, and C. K. Das, “Optimal sizing design and operation of electrical and thermal energy storage systems in smart buildings”, J. Energy Storage, vol. 28, p. 101186, 2020. doi: 10.1016/j.est.2019.101186.
[7] Z. Koohi, N. A. W. Abdul Hamid, M. Othman, and G. Ibragimov, “Raccoon Optimization Algorithm”, IEEE Access, vol. 7, pp. 5383–5399, 2019, doi: 10.1109/ACCESS.2018.2882568.
[8] International Energy Agency, “Renewables 2020”, Paris, 2020, doi: 10.1002/peng.20026.
[9] S. D. of E. (DOE), “Net Metering Policies by State – 2023”, U.S. Dep. Energy, 2023.
[10] N. T. Ton, 'Expansion of Distributed Generation and Energy Storage Systems in Distribution Networks', Ph.D. dissertation, Department of Electrical Engineering, Ho Chi Minh City University of Technology and Education, Ho Chi Minh City, Vietnam, 2023.
##plugins.themes.academic_pro.article.sidebar##
