引力搜索算法优化分销网络配置和选择方法基于日常光伏发电和负荷变化

文摘

网络重构是一种有效的方法来减少配电系统的功率损耗。最近的研究表明,重组问题考虑到加载配置文件给分销网络性能的一个重大进步。这项工作提出了一个新颖的方法来确定最优的日常配置基于变量光伏(PV)生成输出和负载配置文件数据。良好的组合和协调这两个不同的数据可能给系统中的功率损耗最低。引力搜索算法(GSA)应用于确定最优领带33-Bus分布系统开关位置。基于GSA的方法也与进化编程(EP)检查GSA算法的有效性。每天获得的结果表明,该优化配置方法能够提高分销网络性能的降低功率损耗,开关数量最小化和电压概要文件的改进。

1。介绍

在过去的几十年里,配电系统的功率损耗引起了研究人员的关注增加现有网络的效率。不同的研究者提出不同方法最小化的电力系统损失(1]。一个常见的方法是通过网络重构。

网络重构是指改变配电网馈线的拓扑结构,通过改变领带和分段开关的位置;然而,在正常的操作下,中压分销网络运营以辐射的方式(2,3]。在正常条件下,网络重新配置用于改善电能质量,保持电压稳定,并降低功率损耗,而对于故障条件用于服务恢复。一旦故障的来源被打开所有开关周边受影响的部分,服务可以在很短的时间内恢复。

在过去,各种算法提出了网络重新配置。梅林和背部的先驱在提出网络重新配置工具减少功率损耗(41975年)。解决了网络重构问题通过关闭系统中所有领带开关(导致网状网络);则先后开关打开时,一次一个,直到一个新的径向网络最小功率损失。后来,Shirmohammadi和香港梅林方法提高了避免的近似(4]。Shirmohammadi定理首先关闭所有领带开关,然后打开由花药基于最优功率流的结果(5]。这种方法还发现有效的计算时间比梅林方法。文献[2]介绍了“支线交换方法”和计算了由于两个喂食器之间的荷载传递损失减少。一年后,Baran和吴小交换机的方法改善2提出了两个近似功率流方程和解决损失最小化的问题和损失减少一个整数规划问题(6]。同年,林和下巴(7)考虑服务恢复,除了损失最小化在解决网络重构问题。朱等人进行网络重构基于修改的启发式方法和经验系统操作规则(8]。在最新的研究中,穆罕默德寻等人在9)使用了启发式搜索算法来找到功率损耗最小为目标函数,介绍了作者在6]。启发式搜索的更新原则是由寻找分支电流极小,直到获得最优解。

上面讨论的大多数方法需要详尽的搜索机制,考虑所有可能的解决方案从一组预先确定的,随后选择最好的一个。然而,这种方法被认为是nonefficient的计算时间和空间要求。聪明,贪婪,和自然观察启发式技术也提出了在文献中,它们通常被称为人工智能(AI)的方法(10]。人工智能的启发式搜索方法的方法是一个特殊的类(10]。基于智能优化方法也被用于寻找最优领带开关组合在网络重构问题。作者使用了遗传算法(GA) [11,模糊12- - - - - -14),神经网络(15,16],fuzzy-GA [17),粒子群优化(PSO) (18),拟阵理论(19[],混合进化算法20.],蚁群搜索算法(ACS) [21,22),和声搜索算法(23),和细菌觅食算法(24]。Das (12)和狂人Das (25]提出了基于模糊多目标方法减少损失和考虑电压限制在模糊集和行限制。基于惩罚multiobjective-single-fitness方法一直在利用(21),结合功率损耗和系统约束包括电压限制和限制。使用ACS算法是解决多目标问题。

除了网络重新配置,分布式发电(DG)如minihydro,光伏发电,风力是安装在分配系统解决功率损耗问题由于电压降。然而,DG的位置和大小是至关重要的,因为他们有一个伟大的对功率损耗的影响(26]。许多研究人员提出了不同的方法分别为最佳DG位置和大小(26- - - - - -28同时]或[29日,30.]。然而,所有上述作品视为恒定负载和固定DG输出。在实际、负载模式和DG生成输出随时间动态变化。因此,一些研究也认为是一个可变负荷模式的研究。例如,逐步逼近方法提出了(31日解决动态重新配置)。在[32),研究人员解决日常的网络重构问题可变负荷实现。这些研究证明,提高了网络性能时变负载概要文件时考虑。

除此之外,很少有作品在网络重构与DG考虑可变负荷概要文件的存在。例如,网络重新配置的风能和太阳能光伏发电的每日总功率损耗减少使用改进的遗传算法(33]。网络重构与光伏发电功率损耗减少考虑DG渗透和三种不同的负载级别提出了(34]。

在这个工作中,提出了一种新颖的方法来解决网络重构问题基于日常光伏发电输出和变量加载配置文件。引力搜索算法(GSA)提出(35]本文中用于确定最好的日报系统配置。该方法可以在两个部分。在第一部分,每小时的最优配置考虑光伏发电和使用GSA加载配置文件。在第二部分中,选择方法用于确定最佳配置,最低的功率损耗对整个一天(24小时)或日常配置最优。该方法是33-bus分布系统上实现。该方法的结果也与进化编程(EP) GSA的有效性。

本文组织如下。节2,网络重构数学模型是描述。GSA和选择方法的方法包括应用程序中提供了部分3。光伏模块的选择提出了部分4同时提出了负荷建模和光伏发电部分5。节6分析、讨论了该方法的性能。最后,给出的结论部分7。

2。配电网络重构数学模型问题

网络重新配置用于最小化分配系统功率损耗。新的配置选择必须满足的约束和维护结构的径向分布系统。在这项研究中,主要目标是获得最低分布系统的功率损耗。因此,目标函数可以制定如下: 在哪里是总线系统。是真正的有功电流的线。是线的电阻。行号。线的拓扑状态吗(1 =接近,0 =打开)。

是总小时考虑时间和是当前时间考虑。在这个工作,(1)用于分析每小时的功率损耗()加载数据的小时(一天)和光伏发电小时()。

电力系统的约束也被认为在研究如下。

(一)总线电压约束。总线电压的值在每个节点必须在可接受的范围内维持电能质量。例如,在这部作品中,最低电压()使用0.95 p.u。和最大电压()是1.05 p.u。:

(b)径向配置约束。必须维护的径向配置网络后重新配置的过程。为了确保这个要求,图论是用来确定网络的radiality。在这项工作中,MATLAB函数是用来检查网络的radiality如下: 在哪里是分配制度。如果网络是径向的,= 1(真正的);否则它是0(假)。径向分布系统必须连接所有的公交车,它不包含任何循环。为了保持结构的径向分布系统,网络和循环的形式,一个开关的循环必须保留径向结构。

有几种方法backward-forward等径向功率流分析方法。然而,在这项工作提出了功率流分析方法使用牛顿迭代负载流量计算功率损耗。这个负载流选择避免挑剔要求径向结构,避免复杂的计算36]。它可以处理的DG计算更有效地比其他负载流量分布的方法。此外,该方法提供了较低的高收敛所需存储可以很容易地应用与任何metaheuristic优化方法。

总线的真正力量,无功功率总线,真正的权力的差异,无功功率的差异,、矩形牛顿和功率损耗计算 在哪里和电压大小的公共汽车吗和公交分别和级和天使吗总线中的元素导纳矩阵,分别和是电压的天使的公共汽车吗和公交分别和指定真实和无功功率在公共汽车吗分别和是真实的和无功功率的公共汽车吗分别为,行总线之间的阻力和公交。

3所示。该方法

该方法寻找最佳配置基于每日光伏发电和负荷概要提出了部分。该算法由两个主要部分组成,如图1。在第一部分,分为一天个小时,= 24小时工作。使用GSA和图论,得到最优配置为每个小时而径向的分销网络维护。因此,总共有效配置了网络。每天在两个部分中,最优配置与选择性的方法获得。

第1部分:使用引力搜索算法寻找有效的配置(GSA)。引力搜索算法(GSA)首次引入了Rashedi等人在35]。GSA是最新的随机搜索算法,是基于牛顿法和大规模交互。人口在这个算法中,个体被称为大众和他们的表现来衡量自己的位置。每个质量都有四个细节:它的位置,它的惯性质量,其活跃的引力质量,被动的引力质量。质量代表了一个解决方案的位置而其重力和惯性质量是对应的适应度函数。根据牛顿定律,所有这些对象将吸引对方由于重力。由于这个力,所有这些对象将向对象较重质量。换句话说,重质量等于良好的解决方案,他们将低于轻质量,等于糟糕的解决方案。通过这种方式,保证算法的开发步骤。

该方法以减少功率损耗的细节是基于下面的步骤。

步骤1(输入数据和参数)。输入数据插入到程序中。这包括总线数据,数据行,光伏输出,基本MVA,基地电压、预定义的总线电压范围,径向配置约束,最大迭代,和准确性。GSA的参数需要设置是大众的数量()。

步骤2(生成初始质量)。初始种群是由选择随机开关被打开的分销网络,形成大众。开关是打开的数量。的一组开关打开写如下: 在哪里代表的位置th的质量th维度或th组件质量。,,开关是打开的维度。只有一组的开关被打开,满足所有的约束将生成的质量。在这一步中,大众对网络中的所有元素重新配置然后转换为整数,小数四舍五入到最近的正数。

步骤3(评估健身的质量)。适应度函数,功率损耗计算在当前大规模人口使用牛顿迭代负载流分析。

步骤4(更新引力常数,最好的质量,最糟糕的质量,每个迭代和惯性质量)。为了控制搜索精度,引力常数,开始时,初始化和减少迭代。因此,引力常数引力常数是一个函数的初始值,和迭代,iter,如下所示: 在哪里是一个用户指定的常数,iter是当前迭代,max_iter迭代的总数。
活跃的引力质量,被动的引力质量,质量和惯性质量,,使用健身评价计算。根据牛顿运动定律和法律,重质量具有较高的吸引力和移动更慢。因此,在GSA,重质量是表示为良好的解决方案和所代表的运动的模式探索。惯性质量,更新如下,假设所有质量相等: 在哪里代表质量的功率损耗在迭代,iter,和最强和最弱的群众代表对当前迭代的最低和最高的功率损耗。质量表示为当前迭代。为最小化问题和被定义为

第五步(在不同的方向总力的计算)。引力,的质量,由于质量在iter当前迭代,计算如下: 在哪里的惯性质量是质量, 物体的惯性质量吗,是一个小的常数,然后呢之间的欧式距离吗和大众指定如下:

步骤6(计算加速度和速度)。质量的加速度在当前迭代,iter,th维度,定义如下: 在哪里总力,作用于质量吗的th维度和计算如下: 间隔之间的随机数,GSA的介绍。为了折中勘探开发在这个算法中,勘探开发必须淡出,淡入必须迭代的失误。换句话说,所有群众力量应用到对方一开始,只有一个质量力适用于其他算法结束。基于上述概念,,的函数迭代的第一集最大质量最低的功率损耗和质量,介绍了该算法。的初始值开始时,设置和减少迭代。因此,却降低了线性迭代。通过这种方式,一个更小的值将导致更少的交互质量之间的引力。因此,运动和计算功率损耗的降低,导致收敛性(37]。下一个速度质量给出如下:

步骤7(更新群众的立场)。下一个位置的质量可以表示如下:

步骤8(融合)。步骤3来8重复,直到达到停止条件。

步骤9(矩阵可行的配置)。一个矩阵由可行的配置和创建它的功率损耗。每个配置包括开关被打开,取决于所选的测试系统。配置是最好的配置与最小功率损耗小时吗。例如,配置1是最好的配置0100等等见

第2部分:选择性方法优化日常配置。在上面的步骤中,将获得的总时间数量的配置,。因为大多数的光伏代和特定的负载小时在总时间,,大约是相同的,大部分的配置(22)是相似的。类似的配置,从矩阵中删除。因此,只剩下nonsimilar有效配置的矩阵,。第一个nonsimilar有效配置矩阵表示设置开关1,等等,直到最后nonsimilar有效配置,并设置开关。因此,一个矩阵包含所有nonsimilar有效配置和获得见 在第2部分中获得的每一组开关是用来计算一天的总功率损耗使用牛顿迭代负载流分析。然后,每日总配电系统的功率损耗都设置了开关和开关设置与选择每日总功率损耗最小的最优配置,如所示 每天最优配置= min (TotDaily)。

4所示。光伏模块的选择

光伏发电的研究依赖于太阳辐照度和环境温度的马来西亚气象部门在关丹县2008年的网站。使用四个能力因子(CF)计算光伏模块从[38)基于太阳辐照度和上面提到的一天。如图2、模块D CF最高(0.2223);因此,模块选择D在这项研究中。每个光伏输出为10000台时间间隔计算使用(8)(12)。光伏生成如图3: 在哪里电池温度(°C)在吗当前时间,是环境温度(°C),是光伏模块的电压温度系数(V /°C),目前光伏模块的温度(/°C),光伏模块的名义操作温度的细胞(°C), FF(模块)填充因数的光伏模块,短路电流的光伏模块(一个),是光伏模块的开路电压(V),目前光伏模块的最大功率点(一个),在光伏模块的最大功率点电压(V),输出代光伏模块在吗当前时间,平均太阳辐照度吗当前时间。

5。负荷建模和光伏发电

加载配置文件都收到国家能源有限公司(TNB) [39)如图3。本研究提供的单位小时峰值负载每日峰值负载。

6。的分析方法

本研究的测试系统包括12.66 kV 33-bus径向分布。系统的单线图如图2。系统包括三个DGs,五个标记领带开关,32个未标记的分段开关,和33贴上公交车。总线1和总线之间的界线2被称为开关1,总线2和总线之间的界限3被称为开关2,等等,直到开关32。五个领带开关被称为开关33岁的34、35、36、37如图4。线和负载数据取自6]。为分析目的,DGs认为是安装在公交车6 18、22。然而,位置可以改变根据实际现场数据或使用其他位置方法如(29日]。GSA用于仿真的参数设置,,=所有系统中有功功率的总和。在电脑上进行模拟与英特尔双核核心,3.0 GHz和3.0 GB RAM。

的等于100 MVA,所有的计算单位执行。在网络的模拟,四个场景被认为是分析该方法的能力。他们是如下。

场景1。系统没有重新配置和变化的负载和光伏发电被认为是。

场景2。系统最优小时重新配置和变化的负载和光伏发电被认为是。

场景3。该系统从该方法获得的每日最佳配置。

场景4。每天最优配置的系统是通过考虑24需求水平和光伏发电。

一个矩阵包含的结果第1部分中可行的配置及其获得的功率损耗的研究显示在表中4。高亮显示的配置表4代表重复配置,将被删除在选择方法在第2部分中获得nonsimilar有效配置矩阵在第2部分中。剩下的是non-imilar有效配置。nonsimilar有效配置矩阵的结果在第2部分的研究如表所示5。

然后,每组的开关表5获得的,他们的每日总功率损耗进行牛顿负载流分析。总功率损失评估的结果为所有集开关在第2部分中获得如表所示1。

从表1每天,总功率损耗的设置开关19代表20集开关中是最低的。甚至开关功率损耗最低的16 1300不收益率最低的每日总功率损失。因此,每天19选择开关设置为最优配置是最好的配置。真正的结果列于表的四个场景2。该方法使用EP为这四个场景以及比较如表所示2。EP选择进行比较,因为它是一种常见的和行之有效的优化方法。每天最优配置获得的场景437岁,10、7、13、17 GSA和6,8日,17日,10日与EP和5。

从表2每天,总功率损耗降低了50.36%的场景2在场景中,48.40%3在场景中,48.02%4在场景中使用GSA作为优化工具和44.77%2在场景中,41.97%3在场景中,41.00%4使用EP作为优化工具与场景1与相同的负载概要和光伏发电。每天的总功率损耗减少使用场景2是1.96% (GSA)和2.80% (EP)与场景3和2.34% (GSA)和3.77% (EP)更多与场景4。然而,不需要切换场景3和4。例如,24次切换请求在场景2虽然没有在场景切换请求3和4。场景3和4远远超过的场景2与一个可接受的总功率损失减少不到的场景2。除此之外,场景3每日总功率损耗减少而稍高的场景4。这是因为更多的约束时需要考虑24需求水平和光伏发电被认为是整体。因此,这限制了解决方案的选择。

DG的安装位置和数量被认为在这工作。改变DG安装位置和数量会自动功率损耗的影响。该方法的性能不受影响因为算法仍然相同的只是改变加载数据。换句话说,更可以减少功率损耗与最优DG分销网络的安装位置和数量。每天最优配置还可以用该方法获得的。同样对于不同类型的DG的典型输出生成。

场景的性能2当改变小时减少槽从1小时到2小时或4个小时等等。在这种情况下,获得较低的每日总能量损失的场景3而场景2如果小时槽增加。每日总能量损失的场景2和3和优化日常配置从场景中获得3小时槽的一个,两个,和四个展示在表3。它可以注意到场景的每日总功率损耗3小于场景2有两个和四个小时时段。然而,这些结果最优结果由于负荷需求和光伏发电是随时间变化的。因此,这项工作的分析是基于每小时的基础上进行的。

从这一分析,它清楚地表明,该方法是有效的,以确定最优的日常配置基于光伏发电和负荷概要文件的一天。除此之外,GSA选择方法给出了最好的解决方案与EP与选择的方法。图5说明了从该方法获得的最优配置。

所有场景的电压概要图所示6。所有的场景显示电压概要文件的类似的形状与大小的微小变化。该方法还可以提高整个配电系统的电压概要文件除了产生更低的功率损耗。

从图6,所有的总线电压的场景1低于0.95 p.u。电压限制在一天。尽管所有的总线电压满足最低电压约束只从0200年到1800年,整个电压概要文件是场景中的所有公共汽车改善明显2,3,4。电压概要文件在1800年时间的公交车的场景1,2,3,4如图7。

从图7可以看出,在1800年时间,场景的电压概要文件1,2,3,4所有公交车几乎是相同的。场景2,3,4提高电压概要文件的所有公共汽车和公交车的电压是在可接受的范围内特别是28到33。这意味着重新配置考虑光伏发电和负荷概要文件产生所需的结果减少功率损耗,减少开关的数量和提高电压概要文件。与此同时,图8显示GSA的能力与方法在寻找最优配置乘以0100,0800和1800需要不到10的迭代数量达到最佳点。需要注意的是大数量的迭代,计算所需的时间越长迭代计算基于固定循环编程。因此,在这部作品中,迭代次数设置为100。

7所示。结论

在这项工作中,新方法确定最佳配置基于每日光伏发电和负荷概要的分销网络已成功。实验结果表明,该方法是简单而有效的减少每日总能量损失与每天不需要切换的最优配置。因此,同样的方法可以申请一年。它也提高了电压概要文件。33-bus分布系统三个光伏DGs,不同的光伏发电和加载配置文件被成功用于演示了该方法的有效性。比较GSA和EP选择方法进行,结果证明GSA优于EP的生产每日总功率损耗低。

利益冲突

作者宣称没有利益冲突有关的出版。

确认

作者感谢马来亚大学和马来西亚教育部(MOE)支持这项工作通过高影响科研补助金(HIR-MOHE d000004 - 16001)和马来西亚各种大学(Q.J130000.2723.00K88)。

引用

1. 美国Kalambe和g . Agnihotri”损失最小化技术用于分销网络:书目的调查,“可再生能源和可持续能源的评论,29卷,第200 - 184页,2014年。视图:出版商的网站|谷歌学术搜索
2. s . Civanlar j·j·h·阴,遍布全球,和s . s . h·李,“配电馈线重构损失减少,”IEEE电力交付,3卷,不。3、1217 - 1223年,1988页。视图:出版商的网站|谷歌学术搜索
3. a·冈萨雷斯·m·Echavarren l . Rouco t·戈麦斯和j . Cabetas”重新配置大型分销网络规划研究”国际期刊的电力和能源系统,37卷,不。1,第94 - 86页,2012。视图:出版商的网站|谷歌学术搜索
4. a .梅林和h,“寻找最少操作生成树配置在一个城市配电系统,”第五届电力系统研讨会论文集(PSCC ' 75)英国剑桥,1975年。视图:谷歌学术搜索
5. d . Shirmohammadi和h·w·香港”,重新配置的电力分销网络电阻生命损失减少,”IEEE电力交付,4卷,不。2、1492 - 1498年,1992页。视图:谷歌学术搜索
6. Baran和f·f·吴”,网络重新配置在分销系统减少损失和负载平衡,”IEEE电力交付,4卷,不。2、1401 - 1407年,1989页。视图:谷歌学术搜索
7. W.-M。林和H.-C。下巴,“配电馈线重构的新方法减少损失和服务恢复,”IEEE电力交付,13卷,不。3、870 - 875年,1998页。视图:出版商的网站|谷歌学术搜索
8. j .朱x, j . Zhang g .沈问:徐,和y .雪,“基于规则的综合方法重新配置电气分销网络,”电力系统研究,卷79,不。2、311 - 315年,2009页。视图:出版商的网站|谷歌学术搜索
9. a . a .穆罕默德寻a . k . Ferdavani a . b . Khairuddin和m . m . Naeini”重新配置径向电气分销网络通过最小电流circular-updating-mechanism方法,”IEEE电力系统,27卷,不。2、968 - 974年,2012页。视图:出版商的网站|谷歌学术搜索
10. n . Kokash介绍了启发式算法,2005年信息和电信部门。
11. j . z朱,“电子分销网络优化重构利用改进遗传算法,”电力系统研究,卷62,不。1,37-42,2002页。视图:出版商的网站|谷歌学术搜索
12. d . Das,”一个模糊多目标方法网络分销系统的重新配置,“IEEE电力交付,21卷,不。1,第209 - 202页,2006。视图:出版商的网站|谷歌学术搜索
13. y的歌,g .广域网、a .约翰和p . Wang”分销网络重新配置为损失减少使用模糊控制的进化规划,“IEE Proceedings-Generation、传输和分布,卷144,不。4、345 - 350年,1997页。视图:出版商的网站|谷歌学术搜索
14. j·s·狂人和d Das,”网络重新配置对损失的影响径向分布系统,配置”IEEE电力交付,22卷,不。4、2473 - 2480年,2007页。视图:出版商的网站|谷歌学术搜索
15. h . Kim y . Ko, K.-H。荣格,“基于人工神经网络的馈线重构损失减少分销系统,”IEEE电力交付,8卷,不。3、1356 - 1366年,1993页。视图:出版商的网站|谷歌学术搜索
16. m·a·Kashem g . b . Jasmon a·默罕默德和m . Moghavvemi“人工神经网络方法对网络重新配置损失最小化的分销网络,“电力和能源系统的国际期刊,20卷,不。4、247 - 258年,1998页。视图:出版商的网站|谷歌学术搜索
17. k·普拉萨德,r .野生动物:c . Sahoo和a .查图尔维迪”使用模糊径向分布系统优化重组变异遗传算法,”IEEE电力交付,20卷,不。2我,1211 - 1213年,2005页。视图:出版商的网站|谷歌学术搜索
18. m . Assadian m . m . Farsangi和h . Nezamabadi-Pour”GCPSO与图论合作为节能、分销网络重新配置”能量转换和管理,51卷,不。3、418 - 427年,2010页。视图:出版商的网站|谷歌学术搜索
19. b . Enacheanu雷森,r . Caire o . Devaux w . Bienia和n . HadjSaid“径向网络重新配置使用遗传算法基于拟阵理论,“IEEE电力系统,23卷,不。1,第195 - 186页,2008。视图:出版商的网站|谷歌学术搜索
20. t . Niknam、大肠Azadfarsani和m . Jabbari”一个新的混合进化算法基于新的模糊自适应PSO和纳米配电馈线重构算法,”能量转换和管理,54卷,不。1、7 - 16,2012页。视图:出版商的网站|谷歌学术搜索
21. C.-T。苏,张炳扬。常,j。邱”,分销网络重新配置损失减少的蚁群搜索算法,”电力系统研究,卷75,不。2 - 3、190 - 199年,2005页。视图:出版商的网站|谷歌学术搜索
22. Y.-K。吴,彭译葶。李,L.-C。刘,工程学系。蔡,”研究的重新配置配电系统与分布式发电机,”IEEE电力交付,25卷,不。3、1678 - 1685年,2010页。视图:出版商的网站|谷歌学术搜索
23. r . Srinivasa Rao s . v . l . Narasimham m . Ramalinga Raju a . Srinivasa饶,“大规模分布的最优网络重新配置系统利用和声搜索算法,”IEEE电力系统,26卷,不。3、1080 - 1088年,2011页。视图:出版商的网站|谷歌学术搜索
24. k·s·库马尔和t . Jayabarathi电力系统重构和损失最小化的分销系统使用细菌觅食优化算法,”国际期刊的电力和能源系统,36卷,不。1 - 17,2012页。视图:出版商的网站|谷歌学术搜索
25. j·s·狂人和d Das,”网络重新配置对损失的影响径向分布系统,配置”IEEE电力交付,22卷,不。4、2473 - 2480年,2007页。视图:出版商的网站|谷歌学术搜索
26. m·m·阿曼g . b . Jasmon h . Mokhlis和a·h·a . Bakar”最优位置和大小的DG基于一个新的权力稳定指数和线路损失,”国际期刊的电力和能源系统,43卷,不。1,第1304 - 1296页,2012。视图:出版商的网站|谷歌学术搜索
27. 亚辛z和t·拉赫曼在配电网络重构系统故障条件下分布式发电的存在国家大学,雪兰莪州,马来西亚,2006年。
28. j . Olamaei t Niknam, g . Gharehpetian”应用粒子群优化分布式发电机、配电馈线重构考虑”应用数学和计算,卷201,不。1 - 2、575 - 586年,2008页。视图:出版商的网站|谷歌学术搜索|Zentralblatt数学|MathSciNet
29. w·m·Dahalan h . Mokhlis a·h·a·Bakar和j·j . Jamian“最佳网络重构和分布式发电的同时应用分级使用PSO减少功率损耗”Przeglad Elektrotechniczny,卷89,不。4、137 - 141年,2013页。视图:谷歌学术搜索
30. m·m·阿曼g . b . Jasmon A·h·A·Bakar和h . Mokhlis”优化的新方法同时multi-DG分布式发电单元位置和大小根据系统载荷能力的最大化使用HPSO混合粒子群优化算法,”能源卷,66年,第215 - 202页,2014年。视图:出版商的网站|谷歌学术搜索
31. x y玫瑰、p . YunYan和宁,“逐步接近分销网络动态重新配置的方法,”《电力电子研讨会和智能交通系统(PEITS ' 08)IEEE,页257 - 260年,广州,中国,2008年8月。视图:出版商的网站|谷歌学术搜索
32. a·e·米拉尼和m . r . Haghifam”进化的方法最优时间间隔测定在分销网络重新配置可变负荷下,“数学和计算机模拟卷,57号1 - 2、68 - 77年,2013页。视图:出版商的网站|谷歌学术搜索|MathSciNet
33. t, l·林,w . Yanhan”研究的分销网络重构和可再生能源发电单元,”《IEEE电力系统技术国际会议(POWERCON 14)IEEE,页2680 - 2685年,成都,中国,2014年10月。视图:出版商的网站|谷歌学术搜索
34. a . s . Bouhouras t·a·帕帕多普洛斯g . c . Christoforidis g·k . Papagiannis称,d . p . Labridis”损失减少通过网络重新配置需要在安装了太阳能光伏发电单元的分销网络,”第十届国际会议的程序欧洲能源市场(EEM 13),页1 - 8,斯德哥尔摩,瑞典,2013年5月。视图:出版商的网站|谷歌学术搜索
35. e . Rashedi h . Nezamabadi-pour, s . Saryazdi”GSA:引力搜索算法”,信息科学,卷179,不。13日,2232 - 2248年,2009页。视图:出版商的网站|谷歌学术搜索
36. h·杨,f·温,l .王”牛顿潮流算法和Broyden方法分配系统,”IEEE学报》2日国际电力和能源会议(PECon 08年)2008年12月,页1613 - 1618。视图:出版商的网站|谷歌学术搜索
37. b . Shaw,诉穆克吉和s·戈沙尔”小说反对引力搜索算法结合经济和排放电力系统调度问题,“电力和能源系统的国际期刊,35卷,不。1,21-33,2012页。视图:出版商的网站|谷歌学术搜索
38. y . m . Atwa e . f . El-Saadany m·m·a·Salama和r . Seethapathy“最佳再生资源组合分配系统能量损失最小化,“IEEE电力系统,25卷,不。1,第370 - 360页,2010。视图:出版商的网站|谷歌学术搜索
39. n·h·b·塔拉操作代码1:需求预测意识,马来西亚网格代码项目,吉隆坡,马来西亚,2014年。

版权

版权©2015 Koong Gia et al。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。