فایل ورد کامل جایگذاری بهینه و اندازه گیری تولید پراکنده توسط یک الگوریتم ژنتیک مرتب سازی غیر غالب بهبود یافته ۲

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

این مقاله، ترجمه شده یک مقاله مرجع و معتبر انگلیسی می باشد که به صورت بسیار عالی توسط متخصصین این رشته ترجمه شده است و به صورت فایل ورد (microsoft word) ارائه می گردد

متن داخلی مقاله بسیار عالی، پر محتوا و قابل درک می باشد و شما از استفاده ی آن بسیار لذت خواهید برد. ما عالی بودن این مقاله را تضمین می کنیم

فایل ورد این مقاله بسیار خوب تایپ شده و قابل کپی و ویرایش می باشد و تنظیمات آن نیز به صورت عالی انجام شده است؛ به همراه فایل ورد این مقاله یک فایل پاور پوینت نیز به شما ارئه خواهد شد که دارای یک قالب بسیار زیبا و تنظیمات نمایشی متعدد می باشد

توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل می باشد و در فایل اصلی فایل ورد کامل جایگذاری بهینه و اندازه گیری تولید پراکنده توسط یک الگوریتم ژنتیک مرتب سازی غیر غالب بهبود یافته ۲،به هیچ وجه بهم ریختگی وجود ندارد

تعداد صفحات این فایل: ۲۶ صفحه

۵- نتیجه گیری
برای خلاصه کردن مدلسازی، بهبود الگوریتم بهینه سازی و مطالعه مقایسه برای برنامه ریزی بهینه واحدهای DG چندگانه، نتایج زیر می توانند استنتاج شوند:
۱) سه هدف برای مینیم اتلاف خطوط، مینیمم انحراف ولتاژ و ماکسیمم حاشیه پایداری ولتاژ می تواند به درستی برنامه ریزی بهینه واحدهای چندگانه DG را فرمولبندی کند.
۲) با بهبود روال جهش و تقاطع، تقویت تنظیم غیرغالب و استراتژی های برش، و تعیین تنظیم راه حل Pareto با استفاده از روش فازی، INSGA-II پیشنهادی می تواند به بهترین راه حل سازش برای اهداف دست یابد. سیستم های ۳۳ باس IEEE و ۲۹۲ باس واقعی و ۵۸۸ باس بعنوان موارد تست انتخاب شده اند، مقایسه های INSGA-II با الگوریتم های بهینه سازی چندهدفی سنتی مانند NSGA-II و DEMO و SPEA2 نشان می دهد که روش پیشنهادی می تواند به دقت و تفاوت بهتری دست یابد.
در عمل انتخاب بهترین محل ممکن است بعلت محدودیت های حقیقی همیشه امکان پذیر نباشد. اما بهینه سازی و تحلیل در اینجا پیشنهاد می دهد در نظر گرفتن چند هدف به تصمیم گیری برای محل و اندازه واحدهای DG به سازنده کمک می کند.

عنوان انگلیسی:Optimal Placement and Sizing of Distributed Generation via an Improved Nondominated Sorting Genetic Algorithm II~~en~~

V. CONCLUSION

To summarize the modeling, optimization algorithm improvement, and comparison study for optimal planning of multiple DG units, the following conclusions can be derived as: 1) three objectives to consider minimum line loss, minimum voltage deviation, and maximal voltage stability margin can correctly formulate optimal planning of multiple DG units; 2) by improving the mutation and crossover procedure, strengthening the nondominated sorting and truncation strategies, and determining the Pareto solution set using the fuzzy membership function method, the proposed INSGA-II can obtain the best compromise solution for all objectives. Taking IEEE 33-, actual 292-, and 588-bus systems as test cases, the comparisons of the proposed INSGA-II with the traditional multiobjective optimization algorithms, such as NSGA-II, DEMO and SPEA2, indicate that the proposed method can achieve better precision and diversity. In practice, the choice of the best site may not always be feasible due to many reality constraints. But the optimization and analysis here suggest that considering multiobjectives helps to decide placement and sizing of DG units for the decision-maker.

$$en!!