Résolution du problème de puissance active dans un réseau d'énergie utilisant les techniques métaheuristique

Abstract

عادةً في حساب توزيع الطاقة الأمثل أو تدفق الطاقة الأمثل (OPF) على مستوى الشبكة الكهربائية ، توظف تقنيات البرمجة الرياضية. هذه البرامج تعطي شبكات الكهرباء إمدادات محسنة من الكهرباء. يمكن أن نتعرض للعديد من المشاكل في شبكات الطاقة ، خاصة في توزيع الطاقة الكهربائية ، لذلك تم تطوير العديد من خوارزميات OPF للعديد من التطبيقات لتحسين الأهداف المختلفة مع القيود والقيود. التكاليف. كل واحد منهم لديه خصائص مواتية خاصة به ، مثل وقت الحل وخصائص التقارب. لذلك ، يعتمد اختيار أساليب التحسين على المشاكل التي تواجهها. يتم استخدام اثنين من الخوارزمية الجينية وطرق البحث النمط. تم اختبار التوزيع الاقتصادي لتدفق الطاقة على أساس الخوارزميات الجينية والبحث عن الأنماط على الشبكات الكهربائية 30. ويمكن القول أن تحسين تدفق الطاقة عن طريق الخوارزميات الجينية هو عالمي لأنه يتحول إلى قوة نشط ويعطي ناقلات تحكم متماسكة. النتائج التي تم الحصول عليها تسمح لتوقع التطبيق العملي للبرمجة جيدة لحساب تدفق الطاقة الأمثل في بيئة زمنية حقيقية. طرق الاختبار لتحسين التكلفة ، واختبار سهل لطرق التحسين المختلفة على شبكات الاختبار ذات الأحجام المختلفة (30.J.D.B). نتائج تطبيق الخوارزميات الجينية ونموذج البحث في الاختبار الأول تظهر في شكل مقارنات بين النتائج. habituellement, le calcul de la répartition optimale de la puissance ou l'écoulement de puissance optimal (OPF) au niveau d' un réseau électrique, emploie des techniques de programmation mathématique . Ces programmes donnent aux réseaux électriques une amélioration de l'approvisionnement en énergie électrique. Nous pouvons être exposés à de nombreux problèmes dans les réseaux électriques, en particulier dans la distribution de l'énergie électrique .par conséquent, de nombreux algorithmes OPF ont été développés pour de nombreuses applications afin d'améliorer les différents objectifs avec des restrictions et des coûts. Chacun d'eux a ses propres propriétés favorables, telles que le temps de solution et les propriétés de convergence. Par conséquent, le choix des méthodes d'optimisation dépend des problèmes que vous rencontrez. On utilisé deux méthodes algorithme génétique et recherche de motif. La distribution économique du flux d'énergie basée sur les algorithmes génétiques et la recherche de motifs a été testée sur des réseaux électriques 30. On peut dire que l'amélioration du flux d'énergie par les algorithmes génétiques est universelle car elle converge vers puissance active et donne un vecteur de contrôle cohérent. Les résultats obtenus permettent d'espérer une application pratique de bonne programmable pour calculer le flux d'énergie optimal dans un environnement temps réel. Les méthodes de test pour l'optimisation des coûts, et un test facile de différentes méthodes d'optimisation sur des réseaux de test de différentes tailles (30.J.D.B). Les résultats de l'application des algorithmes génétiques et du modèle de recherche dans le premier test apparaissent sous la forme de comparaisons entre les résultats