Enerji sistemlerinde güç akışı, önemli
problemlerden biridir. Bu problemin çözümü için farklı klasik çözümleme
yöntemlerinden faydalanılmaktadır. Ancak sistemdeki jeneratörlerin güç üretme
limitleri, valf yükleme etkileri gibi parametreler güç akışı probleminin ilgili
yollarla çözümünü zorlaştırmaktadır. Bu durumda evrimsel algoritmalarla en
uygun çözümleri gerçekleştirmek mümkün olabilmektedir. Gerçekleştirilen
çalışmada optimal güç akışı problemlerinin çözümü, iki farklı durumda 30 baralı
IEEE test sisteminde güncel evrimsel algoritmalar ile eşit başlangıç
şartlarıyla karşılaştırmalı olarak gerçekleştirilmiş ve ilgili algoritmaların
performans değerlendirmeleri yapılmıştır. Algoritmaların enerji kazanımları
elde edilmiş; optimizasyon sonucunda elde edilen en iyi, en kötü ve ortalama
değerleri hesaplanmış; yakınsama analizleri karşılaştırmalı olarak
gerçekleştirilmiştir. Böylece optimal güç akışı probleminin çözümünde evrimsel
algoritmaların etkinlik ve verimlilikleri açıkça ortaya konulmuştur.
Power
flow in energy systems is one of the major problems. Several classical analysis
methods are utilized for solving this problem. However, power generation
limits, valve loading effects of units also makes the power flow problem become
much harder to solve in the system. In this case, it is possible to achieve the
most appropriate solutions with evolutionary algorithms. In this study, optimal
power flow problems are solved under same beginning conditions, comprehensively
performed with evolutionary algorithms which are recently used and associated
algorithm performance is analyzed in IEEE 30-bus test system for two cases.
Energy gains of algorithms are obtained; the best, worst and mean values found
from optimization are evaluated; convergence analyses are performed
comparatively. Thus the effectiveness and efficiency of evolutionary algorithms
are clearly demonstrated on solution of optimal power flow problems.
Primary Language | English |
---|---|
Subjects | Engineering |
Journal Section | Research Article |
Authors | |
Publication Date | April 30, 2018 |
Published in Issue | Year 2018 Volume: 24 Issue: 2 |