fa بازآرایی و تخصیص بهینه تولیدات پراکنده در شبکه‌های توزیع با استفاده از الگوریتم ترکیبی فازی- مورچگان تخصصي Special پژوهشي Research <p dir="RTL" style="text-align: justify;">این مقاله یک روش ترکیبی جهت بازآرایی و جایابی تولیدات پراکنده در فیدرهای شبکه توزیع برق ارائه می‌دهد. هدف این پژوهش بهبود پروفیل ولتاژ، کاهش تلفات و افزایش تعادل بار در شبکه‌های توزیع می‌باشد. از الگوریتم مورچگان جهت تعیین پیکربندی بهینه شبکه و نیز تعیین محل و ظرفیت مناسب نصب واحدهای تولید پراکنده در شبکه توزیع استفاده می‌شود. به منظور بهبود توانایی الگوریتم در ایجاد مصالحه بین‌ترم های مختلف تابع هدف، از تئوری فازی بهره گرفته شده و بر این اساس مسئله بهینه سازی چند منظوره به یک مسئله بهینه سازی تک هدفه تبدیل شده است. تکنیک مورد نظر با استفاده از سیستم تست 33 بأس <span dir="LTR">IEEE</span> در بارهای نامی، سبک و سنگین مورد ارزیابی قرار گرفته است. نتایج به دست آمده نشان می‌دهد که روش پیشنهادی، در بهبود هر سه شاخص تلفات، پروفیل ولتاژ و تعادل بار فیدر عملکرد موثری داشته و همچنین در مقایسه با الگوریتم‌های دیگر موفق‌تر عمل نموده است. همچنین، با مقایسه نتایج به دست آمده می‌توان نتیجه گیری کرد که بازآرایی همزمان با تعیین مکان و ظرفیت بهینه تولیدات پراکنده می‌تواند مفیدتر از بازآرایی یا مکان یابی بهینه تولیدات پراکنده به تنهایی باشد.</p> <p style="text-align: justify;">This paper presents a new hybrid method for optimal multi-objective reconfiguration simultaneous determining the optimal size and location of Distributed Generation (DG) in a distribution feeder. The purposes of this research are reducing the losses, improving the voltage profile and equalizing the feeder load balancing in a distribution system. Ant Colony Optimization (ACO) approach as a Swarm Intelligence (SI) based algorithm is used to simultaneously reconfigure and identify the optimal capacity and location for installation of DG units in the distribution network. In order to facilitate the algorithm for multi-objective search ability, the optimization problem is formulated for minimizing fuzzy performance indices. The multi-objective optimization problem is transformed into a fuzzy inference system (FIS), where each objective function is quantified into a set of fuzzy objectives selected by fuzzy membership functions. The proposed method is validated using the IEEE 33 bus test system at nominal load. The obtained results prove this combined technique is more accurate and has an efficient convergence property compared to other intelligent search algorithms. Also, the obtained results lead to the conclusion that multi-objective reconfiguration along with placement of DGs can be more beneficial than separate single-objective optimization.</p> الگوریتم مورچگان, بازآرایی, تولید پراکنده, سیستم استنتاج فازی, شبکه توزیع Fuzzy Inference System, Multi objective reconfiguration, Distributed Generation, Ant Colony Optimization 34 41 http://yujs.yu.ac.ir/jste/browse.php?a_code=A-10-72-1&slc_lang=fa&sid=1 hajar bagheri tolabi هاجر باقری طولابی hajarbagheri1@gmail.com 1003194753284600356 1003194753284600356 Yes m.r. shakarami محمودرضا شاکرمی book_authors@live.com 1003194753284600357 1003194753284600357 No E. Rok Rok اسماعیل رک رک esmaeelrokrok1@gmail.com 1003194753284600358 1003194753284600358 No