جایابی بهینه خودروهای الکتریکی (EV) در شبکه های هوشمند توزیع نیروی برق جهت کاهش تلفات و بهبود پروفیل ولتاژ با استفاده از الگوریتم جستجوی گرانشی (SPGSA) بهبود یافته مبتنی بر هوش جمعی دارای 15 صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است
فایل ورد جایابی بهینه خودروهای الکتریکی (EV) در شبکه های هوشمند توزیع نیروی برق جهت کاهش تلفات و بهبود پروفیل ولتاژ با استفاده از الگوریتم جستجوی گرانشی (SPGSA) بهبود یافته مبتنی بر هوش جمعی کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه و مراکز دولتی می باشد.
توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی جایابی بهینه خودروهای الکتریکی (EV) در شبکه های هوشمند توزیع نیروی برق جهت کاهش تلفات و بهبود پروفیل ولتاژ با استفاده از الگوریتم جستجوی گرانشی (SPGSA) بهبود یافته مبتنی بر هوش جمعی،به هیچ وجه بهم ریختگی وجود ندارد
بخشی از متن جایابی بهینه خودروهای الکتریکی (EV) در شبکه های هوشمند توزیع نیروی برق جهت کاهش تلفات و بهبود پروفیل ولتاژ با استفاده از الگوریتم جستجوی گرانشی (SPGSA) بهبود یافته مبتنی بر هوش جمعی :
سال انتشار : 1395
نام کنفرانس یا همایش : اولین کنفرانس بین المللی دستاوردهای نوین پژوهشی در مهندسی برق و کامپیوتر
تعداد صفحات : 15
چکیده مقاله:
امروزه با توجه به مسائل زیست محیطی استفاده از خودروهای الکتریکی در شبکه های هوشمند توزیع نیروی برق روبه افزایش است و حضور این خودروها در محلی نامناسب از شبکه توزیع می تواند تاثیرات منفی از جمله افزایش تلفات،کیفیت نامطلوب توان، تغییرات پروفیل ولتاژ و ... را به همراه داشته باشد. برای رفع این مشکلات محل نصب خودروهایالکتریکی (EV) در شبکه های هوشمند توزیع نیروی برق از اهمیت ویژهای برخوردار است. با توجه به تاثیر خودروهایالکتریکی بر دامنه پروفیل ولتاژ و تلفات شبکه، جایابی بهینه آنها در رسیدن به ولتاژی با پروفیل مطلوب و کاهش تلفاتامری ضروری است. در این مقاله، از روش جدیدی به نام الگوریتم جستجوی گرانشی (SPGSA) بهبود یافته مبتنی برهوش جمعی برای حل مسئله جایابی بهینه خودروهای الکتریکی در شبکه های هوشمند توزیع انرژی به منظور کاهشتلفات و بهبود پروفیل ولتاژ بهره گرفتهایم و به منظور بررسی کارایی الگوریتم پیشنهادی، مسئله برای دو شبکه توزیعاستاندارد 13 و 34 شینه IEEE پیاده سازی شده و نتایج آن با الگوریتم های مراجع دیگر مورد مقایسه قرار گرفته است.نتایج شبیه سازی ها به وضوح نشان دهنده کارایی و برتری روش پیشنهادی در مقایسه با سایر روشها می باشد.
- ۹۵/۱۲/۲۳