دانشگاه اصفهان هوش محاسباتی در مهندسی برق 2821-0689 7 2 2016 06 21 Application of IWO in Satellite Orbit Determination by TLE calculation بکارگیری الگوریتم تکاملی علف هرزهای مهاجم در تعیین موقعیت ماهواره با استفاده از استخراج TLE1 1 16 20718 10.22108/isee.2016.20718 FA حسین بلندی - مرکز تحقیقات فضایی و دانشکده مهندسی برق - دانشگاه علم و صنعت ایران- تهران - ایران حسن اشتری - مرکز تحقیقات فضایی و دانشکده مهندسی برق - دانشگاه علم و صنعت ایران- تهران - ایران محمدصادق ضیغمی - مرکز تحقیقات فضایی و دانشکده مهندسی برق - دانشگاه علم و صنعت ایران- تهران – ایران سیدحسن صدیقی مرکز تحقیقات فضایی و دانشکده فناوری‌های نوین- دانشگاه علم و صنعت ایران- تهران – ایران سیدمجید اسماعیل زاده - مرکز تحقیقات فضایی و دانشکده مهندسی برق - دانشگاه علم و صنعت ایران- تهران – ایران Journal Article 2016 11 23 In this paper, the invasive weed optimization is used to determine the satellite orbit. The generated TLE can be used in antenna positioning, mission control and monitoring. Also, it can be sent to the satellite for on board applications. In the proposed method, the trial generated TLEs in each iteration are propagated to achieve the satellite position versus the time, and then they are compared with the real data position achieved from the tracking systems to build an error fitness function. Finally, the invasive weed optimization (IWO) algorithm is used to minimize this error. The proposed method is verified by using CHAMP satellite position data, as a real example. در این مقاله روش نوینی برای استخراج داده TLE1، مبتنی بر الگوریتم تکاملی IWO2 و براساس داده‏های اندازه‏گیری ایستگاه زمینی ارائه شده است. امروزه پیش‏بینی موقعیت ماهواره براساس داده TLE به علت استفاده آسان و هزینه اندک، در بسیاری از مأموریت‏های فضایی استفاده می‌شود. مؤسسه NORAD3، داده TLE را برای اجرام سماوی محاسبه می‌کند و در اختیار عموم قرار می‏دهد. با توجه به محدودیت‏های موجود در ارائة داده TLE، نظیر فواصل زمانی نامنظم به‌روزرسانی، دقت داده TLE و ... استخراج داده TLE به‌صورت مستقل در مأموریت‏های ماهواره‏ای مدّنظر قرار گرفته است. شبیه‏سازی‏ها براساس داده‏های اندازه‏گیری زوایای رؤیت و فاصله ماهواره CHAMP از ایستگاه زمینی انجام شده است. ارزیابی دقت داده TLE استخراج‌شده، با مقایسه موقعیت پیش‏بینی‌شدة ماهواره براساس انتشارگر SGP44 و موقعیت واقعی ماهواره CHAMP حاصل از گیرنده GPS5 مستقر در ماهواره انجام شده است. نتایج شبیه‏سازی‏ها حاکی از آن است که با وجود خطای اندازه‏گیری بالا در داده‏های اندازه‏گیری حاصل از ایستگاه زمینی، دقت TLE استخراج‌شده، پذیرفتنی بوده است و می‏توان موقعیت ماهواره را با دقتی بهتر از 20 کیلومتر در هر مؤلفه، در طول 2 روز آینده پیش‏بینی کرد.

https://isee.ui.ac.ir/article_20718_b4fcb3ebf0971e3e4e2a7d2cee7de7e8.pdf

دانشگاه اصفهان هوش محاسباتی در مهندسی برق 2821-0689 7 2 2016 06 21 Optimal power quality meters placement for harmonic state estimation with double contingencies in power systems جایابی اندازه گیرهای هارمونیکی به منظور تخمین حالت هارمونیکی با در نظر گرفتن عدم قطعیت‌های دوگانه در سیستم قدرت 17 28 20719 10.22108/isee.2016.20719 FA عباس کتابی - دانشیار، دانشکده مهندسی برق - دانشگاه کاشان - کاشان - ایران محمدرضا شیبانی دانشجوی دوره دکترا، دانشکده مهندسی برق و کامپیوتر - دانشگاه صنعتی اصفهان – اصفهان - ایران سید مصطفی نصرت‌آبادی دانشجوی دوره دکترا، دانشکده مهندسی - دانشگاه اصفهان - اصفهان- ایران Journal Article 2016 11 23 In this paper, a methodology is presented for optimal placement of Power Quality meters forâHarmonic State âEstimation. Single line and meter loss âcontingencies are also considered in placement problem. For Harmonic State âEstimation in proposed method, an optimization problem for minimization the sum of the squares of the difference between the measured and estimated values is solved. Mean Square âErrors of estimated Total âHarmonic Distortions in normal condition is selected as the cost function, while single line and meter loss âcontingencies are also considered by formulating âa multi-objective optimization exercise. To âsolve this optimization problem, a SOA âalgorithm based on Pareto optimum method is used. Simulationââare performed on an IEEE 14-bus test system to demonstrate the effectiveness âof the proposed âmethodologyâ.â در این مقاله، یک روش برای جایابی اندازه‌گیرهای هارمونیکی به‌منظور تخمین حالت هارمونیکی پیشنهاد شده است. عدم قطعیت‌های هم‌زمان خارج‌شدن یک خط و یک اندازه‌گیر نیز در مسئله جایابی در نظر گرفته‌ شده‌اند. به‌منظور تخمین حالت هارمونیکی مورد نیاز در روش پیشنهادی، از حل یک مسئله بهینه‌سازی به‌منظور مینیمم‌سازی مجموع مربعات وزن‌دار تفاضل بین مقادیر اندازه‌گیری شده و تخمینی استفاده شده است. میانگین مربعات خطای (MSE) اعوجاج هارمونیکی کل (THD) در شرایط نرمال سیستم با درنظرگرفتن امکان خارج شدن یک خط و یک اندازه‌گیر به‌عنوان تابع هدف چندهدفه جایابی اندازه‌گیرها انتخاب شده است. مسئله بهینه‌سازی پیشِ رو با استفاده از الگوریتم بهینه‌سازی جستجوگر (SOA) مبتنی بر روش پارتو حل شده است. به‌منظور نمایش توانایی روش پیشنهادی، این روش بر روی شبکه تست 14 شین IEEE پیاده شده است که نتایج شبیه‌سازی، توانایی آن را نشان می‌دهد.

https://isee.ui.ac.ir/article_20719_2a58e9b5d15e397a30b28a00c17b0531.pdf

دانشگاه اصفهان هوش محاسباتی در مهندسی برق 2821-0689 7 2 2016 06 21 A new control method of photovoltaic-battery hybrid system connected to the electrical network by using model predictive controller روشی جدید برای کنترل سیستم ترکیبی سلول خورشیدی و باتری متصل به شبکه الکتریکی با کنترل کننده پیش بین 29 40 20720 10.22108/isee.2016.20720 FA امین سلیمی دانشجوی کارشناسی ارشد، دانشکده فنی و مهندسی- دانشگاه بین المللی امام خمینی (ره) – قزوین - ایران نوید غفارزاده استادیار، دانشکده فنی و مهندسی - دانشگاه بین المللی امام خمینی (ره) – قزوین - ایران Journal Article 2016 11 23 In this paper, Model Predictive Controller has been used for controlling the hybrid power system, which contains grid connected photovoltaic and energy storage systems (battery) considering the economic issues like optimization of profit from selling energy to grid by way of selling energy to grid during the high cost of energy and with regard to technical issues like improved dynamic response and smoothing power output of photovoltaic system and also maximization the batteries life by way of minimization the cycle of the change and discharge is used and such for optimization the results of model Predictive Control, PSO algorithm is used to obtain the coefficient of the objective function suggested controller. In addition, the suggested controller adapts itself. Dynamically and automatically and yet is able to respond external requests like price signals or satisfy the constraints of the power system or request of operator. Finally the simulation results of system with the proposed controller and result of PID controller is presented and compared. در این مقاله از کنترل‌کننده پیش‌بین MPC (Model Predictive Control) برای کنترل سیستم ترکیبی قدرت، دربردارندة سلول خورشیدی و سیستم ذخیره‌سازی انرژی (باتری) استفاده شده است. سیستم ترکیبی استفاده‌شده در این مقاله، متصل به شبکه الکتریکی است. در طراحی سیستم کنترل‌کننده، مسائل مختلفی نظیر مسائل اقتصادی و فنی در نظر گرفته شده است. مسائل اقتصادی، دربردارندة بیشینه‌سازی سودِ حاصل از فروش انرژی به شبکه ازطریق فروش انرژی در ساعات گرانی انرژی است. مسائل فنی، دربردارندة بهبود پاسخ دینامیکی و هموارسازی توان خروجی سلول خورشیدی و همچنین بیشینه‌سازی عمر باتری‌ها ازطریق به حداقل‌رسانیدن سیکل شارژ و دشارژ مربوط به آن‌ها است. همچنین برای بهینه‌کردن نتایج حاصل از کنترل‌کننده پیش‌بین، از الگوریتم بهینه‌سازی ذرات برای به‌دست‌آوردن ضرایب بهینه تابع هدف استفاده شده است. کنترل‌کننده پیشنهادی، ضمن اینکه به‌طور اتوماتیک و دینامیکی خود را با تغییرات خروجی سلول خورشیدی تطبیق می‌دهد، قادر به پاسخ‌گوییِ درخواست‌های بیرونی، مثل سیگنال‌های قیمت یا ارضا محدودیت‌های سیستم قدرت یا درخواست‌های اپراتور است. درنهایت، نتایج شبیه‌سازی سیستم با کنترل‌کننده پیشنهادی و نتایج سیستم با کنترل‌کننده PID ارائه و مقایسه شده است.

https://isee.ui.ac.ir/article_20720_e145b75e805e118c6fdcac5973544ce8.pdf

دانشگاه اصفهان هوش محاسباتی در مهندسی برق 2821-0689 7 2 2016 06 21 Suitable Utilization of DC Isolated Distribution and PV Generating Systems for Supplying AC loads بهره‌برداری ترکیبی کارآمد از شبکه DC مستقل و سیستم‌های PV جهت تغذیه بارهای نامتعادل AC 41 52 20721 10.22108/isee.2016.20721 FA رضا نوروزیان دانشیار، دانشکده مهندسی - گروه مهندسی برق - دانشگاه زنجان – زنجان - ایران 0000-0001-8085-3860 حسین محمدی دانشجوی، دانشکده مهندسی- گروه مهندسی برق - دانشگاه زنجان – زنجان - ایران Journal Article 2016 11 23 This paper presents a Loop DC isolated network which is fed by photovoltaic (PV) generating renewable sources to supply AC loads. The battery energy storage bank is connected to the DC network via DC/DC converter called storage converter to control the network voltage and optimize the operation of the PV generation systems. The PV generating units has been connected to the DC network via its own DC/DC converter called, PV converter to ensure the required power flow. The unbalanced AC loads has been connected to the DC network via its own DC/AC converter called, load converter without transformer. This paper proposes a suitable control strategy for storage converter which has a DC droop regulator. Also a suitable control system based on Clark and Park rotating frame is proposed for load converters. In this paper, the proposed suitable utilization has been demonstrated by simulation of power transfer between PV generating systems, unbalanced AC loads and battery units. The simulation results based on PSCAD/EMTDC software show that DC isolated distribution system including PV generating systems can provide the balanced power between units. در این مقاله استفاده از منابع تجدیدپذیر انرژی خورشیدی برای تغذیه بارهای نامتعادل AC مستقل از شبکه بررسی شده است. برای اینکه با تغییر شرایط محیطی، PVهمواره نقطه توان ماکزیمم را دنبال کند، نقطه کار PV با الگوریتم Perturb and Observe کنترل شده است. برای تأمین توان با کیفیت برق بالا برای هر کدام از بارها، ‌PVها و بارهای نامتعادل AC با یک شبکه DC حلقوی، به یکدیگر متصل شدهاند. برای کنترل سیلان توان در شبکه DC، یک بانک باتری با کنترل‌کننده شیبی، بین بارها و PVها به اشتراک گذاشته شده است. با هدف صرفهجویی در هزینه اولیه و کاهش تلفات در شبکه DC، بهترین مکان برای قرارگرفتن بانک باتری پیدا شده است. همچنین پس از به‌دست‌آوردن مدل دینامیکی قسمت DC شبکه و براساس نتایج حاصل از آن، نتایج شبیه‌سازی مقایسه و تأیید شده است. برای اطمینان از نتایج الگوریتم Perturb and Observe ، به کمک معادلات ریاضی، مکان دقیق نقطه توان ماکزیمم به دست آمده است و از آن برای تصدیق نتایج الگوریتم استفاده شده ‌است.

https://isee.ui.ac.ir/article_20721_cff5be365196923b856aec8486077dac.pdf

دانشگاه اصفهان هوش محاسباتی در مهندسی برق 2821-0689 7 2 2016 06 21 Simultaneous design of the WAMS components in the modern power networks with the aim of minimizing the total cost طراحی همزمان اجزاء سیستم اندازه گیری فراگیر در شبکه های قدرت مدرن با هدف کمینه سازی هزینه کل 53 62 20722 10.22108/isee.2016.20722 FA مصطفی بگ محمدی - دانش‌آموخته کارشناسی‌ارشد، دانشکده مهندسی برق - دانشگاه اصفهان – اصفهان – ایران رحمت الله هوشمند استاد تمام، دانشکده مهندسی برق - دانشگاه اصفهان – اصفهان - ایران فریبرز حقیقت دار فشارکی دانشجوی دکتری، دانشکده مهندسی برق - دانشگاه اصفهان – اصفهان - ایران Journal Article 2016 11 23 Incremental increasing use of the electrical energy and restructuring the power networks and the problems that they have been brought with them, cause increased the power operator’s interest to use of WAMS instead of SCADA. One of the main issues in the WAMS is the cost reduction of the optimal placement of PMU and correlated communication infrastructure. In this paper, a new method is presented for WAMS designing, with the aim of cost reduction. For this purpose, the greedy algorithm is used for optimal placement of PMUs and simultaneously, with the use of the Bellman-Ford algorithm, minimum communication infrastructure is designed so that the total cost of WAMS designing is reduced. Also the optimum location of the PDC is determined with the Bellman-Ford algorithm. This method is proposed in the normal operation condition and also in N-1 contingency conditions ( e.g. a single PMU loss and a single line outage). Simulations are conducted on the IEEE 30- and 118-bus power networks and the 230kv and 400kv of the Isfahan power network. Simulation results show good performance of the proposed method. افزایش روزافزون مصرف انرژی الکتریکی و مطرح‌شدن پدیده تجدید ساختار در شبکههای قدرت و مشکلات حاصل از آن‌ها، باعث افزایش تمایل بهرهبرداران شبکههای قدرت به استفاده از WAMS (Wide Area Measurement System) به جای SCADA (Supervisory Control And Data Acquisition) شده است. یکی از مباحث مهم در WAMS کاهش هزینة جایابی بهینه PMU (Phasor Measurement Unit) و هزینه ساختار ارتباطی مربوط به آن‌ها است. در این مقاله روش جدیدی برای طراحی WAMS با هدف کاهش هزینههای آن ارائه شده است. برای این منظور با استفاده از الگوریتمِ حریصانه، مکانهای بهینه برای PMUها تعیین شده است و هم‌زمان با استفاده از الگوریتم Bellman-Ford مینیمم ساختار ارتباطی مورد نیاز طراحی می‌شود؛ به‌گونهای که هزینه کل طراحی WAMS کاهش یابد. همچنین با استفاده از الگوریتم Bellman-Ford مکان بهینه PDC (Phasor Data Concentrator) نیز مشخص میشود. این روش در شرایط عملکرد عادی سیستم و در شرایط خروج تکی PMU و خروج تکی هر یک از خطوط سیستم نیز مطرح شده است. شبیهسازیهای انجام‌شده در شبکههای 30 و 118 شین IEEE و شبکه kV230 و kV 400 استان اصفهان نشان‌دهنده کارایی مناسب روش مطرح‌شده در این مقاله است.

https://isee.ui.ac.ir/article_20722_9d5a2654fa883d90aea627920bb7dd4d.pdf

دانشگاه اصفهان هوش محاسباتی در مهندسی برق 2821-0689 7 2 2016 06 21 The optimum combination of chaotic neural network with self-feedback, Lyapunov exponent, and simulated annealing in solving of travelling salesman problem ترکیب بهینه شبکه‎ عصبی آشوب‎گون با پسخوراند خودی، نمای لیاپانوف و تبرید تدریجی در حل مسئله فروشنده دوره گرد 63 76 20723 10.22108/isee.2016.20723 FA سید عابد حسینی گروه مهندسی فناوری اطلاعات، دانشکدة مهندسی، دانشگاه آزاد اسلامی واحد مشهد – مشهد - ایران محمد رضا اکبرزاده توتونچی گروه‎های مهندسی برق و کامپیوتر، قطب علمی رایانش نرم و پردازش هوشمند اطلاعات، دانشکدة مهندسی، دانشگاه فردوسی مشهد - مشهد - ایران. Journal Article 2016 11 23 This paper proposes a synergetic combination of chaotic neural network with self-feedback, Lyapunov exponent, and simulated annealing for combinatorial optimization problems such as travelling salesman problem (TSP). Unlike conventional neural networks only with point attractors, the chaotic neural network has more flexible dynamics, so that it can be expected to have higher ability of searching for optimal or near-optimal global solutions. One of the most important problems related to conventional neural networks is becomies trapped into the local minimums. Although chaotic neural networks can solve this problem, but they have difficulty due to convergence towards the equilibrium point. Therefore, we have tried to add the Lyapunov exponent and gradual cooling factor as a simulated annealing process, until network converges to the global optimal solutions quickly. In order to evaluate the proposed approach, TSP with different cities is used. Numerical experiments of the propsed approach on 10-TSP are shown that it has high efficiency to converge to global optimal solutions. این مقاله یک ترکیب همافزای شبکه عصبی آشوب‎گون با پسخوراند خودی، نمای لیاپانوف و تبرید تدریجی را برای حل مسائل بهینه‎سازی ترکیبی نظیر فروشنده دوره‌گرد (TSP) پیشنهاد می‎دهد. برخلاف شبکه‎های عصبی مصنوعی که با دینامیک گرادیان نزولی به سمت نقطه تعادل پایدار همگرا می‎شوند، شبکههای عصبی آشوبی دینامیکهای فضایی - زمانی غنی‎تر و ساختار پیچیده‎تری دارند؛ بنابراین انتظار میرود شبکه عصبی آشوبی توان زیادی برای یافتن نقطه بهینه سراسری و یا دست‌کم نزدیک به سراسری داشته باشد. یکی از مهم‌ترین مشکلات شبکه‎های عصبی مصنوعی، گرفتاری آن‌ها در کمینه‎های محلی است. اگرچه شبکه‎های عصبی آشوبگون تا حدی این مشکل را حل میکنند، ولی به لحاظ سرعت همگرایی در حرکت به سوی نقطه تعادل مشکل دارند؛ بنابراین در این مقاله به کمکِ نمای لیاپانوف و تبرید تدریجی، حضور شبکه در حالت آشوبگون، کنترل و شبکه به سمت نقطه بهینه سراسری هدایت می‎شود. به‎منظور ارزیابی این شبکه، TSP با تعداد شهرهای مختلف استفاده شده است. نتایج شبیه‎سازی نشان می‎دهد این شبکه‎ می‎تواند جواب بهینه را در TSP با تعداد تکرار کمتر و سرعت بیشتر پیدا کند.

https://isee.ui.ac.ir/article_20723_4cb546ff48716125848211a58ca88008.pdf

دانشگاه اصفهان هوش محاسباتی در مهندسی برق 2821-0689 7 2 2016 06 21 Increasing consistency of particle filter using the classic method and particle swarm algorithm افزایش سازگاری فیلتر ذره ای با استفاده از روش های کلاسیک و الگوریتم اجتماع ذرات 77 88 20724 10.22108/isee.2016.20724 FA رمضان هاونگی استادیار، دانشکده مهندسی برق و کامپیوتر - دانشگاه بیرجند – بیرجند - ایران Journal Article 2016 11 23 Particle filter is one of the main filters to estimate of non-linear/ non- Gaussian systems. However, it is inconsistent over time. Since the choice of the proposal distribution and the resampling method are is very important to improve the accuracy and consistency, in this paper, increasing consistency of particle filter is done using improved sampling and resampling. To optimize the sampling step, particle swarm optimization (PSO) has been merged into the importance sampling. PSO causes the particles to move to the high probability region of the posterior before sampling and therefor the distribution of particles is improved. In order to reduce the impact of resampling on the accuracy and consistency, a new resampling approach is proposed. The new resampling method can maintain diversity among the particles and ensure that the resampled particles asymptotically approximate the samples from the posterior probability density function of the true state. The main advantage of the proposed method is that it reduces computational cost. This is because the proposed resampling method is performed on only part of the particles. The validity of the proposed filter is evaluated using simulation. The results show that the proposed method has better performance than classical filters. فیلتر ذره‌ای یکی از مهم‌ترین فیلترها در تخمین سیستم‌های غیرِخطی - غیرِگوسی است. با وجود این، فیلتر ذره‌ای در طول زمان ناسازگار است. ازآنجایی‌که انتخاب تابع توزیع پیشنهادی و روش نمونه‌برداری مجدد در بهبود دقت و سازگاری، بسیار مهم است، دراین مقاله، افزایش سازگاری فیلتر ذره‌ای با بهبود نمونه‌برداری و نمونه‌برداری مجدد انجام شده است. برای بهینه‌سازی نمونه‌برداری، الگوریتم بهینه‌سازی اجتماع ذرات (PSO) به داخل گام نمونه‌برداری پر اهمیت داخل شده است. الگوریتم PSO موجب حرکت مجموعه نمونه‌ها به سمت ناحیه با احتمال بالای پسین قبل از نمونه‌برداری می‌شود و درنتیجه توزیع نمونه‌ها بهبود پیدا می‌کند. به‌‌منظور کاهش اثر نمونه‌برداری مجدد روی دقت و سازگاری، روش جدید نمونه‌برداری مجدد ارائه شده است. روش نمونه‌برداری جدید می‌تواند تنوع میان ذرات را حفظ کند و ذرات نمونه‌برداریِ مجدد شده را وادار کند که به‌طور مجانبی نمونه‌ها را از تابع چگالی احتمال پسینِ حالت‌های واقعی تقریب بزنند. امتیاز روش نمونه‌برداری مجدد پیشنهادشده این است که هزینه محاسبات را کاهش می‌دهد. این بدان دلیل است که روش نمونه‌برداری مجددِ پیشنهادشده، تنها روی بخشی از نمونه‌ها انجام می‌شود. اعتبار فیلتر پیشنهادی با استفاده از شبیه‌سازی ارزیابی شده است. نتایج نشان می‌دهند روش پیشنهادی عملکرد بهتری نسبت به فیلترهای کلاسیک دارد.

https://isee.ui.ac.ir/article_20724_e7fabf325a24991ad377d5390c5811e8.pdf

دانشگاه اصفهان هوش محاسباتی در مهندسی برق 2821-0689 7 2 2016 06 21 Optimal placement and sizing of distributed generation and shunt capacitor via modified multi-objective artificial bee colony algorithm considering different load models جایابی و تعیین ظرفیت بهینه تولیدات پراکنده و خازن با استفاده از الگوریتم‌ چند هدفه کلونی زنبور مصنوعی اصلاح شده با در نظر گرفتن مدل‌های مختلف بار 89 106 20725 10.22108/isee.2016.20725 FA افشین لشکرآرا استادیار، گروه مهندسی برق قدرت - دانشگاه آزاد اسلامی واحد دزفول – دزفول - ایران میلاد کفایت - کارشناس ارشد، گروه مهندسی برق قدرت - دانشگاه آزاد اسلامی واحد دزفول - دزفول – ایران جمشید آقایی - استادیار، گروه مهندسی برق قدرت - دانشگاه صنعتی شیراز – شیراز – ایران Journal Article 2016 11 23 Nowadays due to development of distribution systems and increase in electricity demand, the use of distributed generation sources and capacitor banks in parallel are increased. In this paper a modified multi-objective artificial bee colony (MABC) algorithm to solve the optimal placement and sizing of distributed generation and shunt capacitor is proposed. The objectives consist of minimization of costs, active losses, voltage deviation and improved voltage stability index incorporated with different load models. In the MABC, the bees adjust their trajectories based on the solutions also mutation and crossover operators are used to enhance the proposed algorithm. The proposed algorithm uses an external repository to save founded Pareto optimal solutions during the search process and fuzzy decision making process is employed to extract one of the Pareto-optimal solutions. The proposed algorithm is tested on the 69-bus IEEE test system and the results demonstrate the applicability and effectiveness of the proposed approach compared to that of other algorithms. امروزه با توجه به توسعه شبکه‌های توزیع و افزایش تقاضای برق، استفاده از منابع تولید پراکنده و بانک‌های خازنی به موازات هم افزایش یافته است. در این مقاله، الگوریتم کلونی زنبور مصنوعیِ اصلاح‌شده به‌منظور بهینه‌سازی هم‌زمان جایابی و تعیین ظرفیت بهینه منابع تولید پراکنده و خازن پیشنهاد شده است که با هدف کاهش تلفات، انحراف از ولتاژ، هزینه و بهبود شاخص پایداری ولتاژ با درنظرگرفتن مدل‌های مختلف بوده است. در الگوریتم طراحی‌شده، عامل‌های جست‌وجوگر، مسیر حرکت خود را با استفاده از راه‌حل‌های به‌دست‌آمده اصلاح می‌کنند و عملگرهای تکاملیِ تقاطع و جهش به گسترش جواب کمک می‌کنند. همچنین به‌منظور بهینه‌سازی چندهدفه از یک آرشیو خارجی، جهت ذخیره جواب نامغلوب و از منطق فازی، جهت یافتن بهینه‌ترین حالت در میان پاسخ‌های پارتو به‌دست‌آمده، استفاده شده است. الگوریتم پیشنهادی بر روی شبکه 69 شینه IEEE پیاده‌سازی شده و نتایج حاصل از این روش، تجزیه و تحلیل شده است. نتایج شبیه‌سازی، کارآیی و عملکرد مناسب الگوریتم پیشنهادی را در مقایسه با روش‌های دیگر نشان می‌دهد.

https://isee.ui.ac.ir/article_20725_ee03c327088586cad1ea9b79e0040e25.pdf