توزیع بهینه توان راکتیو با استفاده از الگوریتم آموزش و یادگیری در حضور عدم قطعیت ناشی از توربین های بادی

توزیع بهینه توان راکتیو با کاهش تلفات در شبکه نقشی اساسی را در بهره برداری اقتصادی از شبکه بر عهده دارد. در این مقاله الگوریتم آموزش و یادگیری برای توزیع بهینه توان راکتیو و کنترل ولتاژ در حضور توربین های بادی ارائه می شود. این الگوریتم از انواع الگوریتم های تکاملی مبتنی بر جمعیت بوده که توانایی بالایی در حل مسائل غیرخطی دارد. این مساله در قالب یک مساله غیرخطی عدد صحیح آمیخته مدل سازی می شود و در آن هم متغیرهای پیوسته و هم متغیرهای گسسته مدل می شوند. جواب بهینه مساله شامل مجموعه ولتاژ ژنراتورها، گام تپ چنجرترانسفورماتورها و وضعیت جبران سازهای راکتیو جهت کمینه سازی میزان تلفات در شبکه است. در روش پیشنهادی، با حضور عدم قطعیت سرعت باد، با بهره گیری از اطلاعات واقعی سرعت باد، از پخش بار به روش تخمین دو نقطه ای جهت مدل سازی عدم قطعیت استفاده می شود. روش پیشنهادی در سیستم استاندارد 57 باس IEEE پیاده سازی شده است. جهت اثبات کارایی الگوریتم آموزش و یادگیری نیز این الگوریتم با دو الگوریتم تجمع ذرات و تکامل تفاضلی مقایسه شده است. نتایج نشان از کارایی روش پیشنهادی در کاهش تلفات و همچنین ارضای قیود مساله است.