Resumen

Este trabajo aborda una nueva metodología para la asignación óptima simultánea de DSTATCOM y DG en sistemas de distribución radial para maximizar la reducción de pérdidas de potencia manteniendo mejores perfiles de tensión en los nodos bajo perfiles de carga multinivel. La Optimización por Enjambre de Gatos (CSO) es una de las potentes técnicas de optimización basadas en inteligencia de enjambre desarrolladas recientemente que imita el comportamiento natural de los gatos, pero normalmente sufre de una convergencia y precisión pobres cuando se somete a problemas de grandes dimensiones. Por lo tanto, se propone una técnica CSO mejorada (ICSO) para resolver eficientemente el problema en el que el modo de búsqueda de CSO se modifica para mejorar su potencial de explotación. Además, el espacio de búsqueda del problema se reduce virtualmente sugiriendo un enfoque de búsqueda inteligente que explora inteligentemente el espacio de búsqueda del problema. Además, se ha investigado el efecto de la reconfiguración de la red tras la colocación óptima de DSTATCOMs y DGs en la red de distribución. Las medidas sugeridas mejoran la convergencia y la precisión del algoritmo sin pérdida de diversidad. El método propuesto se investiga en un sistema de distribución de prueba de 69 buses y los resultados de la aplicación son muy prometedores para el funcionamiento de los sistemas de distribución inteligentes.

• Materias:Biodiésel Energía eólica Dinámica de fluidos Energía limpia Combustible líquido Sistema híbrido
• Subjects:Biodiesel Wind energy Fluid dynamics Clean energy Liquid fuel Hybrid system
• Palabras claves:espacio de búsqueda de problemas, cso, mejores perfiles de tensión de nodo, sistema de distribución de prueba de bus, optimización de enjambre de gatos, enfoque de búsqueda inteligente, problema de gran dimensión, perfil de carga multinivel, reducción de pérdidas de potencia, inteligencia de enjambre potente
• Keywords:problem search space, cso, better node voltage profiles, bus test distribution system, cat swarm optimization, intelligent search approach, large dimension problem, multilevel load profile, power loss reduction, powerful swarm intelligence