Najnowsze trendy w optymalizacji urz¿dze¿ do gromadzenia danych: Nowoczesna technika FACTS

Niniejsza ksi¿¿ka ma na celu przedstawienie dwóch nowych algorytmów metaheurystycznych, Marine Predators Algorithm (MPA) i Giant Trevally Optimizer (GTO), do optymalnego rozmieszczania urz¿dze¿ FACTS w systemach elektroenergetycznych w warunkach deregulacji w celu zmniejszenia zatorów i maksymalizacji wydajno¿ci przesy¿u. W pierwszej kolejno¿ci algorytm MPA zostä wykorzystany do optymalizacji rozmieszczenia urz¿dze¿ FACTS w oparciu o analiz¿ awaryjn¿ zarówno w czteroprzewodowej, jak i 24-przewodowej indyjskiej sieci NN. Po rozmieszczeniu FACTS nast¿pi¿a znaczna poprawa: ilo¿¿ przeci¿¿e¿ spad¿a z 8 do 4, przeci¿¿enie mocy z 543,07 MW do 385,08 MW, a ogólna dotkliwo¿¿ przeci¿¿e¿ z 34,77 do 20,75. Badania porównawcze z wykorzystaniem programowania ewolucyjnego (EP) potwierdzaj¿, ¿e MPA generuje ni¿sze koszty wytwarzania, np. 2,732 mln USD z UPFC w porównaniu do 2,738 mln USD z EP w sieci 24-busowej. W drugiej fazie algorytm GTO rozwi¿zuje dobór i rozmieszczenie FACTS w modelach IEEE 14-bus i 30-bus z ró¿nymi warunkami obci¿¿enia biernego. Przedstawiona praca dowodzi, ¿e hybrydowa optymalizacja FACTS oparta na metaheurystyce mo¿e potencjalnie poprawi¿ zarz¿dzanie ograniczeniami i niezawodno¿¿ systemu na zrestrukturyzowanych rynkach.