Flux optimal de puissance comprenant un contrôleur UPFC par l'algorithme génétique et l'essaim de particules

Abstract

Les recherches heuristiques inspirées de la nature basée sur l'algorithme génétique (GA) et l'essaim de particules (PSO) sont présentées et utilisées pour le problème de flux optimal de puissance (OPF), dans les systèmes d'alimentation avec un contrôleur de flux de puissance unifié (UPFC). Le coût total de production d'un système d'alimentation avec l'UPFC qui fixe la tension aux bus de charge est minimisé et validé de manière optimale avec l'utilisation de GA et PSO.GA, qui est basé sur la sélection naturelle et PSO, qui est basé sur le déplacement d'un groupe d'oiseaux sont des algorithmes d'optimisation proposés récemment. Les performances de GA et PSO ont été testées et vérifiées sur le système d'alimentation IEEE 30 bus en les comparants entre les deux et avec plusieurs autres méthodes d'optimisation. En outre, GA et PSO sont utilisés non seulement pour optimiser le coût total de production et les pertes de puissance active, mais aussi pour améliorer le profil de la tension du système d'alimentation. Nos résultats illustrent que GA et PSO peuvent être utilisés avec succès pour résoudre des problèmes non linéaires liés aux systèmes d'alimentation avec une préférence de la deuxième méthode.

Mots-clés: Flux de puissance, optimisation, UPFC, algorithme génétique, essaims de particules

English Title: Optimal power flow including a UPFC controller by genetic algorithm and particles swarm

English Abstract

Heuristics researches inspired by nature based on genetic algorithm (GA) and particle swarm optimization (PSO) are presented and used for optimal power flow problem (OPF) in power systems with a unified power flow controller (UPFC). The fuel cost of producing in power system with the UPFC that sets the voltage to the load buses is minimized and validated optimally with the use of GA and PSO.GA, which is based on natural selection and PSO, which is based on moving a group of birds are recently proposed optimization algorithms. The performance of GA and PSO have been tested and verified on the IEEE 30 bus power system by comparing between them and with several other optimization methods. In addition, GA and PSO are used not only to optimize the total cost of production and active power losses, but also to improve the voltage profile of the power system. Our results illustrate that GA and PSO can be used successfully to solve non-linear problems related to power systems with a preference of the second method.

Keywords: Power flow, optimization, UPFC, genetic algorithm, particle swarms