Comparative performance study of various PSO techniques for multiple allocations of DG units in radial distribution system

Abstract

The concept of Distributed Generation (DG) emerged in the power industry from the last few decades due to the rapid increase in electricity demand, limited conventional resources and continuous growth in nonconventional energy based low voltage and small scale power industry. In distributed generation system, the optimal placement and sizing of DG units in radial distribution network is one of the most essential conditions to minimize the total active power loss and to improve the voltage profile. In this paper, different types of improved version of Particle Swarm Optimization (PSO) techniques are applied to solve the aforesaid optimization problem. Due to self organizing nature and time dependent strategic variation in acceleration coefficients of Self-organizing Hierarchical Particle Swarm Optimization with Time-Varying Acceleration Coefficients (HPSO-TVAC) technique, this technique performs better in most of the cases for both IEEE-33 bus and IEEE-69 bus system. Here, IEEE-33 bus and IEEE-69 bus radial distribution system is taken for the analysis and for testing the superiority of these techniques.

Ubicación y dimensionamiento óptimo de Generación Distribuida en redes de distribución usando PSO

“…Los métodos implementados para la ubicación de GD son extensos y variados, existen métodos tradicionales, analíticos y numéricos, heurísticas y metas heurísticas, algunos de ellos son la programación no lineal (NLP) [18], programación no lineal entera mixta (MINLP) [19], algoritmo de búsqueda cuco (CSA) [20], optimización por enjambre de partículas (PSO) [21][22][23][24], optimización colonia de hormigas (ACO) [8], algoritmo genético (GA) [25], algoritmo salto de rana modificado (MSFL) [26], colonia de abejas artificiales (ABC) [27], algoritmo de murciélago (BA) [28], algoritmo de polinización de flores (FPA), optimización de hormiga león (ALO) [29], algoritmo de optimización de ballenas (WOA) [10], optimización basada en la enseñanza -aprendizaje (TBLO), optimización de malezas invasoras (IWO) [30], entre otros. Estos métodos pueden ser implementados en computador para su desarrollo, la mayoría se basa en comportamientos sociales de un grupo de individuos, de igual manera en su conocimiento, aprendizaje, en modificaciones genéticas, y muchos de estos métodos pueden ser combinados para obtener mejores resultados, estos son conocidos como híbridos [15].…”

“…Ubicación y dimensionamiento óptimo de generación distribuida fotovoltaica en redes de distribución usando PSO Optimal location and dimensioning of photovoltaic distributed generation in distribution networks using PSO La optimización por enjambre de partículas es un método de comportamiento social que es implementado para seleccionar el nodo de ubicación y la capacidad de la GD. Para esto se genera una población aleatoria con una posición y velocidad inicial también aleatorias, buscando llegar al óptimo deseado cumpliendo con las restricciones presentadas que limitan el espacio de búsqueda de las partículas [24], [39].…”