Optimisation of the generating capacity of droop-based DGs integrated into an isolated AC microgrid using metaheuristic algorithms to minimise power losses

W niniejszym badaniu zaproponowano trzy techniki metaheurystyczne, obejmujące algorytm ewolucji różnicowej (ang. Differential Evolution – DE), optymalizację Moth-Flame (MFO) oraz algorytm Honey Badger (HB), połączone ze zmodyfikowaną metodą rozpływu mocy i napięć (ang. Modified Backward-Forward Sweep – MBFS), w celu optymalnego planowania punktu pracy generatorów rozproszonych (DG) z regulowanym statyzmem w rozwiniętej strukturze hierarchicznej izolowanej mikrosieci prądu przemiennego (AC). Take algorytmy sterowania sprawiają, że generatory DG same mogą regulować napięcie mikrosieci, podczas gdy pracuje ona w trybie wyspowym. Zaproponowany model matematyczny został przetestowany na rekonfigurowanej izolowanej mikrosieci 33-węzłowej w czterech scenariuszach, z obciążeniem zmieniającym się w ciągu doby. Wyniki wskazują, że scenariusz 3, w którym zastosowano algorytm HB do optymalizacji wartości współczynników quasi-stacjonarnego odchylenia napięcia oraz regulacji wartości napięcia referencyjnego w dopuszczalnych granicach, jest najbardziej efektywny do obniżenia strat mocy i energii w porównaniu do innych przypadków. W szczególności, w scenariuszu 3, w którym zastosowano algorytm HB, straty mocy czynnej i biernej odpowiednio stanowią jedynie 0.9459% i 1.1485% całkowitego zapotrzebowania na moc. Wyniki te podkreślają skuteczność algorytmu HB w minimalizacji strat mocy przy jednoczesnej optymalizacji rozmiaru DG opartych na regulowanym statyźmie w testowej mikrosieci, pracującej w trybie wyspowym.

Słowa kluczowe:

wyspowa mikrosieć AC, minimalizacja strat mocy, poprawa napięcia, algorytmy metaheurystyczne

Bibliografia

[1] Baran, M. E., & Wu, F. F. (1989). Network reconfiguration in distribution systems for loss reduction and load balancing. IEEE Transactions on Power Delivery, 4(2), 1401–1407. https://doi.org/10.1109/61.25627

[2] Boutros, F., Doumiati, M., Olivier, J.-C., Mougharbel, I., & Kanaan, H. (2023). New modelling approach for the optimal sizing of an islanded microgrid considering economic and environmental challenges. Energy Conversion and Management, 277, 116636. https://doi.org/10.1016/j.enconman.2022.116636

[3] El-Bidairi, K. S., Nguyen, H. D., Mahmoud, T. S., Jayasinghe, S. D. G., & Guerrero, J. M. (2020). Optimal sizing of Battery Energy Storage Systems for dynamic frequency control in an islanded microgrid: A case study of Flinders Island, Australia. Energy, 195, 117059. https://doi.org/10.1016/j.energy.2020.117059

[4] Gupta, Y., Doolla, S., Chatterjee, K., & Pal, B. C. (2021). Optimal DG Allocation and Volt–Var Dispatch for a Droop-Based Microgrid. IEEE Transactions on Smart Grid, 12(1), 169–181. https://doi.org/10.1109/TSG.2020.3017952

[5] Hameed, F., Al Hosani, M., & Zeineldin, H. H. (2019). A Modified Backward/Forward Sweep Load Flow Method for Islanded Radial Microgrids. IEEE Transactions on Smart Grid, 10(1), 910–918. https://doi.org/10.1109/TSG.2017.2754551

[6] Hashim, F. A., Houssein, E. H., Hussain, K., Mabrouk, M. S., & Al-Atabany, W. (2022). Honey Badger Algorithm: New metaheuristic algorithm for solving optimization problems. Mathematics and Computers in Simulation, 192, 84–110. https://doi.org/10.1016/j.matcom.2021.08.013

[7] IEEE. (2018). IEEE Standard for Interconnection and Interoperability of Distributed Energy Resources with Associated Electric Power Systems Interfaces. IEEE. https://doi.org/10.1109/IEEESTD.2018.8332112

[8] Jithendranath, J., & Das, D. (2020). Stochastic planning of islanded microgrids with uncertain multi‐energy demands and renewable generations. IET Renewable Power Generation, 14(19), 4179–4192. https://doi.org/10.1049/iet-rpg.2020.0889

[9] Jithendranath, J., & Das, D. (2023). Multi-Objective Optimal Power Flow in Islanded Microgrids with Solar PV Generation by NLTV-MOPSO. IETE Journal of Research, 69(4), 2130–2143. https://doi.org/10.1080/03772063.2021.1886609

[10] Kerdphol, T., Fuji, K., Mitani, Y., Watanabe, M., & Qudaih, Y. (2016). Optimization of a battery energy storage system using particle swarm optimization for stand-alone microgrids. International Journal of Electrical Power & Energy Systems, 81, 32–39. https://doi.org/10.1016/j.ijepes.2016.02.006

[11] Kiptoo, M. K., Lotfy, M. E., Adewuyi, O. B., Conteh, A., Howlader, A. M., & Senjyu, T. (2020). Integrated approach for optimal techno-economic planning for high renewable energy-based isolated microgrid considering cost of energy storage and demand response strategies. Energy Conversion and Management, 215, 112917. https://doi.org/10.1016/j.enconman.2020.112917

[12] Krishna, P. V. N. M., Sekhar, P. C., & Behera, T. R. (2024). A robust optimal sizing of renewable-rich multi-source microgrid under uncertainties with multi-storage options. Electrical Engineering, 106(5), 6547–6563. https://doi.org/10.1007/s00202-024-02331-w

[13] Kundur, P., Balu, N. J., & Lauby, M. G. (1994). Power system stability and control. McGraw-Hill.

[14] Liu, D., Zhang, C., Xu, Y., Dong, Z., & Chi, Y. (2023). Sensitivity Region-Based Optimization for Maximizing Renewable Generation Hosting Capacity of an Islanded Microgrid. IEEE Transactions on Smart Grid, 14(4), 2496–2507. https://doi.org/10.1109/TSG.2022.3222040

[15] Liu, H., Wang, S., Liu, G., Zhang, J., & Wen, S. (2020). SARAP Algorithm of Multi-Objective Optimal Capacity Configuration for WT-PV-DE-BES Stand-Alone Microgrid. IEEE Access, 8, 126825–126838. https://doi.org/10.1109/ACCESS.2020.3008553

[16] Ma, Q., Huang, X., Wang, F., Xu, C., Babaei, R., & Ahmadian, H. (2022). Optimal sizing and feasibility analysis of grid-isolated renewable hybrid microgrids: Effects of energy management controllers. Energy, 240, 122503. https://doi.org/10.1016/j.energy.2021.122503

[17] Medghalchi, Z., & Taylan, O. (2023). A novel hybrid optimization framework for sizing renewable energy systems integrated with energy storage systems with solar photovoltaics, wind, battery and electrolyzer-fuel cell. Energy Conversion and Management, 294, 117594. https://doi.org/10.1016/j.enconman.2023.117594

[18] Mirjalili, S. (2015). Moth-flame optimization algorithm: A novel nature-inspired heuristic paradigm. Knowledge-Based Systems, 89, 228–249. https://doi.org/10.1016/j.knosys.2015.07.006

[19] Mohamed, S., Shaaban, M. F., Ismail, M., Serpedin, E., & Qaraqe, K. A. (2019). An Efficient Planning Algorithm for Hybrid Remote Microgrids. IEEE Transactions on Sustainable Energy, 10(1), 257–267. https://doi.org/10.1109/TSTE.2018.2832443

[20] Nguyen, T. X., & Lis, R. (2023). Multiple Droop-Controlled DG Sites in an Islanded AC Microgrid for Power Losses Mitigation. Automatyka, Elektryka, Zakłócenia, 14(3), 10–24.

[21] Nguyen, T. X., & Lis, R. (2023). Optimal size and location of dispatchable distributed generators in an autonomous microgrid using Honey Badger algorithm. Archives of Electrical Engineering, 871–893. https://doi.org/10.24425/aee.2023.147416

[22] Price, K. V. (1996). Differential evolution: A fast and simple numerical optimizer. Proceedings of North American Fuzzy Information Processing, 524–527. https://doi.org/10.1109/NAFIPS.1996.534790

[23] Roy, N. B., & Das, D. (2021). Optimal allocation of active and reactive power of dispatchable distributed generators in a droop controlled islanded microgrid considering renewable generation and load demand uncertainties. Sustainable Energy, Grids and Networks, 27, 100482. https://doi.org/10.1016/j.segan.2021.100482

[24] Salman, U. T., Al-Ismail, F. S., & Khalid, M. (2020). Optimal Sizing of Battery Energy Storage for Grid-Connected and Isolated Wind-Penetrated Microgrid. IEEE Access, 8, 91129–91138. https://doi.org/10.1109/ACCESS.2020.2992654

[25] Soroudi, A. (2017). Power System Optimization Modeling in GAMS. Springer International Publishing. https://doi.org/10.1007/978-3-319-62350-4

[26] Tomar, A. (Ed.). (2021). Control of standalone microgrid. Academic Press, an imprint of Elsevier.

[27] Wolpert, D. H., & Macready, W. G. (1997). No free lunch theorems for optimization. IEEE Transactions on Evolutionary Computation, 1(1), 67–82. https://doi.org/10.1109/4235.585893

[28] Yazdavar, A. H., Shaaban, M. F., El-Saadany, E. F., Salama, M. M. A., & Zeineldin, H. H. (2020). Optimal Planning of Distributed Generators and Shunt Capacitors in Isolated Microgrids With Nonlinear Loads. IEEE Transactions on Sustainable Energy, 11(4), 2732–2744. https://doi.org/10.1109/TSTE.2020.2973086

Optymalizacja zdolności wytwórczych generatorów rozproszonych z regulowanym statyzmem zintegowanych w izolowanej mikrosieci AC przy wykorzystaniu algorytmów metaheurystycznych w celu zmniejszenia strat sieciowych. (2026). Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska, 16(2), 118-125. https://doi.org/10.35784/iapgos.7465

##plugins.themes.bootstrap3.article.sidebar##

Numer Tom 16 Nr 2 (2026)

Archiwum

##plugins.themes.bootstrap3.article.main##

Authors

Abstrakt

Słowa kluczowe:

Bibliografia

##plugins.themes.bootstrap3.article.details##

Licencja