دانلود پروژه ها و تحقیق های دانشجویی

مقاله MV Substations Optimal Robust Allocation Under Uncertainty تحت word دارای 6 صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله MV Substations Optimal Robust Allocation Under Uncertainty تحت word کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه و مراکز دولتی می باشد.

این پروژه توسط مرکز مرکز پروژه های دانشجویی آماده و تنظیم شده است

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله MV Substations Optimal Robust Allocation Under Uncertainty تحت word ،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله MV Substations Optimal Robust Allocation Under Uncertainty تحت word :

سال انتشار: 1394
محل انتشار: بیستمین کنفرانس توزیع برق
تعداد صفحات: 6
نویسنده(ها):
Mohamad Reza Oskouei – Smart Distribution Grid Research Lab, E. E. Department Azarbaijan Shahid Madani University Tabriz, Iran
Babak Adham – East Azarbaijan Electric Power Distribution Company Tabriz, Iran
Karim Roshan Milani – East Azarbaijan Electric Power Distribution Company Tabriz, Iran
Sajad Najafi Ravadanegh – Smart Distribution Grid Research Lab, E. E. Department Azarbaijan Shahid Madani University Tabriz, Iran

چکیده:

Uncertainty of the forecasted load is a key issue in the distribution network planning problem that can change the planning output pattern. This paper presents probabilistic MV (Medium Voltage) distribution substation placement problem under load uncertainty. Imperialist Competitive Algorithm (ICA) is adapted for the optimal planning procedure to optimal siting and sizing of MV substations. Monte Carlo Simulation is applied to simulate the load forecast uncertainty. The results are illustrated and compared with deterministic substation placement outputs. Base on the results by considering of the load uncertainty it is possible to design the distribution network configuration more flexible, robust and realistic with respect to deterministic approaches. The results are also indicated the efficiency and capability of the proposed method that has been tested on a real size distribution network.