<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE ArticleSet PUBLIC "-//NLM//DTD PubMed 2.7//EN" "https://dtd.nlm.nih.gov/ncbi/pubmed/in/PubMed.dtd">
<ArticleSet>
<Article>
<Journal>
				<PublisherName>دانشگاه ملی مهارت</PublisherName>
				<JournalTitle>فصلنامه علمی کارافن</JournalTitle>
				<Issn>2382-9796</Issn>
				<Volume>22</Volume>
				<Issue>1</Issue>
				<PubDate PubStatus="epublish">
					<Year>2025</Year>
					<Month>05</Month>
					<Day>22</Day>
				</PubDate>
			</Journal>
<ArticleTitle>Improving distribution network operation using load forecasting and optimal placement of DGs by heuristic algorithms</ArticleTitle>
<VernacularTitle>بهبود عملکرد شبکه توزیع برق با پیش‌بینی بار و جانمایی بهینه تولیدات پراکنده با الگوریتم‌های ابتکاری</VernacularTitle>
			<FirstPage>275</FirstPage>
			<LastPage>297</LastPage>
			<ELocationID EIdType="pii">231420</ELocationID>
			
<ELocationID EIdType="doi">10.48301/kssa.2024.470519.2956</ELocationID>
			
			<Language>FA</Language>
<AuthorList>
<Author>
					<FirstName>شهریار</FirstName>
					<LastName>عباسی</LastName>
<Affiliation>استادیار مهندسی برق ، گروه مهندسی برق و کامپیوتر، دانشگاه ملی مهارت، تهران، ایران.</Affiliation>
<Identifier Source="ORCID">0009-0004-7680-1944</Identifier>

</Author>
</AuthorList>
				<PublicationType>Journal Article</PublicationType>
			<History>
				<PubDate PubStatus="received">
					<Year>2024</Year>
					<Month>08</Month>
					<Day>15</Day>
				</PubDate>
			</History>
		<Abstract>Distribution network expansion plays a vital role in the reliable transmission of electricity to the final consumers. But, this expansion requires investment and the lack of this investment causes increased losses, more voltage drop and load imbalance. On the other hand, with the optimal placement of DG devices, the performance of the distribution network can be improved and investment in its expansion can be postponed. Improper installation of DGs increases network losses, reduces network efficiency, and reduces reliability. This paper is focused on improving the efficiency of the distribution network with more reliability by optimal placement of multiple DGs and optimal load forecasting based on evolutionary optimization algorithms. In the proposed method, several DGs are assigned to minimize voltage deviation, reduce power losses, and minimize energy losses and costs. In order to identify candidate buses for DG installation, a voltage stability index (VSI) is used to determine buses subject to voltage drop. Buses with low VSI value are identified as weak ones and selected as candidates for DG installation. Then, using the improved Cuckoo Search (ICS) algorithm, the optimal DG location is found. Finally, load forecasting will be done using the k-means clustering method and an artificial neural network (ANN) based on particle swarm optimization (PSO) on weekdays. The simulations performed on the IEEE 30 buses test system confirm the efficient and effective performance of the proposed method compared to previous conventional methods.</Abstract>
			<OtherAbstract Language="FA">توسعه شبکه توزیع انرژی الکتریکی نقش حیاتی در ارسال مطمئن این انرژی به مصرف‌کنندگان نهایی دارد. ‌این توسعه مستلزم سرمایه‌گذاری بوده و در غیر این صورت، افزایش تلفات توزیع، افت زیاد ولتاژ و عدم تعادل بار را به دنبال دارد. از طرفی، با جانمایی بهینه تولیدات DG می‌توان عملکرد شبکه توزیع را بهبود و سرمایه‌گذاری توسعه آن را به تعویق انداخت. نصب نادرست DG‌ ها باعث افزایش تلفات شبکه توزیع، کاهش کارایی و قابلیت اطمینان آن می‌شود.‌ هدف این مقاله بهبود کارایی شبکه توزیع با قابلیت اطمینان بیشتر با جانمایی بهینه DG‌ ها و پیش‌بینی بهینه بار با الگوریتم‌های بهینه‌سازی تکاملی است. چندین DG برای حداقل نمودن انحراف ولتاژ، تلفات توان و هزینه‌ها لحاظ شده است. برای شناسایی شین‌های کاندیدای نصب DG، از یک شاخص پایداری ولتاژ (VSI) برای شناسایی شین‌های در معرض سقوط ولتاژ استفاده شده است. شین‌های با VSI کمتر به عنوان شین‌های ضعیف شناسایی و کاندیدا می‌شوند. با استفاده از الگوریتم بهبودیافته جستجوی فاخته (ICS)، مکان دقیق نصب DG ها تعیین می‌شود. نهایتاً، پیش‌بینی بار هفتگی به کمک روش خوشه‌بندی k-means و یک شبکه عصبی مصنوعی (ANN) مبتنی بر بهینه‌سازی ازدحام ذرات (PSO) انجام می‌گیرد. شبیه‌سازی‌های انجام شده روی سیستم آزمایشی 30 شینه IEEE موید کارایی روش پیشنهادی در مقایسه با روش‌های مرسوم قبلی است. به گونه‌ای که نسبت به سایر روش‌ها، روش پیشنهادی با دقت بیشتری بار مصرفی شبکه توزیع را پیش‌بینی می‌کند. به علاوه، به کمک روش پیسنهادی جانمایی منابع DG منجر به حداقل نمودن تلفات توان و بهبود پروفیل ولتاژ می‌شود.</OtherAbstract>
		<ObjectList>
			<Object Type="keyword">
			<Param Name="value">شبکه توزیع</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">بهینه‌سازی انبوه ذرات (PSO)</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">شبکه عصبی مصنوعی (ANN)</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">شاخص پایداری ولتاژ (VSI)</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">الگوریتم جستجوی فاخته (CS)</Param>
			</Object>
		</ObjectList>
<ArchiveCopySource DocType="pdf">https://karafan.tvu.ac.ir/article_231420_32f2f7a608cef047a686752ef409ffbe.pdf</ArchiveCopySource>
</Article>
</ArticleSet>
