fa جایابی و مقداریابی بهینه تولیدات پراکنده در شبکه‌های توزیع با در نظر گرفتن رشد بار با استفاده از الگوریتم چند هدفه مبتنی بر آموزش و یادگیری اصلاح شده تخصصي Special كاربردي Applicable <span style="font-family:b nazanin;"><span style="font-size:14.0pt;">چکیده</span></span><span dir="LTR">:</span> <span style="font-family:b nazanin;"><span style="font-size:11.0pt;">در این مقاله یک روش بهینه سازی اصلاح شده مبتنی بر الگوریتم مبتنی بر آموزش و یادگیری برای حل بهینه سازی تک و چند هدفه جایابی و مقداریابی منابع تولید پراکنده ارایه شده است. کاهش تلفات، انحراف ولتاژ، هزینه و بهبود پایداری ولتاژ به عنوان توابع هدف در نظر گرفته شده است.</span></span> <span style="font-family:b nazanin;"><span style="font-size:11.0pt;">افزایش بار یک پدیده ذاتی سیستم قدرت می‌باشد. به علت اینکه مقدار شاخص‌های سیستم توزیع به مقدار بار وابسته است، هر تغییر در بار باعث تغییر شاخصه‌های سیستم توزیع می‌شود</span></span><span dir="LTR" style="font-weight:normal;"><span style="font-size:11.0pt;">.</span></span><span style="font-family:b nazanin;"><span style="font-size:11.0pt;"> بنابراین، برای بررسی میزان معتبر بودن پژوهش&rlm;های کنونی سیستم و کارا بودن سیستم در آینده، رشد بار در مطالعات بررسی شده است. در الگوریتم اصلاح شده فاکتور تدریس تطبیقی، و یک استراتژی متقاطع و جهش، به گسترش جواب کمک می‌نماید. بهینه سازی چند هدفه با استفاده از یک آرشیو خارجی برای ذخیره جواب‌های نامغلوب پیاده سازی شده است. با توجه به اهمیت متفاوت توابع هدف از تکنیک فازی جهت یکسان سازی و انتخاب جواب استفاده شده است. الگوریتم پیشنهادی بر روی شبکه 33 شینه </span></span><span dir="LTR" style="font-weight:normal;"><span style="font-size:11.0pt;">IEEE</span></span><span style="font-family:b nazanin;"><span style="font-size:11.0pt;"> پیاده‌سازی و جهت اثبات کارآیی نتایج شبیه سازی با نتایج روش‌های دیگر مقایسه گردیده است.</span></span> <strong>Abstract:</strong> This paper presents a modified method based on teaching learning based optimization algorithm to solve the problem of the single- and multi-objective optimal location of distributed generation units to cope up the load growth in the distribution network .Minimizing losses, voltage deviation, energy cost and improved voltage stability are the objective functions in this problem. Load growth in a system is a natural phenomenon. As the value of distribution system indices depend on load growth, any change in load causes changes in distribution system indices. Therefore, for assessing the current studies the level of validity and the adequacy of system in future, load growth in future are discussed. The proposed algorithm integrates an adaptive teaching factor, and a crossover and mutation strategy. In the proposed algorithm, an external repository is considered to save non-dominated (Pareto) solutions. Since the objective functions are not the same, a fuzzy clustering technique is used to select the best compromise solution from the repository. The proposed algorithm is tested on the 33-bus IEEE test system. To demonstrate the effectiveness of the proposed approach, simulation results are compared with the results obtained by other methods.<span dir="RTL"></span> 37 46 http://jeps.dezful.iau.ir/browse.php?a_code=A-10-120-2&slc_lang=fa&sid=1 Milad Kefayat میلاد کفایت 1003194753284600753 1003194753284600753 Yes