Ein Ansatz zur Neurekonfiguration von Netzwerken für die Wiederherstellung von Dienstleistungen basierend auf einer neuartigen und multiobjektiven Optimierungsmethode

Die Wiederherstellung der Last nach teilweisen Ausfällen oder lokalen Fehlern in einem Abschnitt des Verteilungssystems, wie in dieser Studie behandelt, ist entscheidend, um Serviceunterbrechungen und finanzielle Schäden zu minimieren. Die Neurekonfiguration des Netzwerks ist ein entscheidender erster Schritt zur Lastwiederherstellung. Das Vorhandensein von dezentralen Erzeugungseinheiten (DG) kann zusätzlich zur Neurekonfiguration des Verteilernetzes im Prozess der Lastwiederherstellung sehr effektiv sein. Daher wurde in dieser Studie das Problem der Neurekonfiguration des Verteilernetzes unter der Berücksichtigung von DG-Einheiten und Ladestationen für Elektrofahrzeuge mit dem Ziel der Reduktion von nicht gelieferten Energie (ENS) und Verlusten gelöst. Das vorgeschlagene Problem wird durch die Einführung und Implementierung des hybriden Partikel-Schwarm-Optimierungs- und des gemischten Froschsprung-Algorithmus (HPSO-SFL) gelöst, der auf hybrider Schwarmintelligenz basiert. Die Wirksamkeit und Genauigkeit der vorgeschlagenen Methode werden anhand eines 33-Bus-Testsystems unter verschiedenen Szenarien validiert. Um die Leistung zu bewerten, werden die Ergebnisse mit denen aus vorherigen Studien verglichen. Nach der Neurekonfiguration des Netzwerks wurden die Leistungsverluste um 45 % ohne DG und um 77 % mit DG im Vergleich zum ursprünglichen Systemzustand verringert. Darüber hinaus führten die Einbeziehung von Ladestationen für Elektrofahrzeuge (EVCS), die als aktive Lasten modelliert wurden, in den Optimierungsprozess zu einem Rückgang der Leistungsverluste um etwa 23 % im Vergleich zum Zustand vor der Neurekonfiguration.