Tendenze recenti nell'ottimizzazione dei dispositivi IoT Tecnica moderna per l'ottimizzazione dei dispositivi FACTS

Questo libro si propone di introdurre due nuovi algoritmi meta-euristici, il Marine Predators Algorithm (MPA) e il Giant Trevally Optimizer (GTO), per il posizionamento ottimale dei dispositivi FACTS nei sistemi elettrici in regime di deregolamentazione, al fine di ridurre la congestione e massimizzare l'efficienza della trasmissione. Come primo passo, l'algoritmo MPA è stato utilizzato per ottimizzare il posizionamento dei FACTS sulla base dell'analisi delle contingenze in una rete indiana a quattro e 24 bus EHV. Dopo il posizionamento dei FACTS si registrano miglioramenti di grande entità: la quantità di congestione è diminuita da 8 a 4, il sovraccarico di potenza da 543,07 MW a 385,08 MW e la gravità complessiva dei sovraccarichi da 34,77 a 20,75. Gli studi comparativi condotti con la programmazione evolutiva (EP) verificano che l'MPA comporta costi di generazione inferiori, ad esempio 2,732 milioni di dollari con UPFC contro 2,738 milioni di dollari con EP nella rete a 24 bus. Nella seconda fase, l'algoritmo GTO risolve il dimensionamento e il posizionamento dei FACTS in modelli IEEE a 14 e 30 bus con diverse condizioni di carico reattivo. Il lavoro presentato dimostra che l'ottimizzazione FACTS basata su meta-eurismi ibridi può potenzialmente migliorare la gestione della congestione e l'affidabilità del sistema nei mercati ristrutturati.