﻿<?xml version="1.0" encoding="utf-8"?>
<ArticleSet>
  <ARTICLE>
    <Journal>
      <PublisherName>مرکز منطقه ای اطلاع رسانی علوم و فناوری</PublisherName>
      <JournalTitle>فصلنامه مهندسی برق و مهندسی کامپيوتر ايران</JournalTitle>
      <ISSN>16823745</ISSN>
      <Volume>13</Volume>
      <Issue>1</Issue>
      <PubDate PubStatus="epublish">
        <Year>2015</Year>
        <Month>6</Month>
        <Day>21</Day>
      </PubDate>
    </Journal>
    <ArticleTitle>Application of Epsilon Variable-Multi Objective Genetic Algorithm for Multi-Objective Optimal Power Flow with TCSC</ArticleTitle>
    <VernacularTitle>کاربرد الگوریتم ژنتیک چندهدفه برای پخش بار بهينه چندهدفه با وجود ادوات TCSC</VernacularTitle>
    <FirstPage>65</FirstPage>
    <LastPage>72</LastPage>
    <ELocationID EIdType="doi" />
    <Language>fa</Language>
    <AuthorList>
      <Author>
        <FirstName>احسان</FirstName>
        <LastName>افضلان</LastName>
        <Affiliation></Affiliation>
      </Author>
      <Author>
        <FirstName>محمود</FirstName>
        <LastName>جورابیان</LastName>
        <Affiliation></Affiliation>
      </Author>
    </AuthorList>
    <History PubStatus="received">
      <Year>2015</Year>
      <Month>11</Month>
      <Day>30</Day>
    </History>
    <Abstract>This paper ε-multi objective genetic algorithm variable (εV-MOGA) to optimize cost of generation, emission and active power transmission loss of flexible ac transmission systems (FACTS) device-equipped power systems. In the proposed approach, optimal power flow problem is formulated as a multi-objective optimization problem. FACTS devices considered include thyristor controlled series capacitor (TCSC). The proposed approach has been examined and tested on the modified IEEE 57-bus test system. The results obtained from the proposed approach have been compared with those obtained from nondominated sorting genetic algorithm-II, multi-objective differential evolution.</Abstract>
    <OtherAbstract Language="FA">اين مقاله الگوریتم ژنتیک چندهدفه (V-MOGA) را براي بهينه‌سازي هزينه توليد، آلودگي و تلفات انتقال توان اکتيو در سيستم‌هاي قدرت مجهزشده به سيستم‌هاي انتقال ac قابل انعطاف (FACTS) ارائه مي‌کند. در رويکرد پيشنهادی، مسأله پخش بار بهينه به عنوان يک مسأله بهينه‌سازي چندهدفه فرمول‌بندي گردیده و ادوات FACTS در نظر گرفته شده شامل خازن سري کنترل‌شده با تايريستور (TCSC) است. رويکرد پيشنهادي روي یک سيستم تست 57باسه آزمايش شده و نتايج به دست آمده از رويکرد پيشنهادي با نتايج به دست آمده از روش‌هاي NSGA - II و MODE مقايسه شده‌اند.</OtherAbstract>
    <ObjectList>
      <Object Type="Keyword">
        <Param Name="Value">پخش بار بهينه چندهدفه
الگوريتم ژنتیک چندهدفه (V - MOGA)
خازن سري کنترل‌شده با تايريستور (TCSC)</Param>
      </Object>
    </ObjectList>
    <ArchiveCopySource DocType="Pdf">http://ijece.org/fa/Article/Download/28113</ArchiveCopySource>
  </ARTICLE>
</ArticleSet>