Caramel LabCaramel Lab
#

회색늑대최적화

1의 한국어 분석 — 최신순으로 정렬했어요

전기·전자발표 2025.04· 23최근 1년 23

분산전원 최적 배치 및 용량 산정

분산전원(DG)을 배전망에 통합하는 것은 전압 제어를 통해 시스템 성능을 향상하고 전력 품질 및 신뢰성을 높이는 핵심 전략입니다. 본 논문은 수정된 회색 늑대 최적화(MGWO) 알고리즘과 ETAP 소프트웨어를 결합한 하이브리드 기법을 제안하여, 보호 시스템 적응성을 고려한 DG 장치의 최적 위치 및 용량 산정을 목표로 합니다. 제안된 기법은 유효 및 무효 전력 손실을 최소화하고 전압 안정성을 개선하며, DG 통합 시 보호 시스템의 적응성을 보장하기 위해 고장 전류 변화의 영향을 분석합니다. MGWO 알고리즘은 기존 GWO를 개선하여 적응형 가중치와 동적 순환 메커니즘을 추가함으로써 탐색과 활용의 균형을 향상하고 조기 수렴 및 지역 최적해 문제를 회피합니다. 이는 복잡하고 다중 모드 최적화 문제 해결에 있어 더 빠른 수렴 시간, 높은 정확도, 그리고 향상된 견고성을 제공합니다. 제안된 접근 방식의 효과는 IEEE 33-모선 테스트 시스템과 대규모 114-모선 배전망 시뮬레이션을 통해 검증되었습니다. 연구 결과에 따르면, 33-모선 시스템에서 DG의 최적 배치는 평균 전력 손실을 69.7% 감소시키고 전압 안정성을 69.6% 향상하는 것으로 나타났습니다. 본 연구는 다양한 네트워크 규모에서 DG 통합의 신뢰성을 입증하며, 전력 시스템의 성능 향상 및 보호 시스템 적응에 기여할 수 있는 실용적인 방법론을 제시합니다. 이는 향후 스마트 그리드 환경에서 분산 에너지 자원의 효율적인 활용을 위한 중요한 기반이 될 것입니다.

연구 트렌드로 돌아가기