I. INTRODUCTIONThe optimal power fl

I. INTRODUCTION
The optimal power flow (OPF) problem has been well
studied over the past few decades [1–4]. The OPF problem
could be treated as a nonlinear optimization problem with
nonlinear objective function and subject to several equality and
inequality constraints. Many optimization techniques have been
applied to solve this problem. Conventional techniques such as
Newton method, gradient methods, linear programming,
dynamic programming and interior point methods often have
problems of convergence and difficulties in locating the global
optimum [1-5]. These methods rely on convexity to obtain the
global optimum solution and as such are forced to simplify
relationships in order to ensure convexity. During the last year,
non-conventional methods such as evolutionary programming
(EP) [6-7], particle swarm optimization (PSO) [8], tabu search
algorithm (TSA) [9], genetic algorithm (GA) [10] and [16]
simulated annealing (SA) [11], differential evolution (DE) [14-
15] and had been applied to solve the OPF problem.
This paper proposed the distribution procedure of standard
particle swarm optimization for solving the optimal power
flow. The proposed approach tested on two test system, six bus
test system and IEEE 30-bus test system. Simulation results
obtained from empirical tests are reported, shown and
compared with many non-conventional optimizations appeared
in the literatures.

ผลลัพธ์ (ไทย) 1:

ฉัน การแนะนำ
กระแสไฟฟ้าที่ดีที่สุด (OPF) ปัญหาที่ได้รับการศึกษาดี
ในช่วงไม่กี่ทศวรรษที่ผ่านมา [1-4] ปัญหา OPF
อาจจะถือว่าเป็นปัญหาการเพิ่มประสิทธิภาพเชิงเส้นด้วย
ฟังก์ชันวัตถุประสงค์เชิงเส้นและอาจมีความเท่าเทียมกันและหลาย
ข้อ จำกัด แตกต่างกัน เทคนิคการเพิ่มประสิทธิภาพจำนวนมากได้รับ
นำไปใช้กับการแก้ปัญหานี้ เทคนิคทั่วไปเช่น
วิธีนิวตัน,วิธีการไล่ระดับสี, การเขียนโปรแกรมเชิงเส้น
เขียนโปรแกรมแบบไดนามิกและวิธีการจุดภายในมักจะมี
ปัญหาของการลู่และความยากลำบากในการตั้งระดับโลกที่ดีที่สุด
[1-5] วิธีการเหล่านี้พึ่งพานูนออกที่จะได้รับการแก้ปัญหาที่ดีที่สุด
ทั่วโลกและเป็นเช่นถูกบังคับให้ลดความซับซ้อนของความสัมพันธ์
เพื่อให้นูน ในระหว่างปีที่ผ่านมา
วิธีการที่ไม่ธรรมดาเช่นวิวัฒนาการการเขียนโปรแกรม
(EP) [6-7], การเพิ่มประสิทธิภาพของฝูงอนุภาค (PSO) [8], ห้ามการค้นหา
ขั้นตอนวิธี (tsa) [9], ขั้นตอนวิธีพันธุกรรม (GA) [10] และ [16 ]
อบจำลอง (SA) [11], วิวัฒนาการแตกต่าง (de) [14 -.
15] และได้ถูกนำมาใช้เพื่อแก้ปัญหา OPF
บทความนี้นำเสนอขั้นตอนการกระจายของมาตรฐาน
การเพิ่มประสิทธิภาพของฝูงอนุภาคสำหรับการแก้อำนาจ
การไหลที่เหมาะสม วิธีการที่นำเสนอการทดสอบในระบบการทดสอบสองรถบัส
ระบบการทดสอบหกและทดสอบระบบ IEEE 30 บัส ผลการจำลอง
ที่ได้รับจากการทดสอบเชิงประจักษ์จะมีการรายงานแสดงและ
เมื่อเทียบกับการเพิ่มประสิทธิภาพจำนวนมากที่ไม่ธรรมดาที่ปรากฏในวรรณกรรม

ผลลัพธ์ (ไทย) 2:

I. แนะนำ
ปัญหา (OPF) กระแสพลังงานที่เหมาะสมได้ดี
ศึกษาช่วงไม่กี่ทศวรรษ [1–4] ปัญหา OPF
อาจถือว่าเป็นปัญหาไม่เชิงเส้นเพิ่มประสิทธิภาพ
ไม่เชิงเส้นฟังก์ชันวัตถุประสงค์และเพื่อความเสมอภาคต่าง ๆ และ
อสมการข้อจำกัด ได้รับเทคนิคเพิ่มประสิทธิภาพหลาย
ใช้เพื่อแก้ปัญหานี้ เทคนิคเช่น
วิธีนิวตัน วิธีการไล่โทนสี เส้น เขียนโปรแกรม
เขียนแบบไดนามิกและวิธีการจุดภายในมักจะมี
ปัญหาลู่เข้าและความยากลำบากในโลก
เหมาะสม [1-5] วิธีการเหล่านี้พึ่ง convexity รับ
โลกโซลูชั่นที่เหมาะสม และเป็นถูกบังคับให้ทำ
ความสัมพันธ์เพื่อให้ convexity ในช่วงปีที่ผ่านมา,
วิธีไม่ธรรมดาเช่นวิวัฒนาการ programming
(EP) [6-7], เพิ่มประสิทธิภาพ swarm อนุภาค (PSO) [8], tabu ค้นหา
อัลกอริทึม (TSA) [9], ขั้นตอนวิธีพันธุกรรม (GA) [10] และ [16]
จำลองการอบเหนียว (SA) [11] วิวัฒนาการที่แตกต่าง (DE) [14-
15] และได้ถูกนำไปใช้แก้ปัญหา OPF.
กระดาษนี้นำเสนอขั้นตอนการกระจายมาตรฐาน
เพิ่มประสิทธิภาพ swarm อนุภาคการแก้ไขพลังงานดีที่สุด
กระแส วิธีการนำเสนอการทดสอบบนระบบทดสอบสอง รถหก
ทดสอบระบบและระบบทดสอบ 30 บัส IEEE ผลการทดลอง
ได้รับจากการทดสอบผลเป็นรายงาน แสดง และ
เมื่อเทียบกับการเพิ่มประสิทธิภาพที่ไม่ธรรมดาหลายปรากฏ
ใน literatures

ผลลัพธ์ (ไทย) 3:

I .แนะนำ
ซึ่งจะช่วยให้ได้ผลดีที่สุดใช้พลังงานการไหล( opf )ปัญหาได้รับการศึกษามากกว่า
ไม่กี่ทศวรรษที่ผ่านมา[ 1-4 1-4 1-4 ] opf
ซึ่งจะช่วยแก้ปัญหาที่ไม่สามารถได้รับการปฏิบัติในฐานะที่เป็นปัญหาการปรับแต่ง nonlinear พร้อมด้วยข้อจำกัด
nonlinear วัตถุประสงค์และการทำงานต้องอยู่ ภายใต้ ความ เสมอภาค และความไม่เท่าเทียมกัน
การปรับแต่งเทคนิคจำนวนมากได้รับการ
ซึ่งจะช่วยนำไปใช้ในการแก้ไขปัญหานี้ เทคนิคทั่วไปเช่นวิธีการ
นิวตันวิธีใดวิธีหนึ่งการไล่ระดับสีการตั้งโปรแกรมตามแนวยาว
วิธีใดวิธีหนึ่งการตั้งโปรแกรมแบบไดนามิกและจุด ภายใน ห้องโดยสารมี
ซึ่งจะช่วยแก้ปัญหาของผู้นำชีวิต Convergence Lifestyle และปัญหาในการค้นหาโลก
สูงสุด[ 1-5 1-5 1-5 ] วิธีนี้ต้องอาศัย convexity
ซึ่งจะช่วยให้ได้รับ ประสิทธิภาพ โซลูชันระดับโลกและจะถูกบังคับให้เป็นไปอย่างง่ายดายให้
ความสัมพันธ์ในการสั่งซื้อเพื่อดูให้แน่ใจว่า convexity ในปีที่ผ่านมานั้น
ไม่ใช่แบบวิธีใดวิธีหนึ่งเช่นวิวัฒนาการการตั้งโปรแกรม
( EP )[ 6-7 6-7 6-7 ],การปรับแต่งหรือกลุ่ม( pso )[ 8 ],ห้ามการค้นหา
อัลกอริธึม( TSA )[ 9 ],ยีนอัลกอริทึม(, GA )[ 10 ]และ[ 16 ]
จำลอง annealing ( SA )[ 11 ],ส่วนที่แตกต่างของ( de )[ 14 -
15 ]และมีการนำไปใช้ในการแก้ไขปัญหาที่ opf ปัญหา.
นี้กระดาษที่เสนอมานี้การกระจายตามขั้นตอนมาตรฐาน
การปรับแต่งสำหรับกลุ่มขนาดเล็กการแก้ปัญหาอย่างมี ประสิทธิภาพ พลังงาน
ซึ่งจะช่วยให้การไหลของน้ำ แนวทางที่เสนอมานี้ได้รับการทดสอบแล้วกับสองการทดสอบระบบการทดสอบระบบรถโดยสารหก
การทดสอบระบบและ IEEE 30 - รถโดยสาร ผลการจำลอง
ซึ่งจะช่วยได้รับจากการทดสอบในเชิงประจักษ์มีการรายงานที่แสดงและ
เมื่อเทียบกับการปรับแต่งไม่ใช่แบบจำนวนมากปรากฏ
ในไทยได้