fa کنترل توان راکتیو شبکه‌های توزیع بار متغیر در حضور منابع تولید پراکنده با استفاده از الگوریتم ژنتیک بهبود یافته مدل هاي برنامه ريزي انرژی Energy Planning Models پژوهشي Research ورود منابع تولید پراکنده به شبکه توزیع، نحوه بهره برداری و طراحی این شبکه‌ها را دستخوش تغییر کرده است. تاثیر بر مدیریت توان راکتیو و خازن گذاری در شبکه های توزیع از این دسته می باشد. وجود انواع فناوری منابع تولید پراکنده (DG)، نحوه مدل‌سازی و ظرفیت گوناگون آنها در شبکه می تواند خازن گذاری بهینه را در شبکه توزیع تحت تاثیر قرار دهد. در این مقاله، تأثیر حضور منابع تولید پراکنده در مکان و ظرفیت خازن های ثابت و سوئیچ شونده مورد بررسی قرار می گیرد. هزینه تلفات انرژی، هزینه تولید توان در شرایط پیک بار و هزینه های خرید و نصب خازن های ثابت و سوئیچ شونده به عنوان تابع هدف درنظر گرفته شده است. الگوریتم ژنتیک بهبود یافته به همراه کدگذاری و اپراتورهای جدید به عنوان ابزار بهینه سازی مورد استفاده قرار گرفته است. مهمترین مشخصه الگوریتم ارائه شده فراهم کردن جدول کلیدزنی خازن های سوئیچ شونده در سطوح مختلف بار می باشد. A wide penetration of DG in distribution system, operation and designed of these networks has changed. The reactive power management and optimal capacitor placement are the most important characteristics in distribution networks on which the impact of the DGs should be studied. Type of distributed generation (DG) technology, modeling and their diverse capacity can affect the optimal capacitor placement in the distribution systems. In this research fixed and switchable capacitors allocation in distribution networks in the presence of scattered generation units is presented. As a cost function in optimization procedure, cost of energy loss, installation and purchase costs of capacitors and cost of peak power loss are considered. Genetic Algorithm with new coding and operators are used for optimization. One of the significant characteristics of the proposed GA–based method is providing the switching table for allocated capacitors in various load levels. منابع تولید پراکنده، جایابی خازن، کروموزوم سطحی، الگوریتم ژنتیک، توان راکتیو DG, Capacitor Allocation, Surface chromosome, Genetic Algorithm, Reactive Power 37 56 http://necjournals.ir/browse.php?a_code=A-10-1-3&slc_lang=fa&sid=1 Alireza Salehinia علیرضا صالحی‌نی alireza.saleinia@gmail.com 1003194753284600742 1003194753284600742 Yes Mahmoudreza Haghifam محمودرضا حقی‌فام hagifam@modares.ac.ir 1003194753284600743 1003194753284600743 No Majid Shahabi مجید شهابی shahabi.m@nit.ac.ir 1003194753284600744 1003194753284600744 No