Contribution to the optimization of distribution grid operation in the presence of distributed generation

BENDRISS , Badreddine; SAYAH Samir   supervisor; HAMOUDA ,  Abdellatif   co-supervisor

Contribution to the optimization of distribution grid operation in the presence of distributed generation

dc.contributor.author	BENDRISS , Badreddine
dc.contributor.author	SAYAH Samir supervisor
dc.contributor.author	HAMOUDA , Abdellatif co-supervisor
dc.date.accessioned	2026-06-21T10:46:49Z
dc.date.issued	2025
dc.description.abstract	owadays, the integration of renewable energy source-based distributed generation (RES-based DG) into radial distribution grids has increased significantly, caused by technological advancements, technical requirements, financial incentives, and ecological concerns. RES deployment remains one of the most effective and viable strategies for meeting the growing demand for electricity and reinforcing the distribution systems performance. This integration hinges on identifying optimal locations and determining the appropriate power outputs of RES units when injected into radial distribution grids. However, this task is complicated due to the inherent stochastic nature of RES power generation, particularly from wind turbines (WTs) and solar photovoltaic (SPV) arrays, along with the fluctuations in load demand, necessitating the adoption of robust and advanced planning strategies. To this end, this thesis proposes to develop an appropriate time-varying probability load-generation model based on Weibull and Beta probability density functions (PDFs) to estimate the stochastic power output from WTs and SPV arrays, respectively. This model is based on hourly seasonal data, including wind speed, solar irradiance, and ambient temperature, collected over a specified time frame and location. An improved Frilled Lizard Optimization (IFLO) algorithm is developed and proposed for strategic RES planning, aiming to minimize total power losses, improve voltage profiles, and enhance voltage stability while adhering to operational constraints. The IFLO algorithm incorporates three advanced strategies: fitness distance balance, quasi-opposite-based learning, and Cauchy mutation, to strengthen its search capabilities and prevent to local optima traps. The proposed method effectively determines the optimal locations, rated capacities of SPV strings and WTs, and the power factor of WTs. Its performance is validated through simulations on the IEEE 69-bus medium-scale and 85-bus large-scale distribution grids. Simulation results decisively demonstrate that optimal RES allocation significantly improves system performance. Furthermore, the suggested technique outperforms other recent and effective optimization algorithms, including the grey wolf optimizer (GWO), jellyfish search optimizer (JSO), black-winged kite algorithm (BKA), and the original frilled lizard optimization (FLO), in solving the optimal planning problem of RES integration under both deterministic and probabilistic scenarios.
dc.description.sponsorship	De nos jours, l’intégration des énergies renouvelables basée sur la génération distribuée (RES-based DG) dans les réseaux de distribution a considérablement augmenté, en raison des avancées technologiques, des exigences techniques, des incitations financières et des . Le déploiement des RES constitue l’une des stratégies de planification les plus efficaces et viables pour répondre à la demande croissante d’électricité et renforcer la performance du réseau de distribution. Cette intégration repose sur la détermination des emplacements pour les RES et de leur production optimale lorsqu’ils sont injectés dans un réseau de distribution radial. Cependant, ce processus est compliqué en raison de la nature stochastique de la production d’énergie renouvelable, notamment des éoliennes et des panneaux solaires , ainsi que par les fluctuations de la demande de charge, ce qui nécessite des stratégies de planification robustes et avancées. À cet effet, cette thèse propose de développer un modèle probabiliste de charge-production basé sur les fonctions de densité de probabilité de Weibull et de Beta pour estimer la production stochastique des éoliennes et des panneaux photovoltaïques, respectivement. Ce modèle repose sur des données horaires saisonnières, comprenant la vitesse du vent, l’irradiance solaire et la température ambiante, collectées sur une période et un site spécifiés. Une version améliorée de l’algorithme d’optimisation du lézard à collerette (IFLO) est développée et proposée pour la planification stratégique de l’intégration des ressources renouvelables. L’objectif est de minimiser les pertes totales d’énergie, d’améliorer les profils de tension et de renforcer la stabilité de tension tout en respectant les contraintes opérationnelles. L’algorithme IFLO intègre trois stratégies avancées : FDB, QOBL et CM pour renforcer ses capacités de recherche et empêcher la convergence vers des optima locaux. La technique proposée permet d’identifier efficacement les emplacements optimaux, les puissances nominales des chaînes de panneaux photovoltaïques et des éoliennes, ainsi que le facteur de puissance des éoliennes. La validation de l’approche est réalisée à travers des simulations sur les réseaux de distribution à moyenne et grande échelle IEEE à 69 et 85 bus respectivement.
dc.identifier.uri	https://repository.univ-setif.dz/handle/123456789/1145
dc.language.iso	en
dc.publisher	Setif 1 University - Ferhat ABBAS , Faculty of Technology
dc.subject	Renewable energy sources planning
dc.subject	Radial distribution grid
dc.subject	Probability density function
dc.subject	Wind turbine
dc.subject	Solar photovoltaic
dc.subject	Optimization algorithms
dc.title	Contribution to the optimization of distribution grid operation in the presence of distributed generation
dc.type	Thesis

Files

Original bundle

Now showing 1 - 1 of 1

Name:: E-TH 2508 Contribution to the Optimization of Distribution BENDRISS Badreddine.pdf
Size:: 21.92 MB
Format:: Adobe Portable Document Format

Download