Int ern at i onal  Journ al of Ele ctrical  an d  Co mput er  En gin eeri ng   (IJ E C E)   Vo l.   8 , No .   6 ,  Decem ber   201 8 , p p.   487 1 ~ 487 9   IS S N: 2 088 - 8708 ,  DOI: 10 .11 591/ ijece . v8 i 6 . pp 487 1 - 487 9          4871       Journ al h om e page :  http: // ia es core .c om/ journa ls /i ndex. ph p/IJECE   Cuckoo  Search Alg or ith m for Co ngestion  Alleviati on with  Incorpo ration  of  Wind  Farm       Ka us hik P au l ,  Nira njan  Ku mar   Depa rt m ent   o f  E le c tri c al a nd  Ele ct roni cs   Engi n eering,   Na ti on al   In stit ute of Te chno log y   Jam shedpur ,   Indi a       Art ic le  In f o     ABSTR A CT    Art ic le  history:   Re cei ved   Ma r   1 9 , 201 8   Re vised  Ju l   18 ,  201 8   Accepte d  J ul   29 , 2 01 8       The   issue  to  a ll eviat e  cong est ion  in  the  power  s y st em  fra m ework  has   emerge d  a s  an   a ll uring   field  for   the   power   s y st e m   rese arc h ers.   T he  rese arc h   conduc t ed  in   t his  article   pro poses  a  cuc ko o  sea rch   a lgor it hm - base d   conge stion  al l ev ia ti on  str ateg y   with  the   inc orpor a ti on  of  wind  far m .   The   bus  sensiti vity   facto r  dat a   ar e  computed  and   utilized  to  sort  o u t  t he  sutia b l e   positi on  for  the   insta llati on  o f  th e  wind  far m .   Th e  gene r at ors  con tri buti ng  in  the   r ea l   power   resc hedu leing  proc ess  ar e  sel ec t ed  as   per   th e  gen erator   sensiti vity   va lues .   The   cuc koo  sea rch   a lgori thm  is  implemente d  to  m ini m iz e   the   conge stion   c ost   with  the   embodim ent   of  the  wind  far m .   Th e   propose d   m et hod  is  te sted   on  39  bus  New  Engl and  fr amework  and  the   resul ts  obta ine d   with  the   cuc koo   sea rch - base d   co ngesti on  m ana g e m ent   appr oa ch  o utpe rform s   the   result s  opted  with  othe r  he uristi c  opti m i za t ion  te chn ique s  i n  the   past   rese arc h   l it er at ur es.   Ke yw or d:   Cost f unct ion   Gen e rato r resc hedulin g   Op ti m iz ation   Power flo w   Re new a ble e ne rg y   Copyright   ©   201 8   Instit ut e  o f Ad vanc ed   Engi n ee r ing  and  S cienc e .    Al l   rights re serv ed .   Corres pond in g  Aut h or :   Kau s hi k  Pa ul,    Dep a rtm ent o f El ect rical  an d  Ele ct ro nics  E nginee rin g,   Nati on al   I ns ti tute o f  Tec hnol og y J am sh edpur,   Jh ar khan d, I nd ia  8 31 014 .   Em a il :  kau sh i k.2 014rsee0 02 @n it j s r. ac .in       1.   INTROD U CTION   The  iss ue  of   co ng e sti on   al le viati on   in   the  po wer   syst e m   fr a m ewo r k  has  ga ined  t he  inte res t  of   seve ral  researc hers in the  rece nt tim es . A  tran sm issi on  li ne  in pow e r  syst e m  n et wor k  is sai d  to b e  ov e r burd e ne d  wh e n  the  tra ns fe r  of  powe r  f r om   one  point  t o  the   oth e r  is  c om pr om ise d  du e   to  the  vi olati on  of  the   tra ns fe r  l i m i ts  [1 ] .  A n  ef fici ent  Co ng e sti on  Ma nag em ent  ( CM )  ap proac h  will   le ad  to  a   reli able  an d  st able  ope rati on   of   t he  powe r  syst e m   fr am ewo r k.   Ne um ero us   nu m ber s  of  m et ho dolog ie s  an d  pro cedures  hav e  be en  pro pose d  by   the  researc hers  to  m anag e  the  c onge sti on.  A  de t ai le d  su r vey  of  seve ral  CM   appr oach es  ca n  be  f ound  in  [2 ] ,  [3 ] .   Mi sh ra  an d  Kum ar  perform ed  CM   con side ri ng   t he  opti m a l  placem ent  and   siz ing   of   the  I nt er  li ne  Power  Flo w   Con tr oller  (I P FC)  wit h  the  app li cat io n  of  Gr a vitat ion al   Searc h  Al gorithm   (G SA)  [ 4] .  I n  a no t her   re searc h  Esha fan i  et   al .  util iz ed  the  the rm al  rati ng   of  the  transm issi on   fr am ework   a nd   form ulate d  a  real  tim e   C M  [5 ] .    Hem m at i  e t  al.   form ulate d  the  CM   strat eg y  by  the  op ti m al   sched ulin g  of  the  e nerg y  storag e  syst e m   [6 ] .   Re dd y  desig ne d  a n  opti m al   p ow e r  flo w  pr oble m   based   on   the  pool  an d  bilat eral  co ntra ct s  with  the   op tim a l   locat ion   of F A CTs de vices to  m it igate  co ng est ion   [7 ] .   The  wide  us e  of   t he  re ne wabl e  energy  res ources  ha ve  ai m ed  to wards  t he   po ll uti on   fr ee  so ci et y.  This   init ia ti ve  has  i ns pi red  th e  po wer   syst em   res earche rs  t o  e xplore  t he  var io us  oppo ur t un it ie s  associat e d  with  th e   ren e wa ble  for m   of   energy  reso urces  to  m anag e  the  seve ral  power   syst em   pro blem s   [8 ] .    The  us e f uln ess   of   the   wind  ene rg y  a nd   it s  app li cat ion   in  the  sect or  of   power   sys tem   ca n  be  found  in  [ 9].  Fiejoo  an d  Ci dr a s   ca m e   forw a r d  with  t heir  rese arc h  of  m od el ing   an d  analy ze  the  influ e nce  of   th e  wind  fa rm   t o  m anag e  the  powe r   flo w  in  transm issi on   f ram ewo r k  [ 10 ] .  Nesa m al ar  et   al .  s tud ie d  the  ef fect  of   c onve ntion a l  ener gy  res our ces  in   as so ci at ion  wit h  the  ren e wa bl e  energy  res ources  base d  on  the  l ocati onal   m arg inal  pr ic ing   to  at te nu at e  the   ov e r  bur de n  of   the  transm issio n  li nes  [ 11] .  Vargas  et   al .  lin ke d  the  wi nd   energy  al ong  with  the  batte r y  ener gy   Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2088 - 8708   In t J  Elec  &  C om p  En g,   V ol.  8 , N o.   6 ,  Dece m ber  2 01 8   :   487 1   -   487 9   4872   sta or a ge  syst em   to  m anag e  c ongestio n  co ns iderin g  the  ra m p  rates  of   the  power   plants  [ 12 ] .   T he  resc he du li ng   of   t he  gen e rat or s   is  one  of  the  pr im itive  m easur es  a dopt ed  to  c ontrol  congesti on.  Fa ng  et   al .  de sig ned  a   op ti m al   recti ve  powe r  disp at c hed  pro blem   con si der i ng  the  resch e duli ng  of  the  ge ner at o r s  [ 13 ] .  Othm an  et   al .   so rte d  the criti cal  g ener at or  to  sche du le  thei r  powe r  deliver y t o  m a intai n  t he  avail able tra ns fe r  capa bili ty  [ 14 ] .   Yesuratnam   and   Th ukaram   form ulate d  Re la ti ve  Ele ctr ic al   Dista nce   (RED )  to  s el ect   the  generato r   par ti ci patin g  i n  the  res c hedu li ng   pr ocess  to   at te nu at e  the  ov e r  burd e n  of  the  tran sm issio n  li ne   [ 15 ] .  S ud i pta  and  Sin gh  im plem ented  Par ti cl e  Sw arm   Op tim iz at ion   (PSO)  to  m ini m i ze  the  c ongest ion   c os t  i nvol ved  in   gen e rato r  resc hedulin g  t o  m a nag i ng  c ongest ion .   T he  gen e r at or s  c ontrib u t ed  in   the   resc he du li ng   proce s s  we re  sel ect ed  ba sed   on  the  Ge ner at or  Se ns it ivit y  Fact or  ( GS F )  [ 16 ] .   De b  a nd  Go s wam i  fo rm ulate d  CM   a ppro ac h  with  wind e nergy res ource  and  Ar ti fici al  Bee C olony ( AB C) to o pti m iz e the con gestio n cost [ 17] .   Kall a m   et   a l.  in  thei r  resea r ch  util iz ed  Cu ckoo  Sea rch   Algorithm   (CSA )  to  op ti m all y  design   the   con t ro l  pa ram e te rs  for  the  gr i d  co nn ect e d  phot ovoltai c  syst e m   and   the  C SA   was  f ound  to  be  bette r  th an  the  gen et ic   a nd   ba ct erial   fo ra ging  al gorithm   [18].  I n  an oth e r  researc h  Dalal i  an d  Ka reg a r  intr oduce d  CS A  an d  fou nd   t he  perf or m ance  of  CS A  to  be  a pprec ia ti ve  for  the  optim al   place m ent  of  the   Phas or   Me as urem e nt  U nit  (P MU )  [19].  T he  op ti m al   power  flo w  pro bl e m   with  the   int egr at io n  of  wi nd  ene r gy  was   perform ed  by  Mi sh ra  et   al .  us in g  C SA   a n d    t he  outc om es  achieved  with  CS A   was  bette r  w he n  com par e d  to  the  res ults  obta ined   with  P SO  [ 20 ] .   A bargho oee  et   al .  de sig ned  a m ul ti - obj ect ive   pro blem   fo r  t he   sche duli ng  of   the  the rm oelect ric   powe r  syst e m   with  CSA .  The  pe r form a nce  of  CS A  was  f ound  to   be  ve rsati le   than  P SO,  Di ff e ren ti al   Ev olu ti on  ( DE )  a nd  N on  Dom inate d  Sorte d  Gen et ic   Algorithm   (N S G A )  [ 21] .  Fe rg a ny   et   al .  determ ined  t he   op ti m al  locat ion   of  the  capaci tor  an d  m ini m i zat ion   of  the  operati ng  cost  with  the  inco r porati on  CSA  [ 22 ] .  V o  et   al .  design ed   a  econ om ic   load  disp at c he d  consi der i ng   va lve  po i nt  eff ec t  and   i m ple m e nted  CSA  a nd   fou nd  that  CSA  pe rfor m ed  bette r  t han  PS O  [23]. The  a bove   re f err e d  li te ratu re s  sig nify  the  ve rsati li ty   of   CSA  over   oth e r  opti m iz a ti on   al gorithm s  and   it   can  be   antic ipate d  th at   CSA  will   al so   pr ov i de  bet te r  ou tc om es  fo r  the   pro po se d  CM   appr oach.   In   this  pa pe r  a  fo rm ulati on   of  CM   strat egy  is  pr oject e d  to  analy ze  the  co m bin ed  eff ect   of   the  wind   far m   fo r  the  CM   with  gen e ra tor  resc he du li ng.  T he  integ ral  intent  of   the  pro posed  wor k  is   to  exten d  CS A  as   an  eff ic ie nt  op tim iz at ion   appro ac h  to  m ini m iz e  the  cost  of   co ngest io n  with  the  inco r porati on  the  w ind   fa rm   and   a de ptly   exp el   the  co nges te d  li ne  from   t he  over  bur de n  co ndit ion .  T he  Bus  S ensiti vity   Fact or   (B SF)   i s   util iz ed  to  iden ti fy  the  b us es  f or   the p la cem e nt  of   th e  wind f arm .  The  par ti ci pation  of   the g ene rato r  in  th e  CM   schem e  is  con s idere d  based  on  the   G SF  valu es.  T he  po te nc y  of  the  pro pos ed  a ppr oach  is  validat ed   on  t he   39  bu s  Ne w  En gla nd   syst em .  The  ou tc om es  achi eved   with  CS A   are  com pa red   with  the  res ults   of   RE D,   PS O  and  ABC o ptim iz ation  al gorithm s r efe rr e d  in  the   past li te ratur e s  [15] - [ 17]  r es pe ct ivel y.       2.   RESEA R CH MET HO D     2.1.   Wind F arm   The  dete rm ina ti on   of  the  in je ct ed  powe r  is  est i m at ed  based   on  the  Fi xed   S pee d  W i nd   T urbin e  Gen e rati ng Un it  ( FS W T GU)  m od el  o f  powe r  flo w.  In case o f  the in duct io n  m achine,  the stat or  term inals   ho l d   the  posit ion  of   the  capaci t or s   at   the  tim e  of  it s  functi on i ng  as  i nductio n  ge ner at or  a nd  it   is  sel f  energize d  insp it e  of  the  f act   that  po wer  el ect ro nic  c on ver te r s  ar e  at   ti m es  util iz ed.   I n  case   of  fetch ing   of  the   real  powe r   or   i n  the   sit uat ion   of  the  reac ti ve  powe r  withdra wal,  the  c apacit or s   are   use d  to   en ha nce   th e  im pr ov em ent  in   the  power   factor   an d  loss  re du ct io n.   T he  wind  fa rm   m o del  is  sh own  in  the  Fig ur e   1  [1 0].  T he  induct i on   gen e rato r  pa ra m et ers  cor r esp onding  to  t he  wind  fa rm   are  consi der e d  as  f ollows:   Ra te d  vo lt age  =  66 0V,  R s  =  0.007 08 Ω , X 1  = 0 . 0762 0Ω, X m  =  3. 4497Ω,   X 2  =0.2 3297Ω  and R R = 0.0 07 60 Ω .           Figure  1.  Re pr esentai on  of   wi nd f a rm   m od el       The  e quat ion f or the c onsu m ption o f react iv e pow e r  i n  cas e of  wind f a rm  can be  re pr ese nted  a s [1 0]:   Evaluation Warning : The document was created with Spire.PDF for Python.
In t J  Elec  &  C om p  En g     IS S N: 20 88 - 8708       Cucko o Se ar ch  Alg or it hm for   Congesti on All evi ation  wi th  Inco rpor ation o f Wi nd Farm  (K au s hik P aul)   4873   2 2 2 2 2 2 2 2 2 2 ( 2 ) 4 ( ) 2 - X                                                                                                                      ( 1 ) 2 ( ) 2 ( ) m c cm XX V R P P R X V R P Q V X X X R X R X     (1)     22 2   P                                                                                                                                                             ( 2)  m c cm XX X QV X X V   (2)     V   : rate d v oltage.   P    : i nj ect e d  act iv e pow e r  i n  the   gr i d.   X    : st at or  a nd rot or lea ka ge  r eac ta nces in t otal.   X c     : capaci tor  b a nk  reacta nces .   R    : sum m a ti on  of  both  t he react ances  of stat or a nd roto r.   The real  po wer o f  FS WT G U  i s g i ven b y  [10] ,     1 3                                                                                                                        ( 3 ) 2 P A U C P   (3)     w he re t he  are a  of the  ro t or   is r epr ese nted  b y  A , ai r dens it y   is desi gn at e d  as   ρ, U  re present s the spee d   of the  wind  a nd C P   is   desig nated  as   t he powe r  c o  ef fici ent.     2.2.   Cu ck oo Se arc h A l go ri th m   The  CS A  al gorithm   was  f orm ula te d  by  Y ang  an d  De b  in  the  ye a r  2009  an d  it   depends  on  th e   fo ll owin g  i dea li zed  r ules.  i)   a  sin gle  eg g  is   la id  by  t he  c uc koo  a nd  it   ra ndom ly   dr ops  the  eg g  i n  a  se le ct ed   nest.  ii )  the  ne st  hav in g  the   good   qual it y  of   e gg   will   be  c on si der e d  f or  subse qu e nt  gen e rati ons.  ii i)  th e   nu m eric  co un t   of  the   host   nes t  is  co ns ta nt   an d  a n  e ffo rt  is  m ade  by  the  ho st  bir d  to  detect   the  la id  egg s  [1 8] .   The  cuc koo  bird s  a re  one  of  the  m os t  fascinati ng   a nd  intel li gen t  birds.  T hey  la y  egg s  ( so luti on)  i n  th e  oth e r   bir d’ s n est .   T he   cuc koo  bir d  exp l or es   f or  th e  high  s urvi val  of  their   eg gs  a nd  fi nd s   the  m os t  a pprop riat e  nest  t o  la y  their  eg gs .  The  e ggs  (cl ose   to  opti m a l  value)   e xh i biti ng  sim i la rity   as   per   t he  ho st  bi rd   e ggs  ha ve  a  high   pro bab il it y  to  flour ish  int o  a  m at ur e  cucko o.  The  e gg s  wh i ch  are  ide ntifie d  with  a  pr ob a bili ty   of   Pa  ϵ  [ 0,1]  as  the  f or ei gn  e ggs  (not  op ti m a l  value )  by  the   host  bird  are   ei ther  to ssed   off  or  the   host  bir d  m ov es  a w ay   an d  bu il ds  an oth e r   nest.  T he  nest  locat ion   is  ra ndom ly   op te d   by  the  c ucko o  to  la y  their  e gg   us i ng   e quat ion   (4)     and ( 5)     11   =     +       L e v y ( )                                                                                                ( 4 ) g e n g e n p q p q p q XXs      (4)     1/ ( 1 ) / 2 si n 2 L e v y ( )  =                                                                                       ( 5) 1 2 s          (5)     The  value   of    λ  ra nges  from   (0.25<  λ< 3)  al ong  with   the   va lue  of  α   ta ke n  rand om l y  in  the  ra nge  of     [ - 1,   1].  T he  val ue  of  S  is  ta ken   as  per   t he  interest   of   the p r oble m .  The  valu e  of   S  is  al ways  gr eat er  tha n  0.   T he   ste p  siz e is  give n by eq uatio n (6).                                                                                                                    ( 6 ) g e n g e n p q p q f q s X X    (6)     w he re  p,   f  ϵ  [ 1,2,….n]  a nd  qϵ[1,2,…. n]  ar e  co ns ide red  f or   t he  pro po se d  case. .  T he  host  bi rd  fin ds   ou t  t he   foreig n  e gg b y  est ablishin g  a  ra ndom  co m par ison bet ween P a   an d  P ro p . T he  proba bili ty  Pr o p   is  giv e n by:     0 . 9 p r o 0 . 1                                                                                                                            ( 7 ) m a x ( ) p p fit fit       (7)     The  disc overy  of   the  e gg  will   le d  to  the  thr owin g  of  the  e gg  f ro m   the  nes t  or   the  ho st  bird   will   op t  for  a  ne w nest  wh il e a band on i ng the  previ ous one a nd m anu fact ur e a  new  nest  giv e n by e qu at io n ( 8) .   Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2088 - 8708   In t J  Elec  &  C om p  En g,   V ol.  8 , N o.   6 ,  Dece m ber  2 01 8   :   487 1   -   487 9   4874   ( 0 , 1 ) ( )                                                                                                                         ( 8) , m i n , m a x , m i n n e s t X r a n d X X p p p p   (8)     The  nest  nu ber  are  ta ken   as  90.  The  rate  of   al ie n  egg   disc overy  =  0.25,  Levy  fligh t  coe f fici ent=0. 5.  Iterati ons = 100. T he pseu do c od e  of CS A f or CM  is sho wn in F i gure  2.           Figure  2 .  Pse udoc ode  of Cuc koo  s earc h  al gorithm  f or c ongestio n  m anage m ent       2.3.   BSF C alcula ti on s   The real   po wer flo w  is  desi gnat ed  as:     2 c o s( ) c o s                                                                                                                    ( 9) P V V Y V Y ij ij i i i ij ij i j ij   (9)     The  c om po ne nts  V i ,  ϴ i   ϴ ij ,   Y ij   are  desig nated  as  t he  vo lt age  m agn i tud e,  a ngle   of   the  i th   bu s ,  m agn it ud e   an d  an gle  of  the  i j th   el e m ent  of   th e  Y BUS   m a trix  resp ect ively .  T he  BSF   is  te rm ed  as  t he  ra ti o  of   t he   diff e re nce  in  powe r  fl ow  ∆P ij   in  a  li ne  to  t he   cha ng e  i n  th e  act ive  powe r   inj ect io n  ∆P n   at   bu s  n.   The  BSF  f or  the k th   li ne  is i s  g ive n  a s:                                                                                                                             ( 1 0) P k ij B S F P n n   (10)     In case  of a  over  burd e ne d  li ne  the e xpressi on  for  the  BSF  is g i ven b y:                                                                                                             ( 1 1 ) k B S F a m b m n i j i n i j j n    (11)     The det ai l de rivati on of BS F  can  be fo und i n [17].       3.   PROBLE M  F ORMUL ATI ON   The  desig n  of  the  obj ect i ve  f un ct io n  to  e val uate  the  co nge sti on   c os t  de pe nd i ng   upon  the   a m ou nt  of  real p ower  resc heduled  is  giv e n by:     ( ) *                                                                                                                                                   ( 12 ) 1 g N M in im iz e C P P gg g g    (12)   C g   ,  P g   a nd  N g   are  t he  pr ic e   bid s   of  t he  ge ner at or s ,  am ount  of  t he  resc he du le d  real  power  an d  c ount   in  t he   par ti ci patin g g ener at or  i n  t he C M resp ect ivel y. The GS F c onstrai nt is  giv e n by:     Evaluation Warning : The document was created with Spire.PDF for Python.
In t J  Elec  &  C om p  En g     IS S N: 20 88 - 8708       Cucko o Se ar ch  Alg or it hm for   Congesti on All evi ation  wi th  Inco rpor ation o f Wi nd Farm  (K au s hik P aul)   4875     0 m a x ( ( ) * )                                                                                                                                         ( 13 ) 1 Ng G S F P F F kk gg g   (13)   The  Ra m p  lim i t:     m i n m i n m a x m a x P - P = Δ P Δ P Δ P = P - P                                                                                                              ( 1 4 ) g g g g g g g    (14)     Power bal a nce:     Ng P 0                                                                                                                                                                     ( 1 5 ) Gi 1 i    (15)     m in P g and   m a x P g   cor res po nd s  to  the  li m it s   of   the  ge ner at or   g’s  m ini m u m   and  m axi m u m   ac ti ve  power   gen e rati on.  0 F k co r respo nd s   to   the   flo w  of  the po wer  in  t he  k th   tr ansm issi on   li ne   res ulted due  t o  al l  the   co ntac t s   requesti ng  the   transm issi on   serv ic e.   m a x F k corres ponds  to  the  MVA  fl ow   li m it  of   the  tra ns m issi on   li ne  k  j oi ning  the   bu s es i an d j.       4.   RESU LT S  AND DI SCUS S ION S   In   this  arti cl e  the  CM   strat egy  is  m od el ed  with  the  integrat ion   of  the  wind   far m   to  the  m os t  sensiti ve   bu s   an d  CS A  i s  al so   a ppli ed  t o  m inify  the  congesti on  c os t.   The  e ntire  si m ula ti on   is  pe r form ed  on  MA TLAB   2016b. The fra m ewo r k  of 39  bu s  Ne w  En gland  is co ns id ere d  to test  the ef f ect iveness of  the prop os ed  str at egy   adopted  f or   the   CM .  The  39  bus  Ne w  E ngla nd   fr am ework   bear s  10  ge nerat or   bu ses  a nd  29   buses  as  th e  loa d  bu s es a nd it s p i ct or ia l re pr e se ntati on  is  sho w n  in  Fig ure  3.           Figure  3. Fr am ewor k of   39  bus N e w  E ngla nd  Syste m       The  wind  far m   pa ram et ers  are  ta ke n  f r om   t he  a rtic le   [10].   The   co ngest io n  is  est a blishe d  in   the   li ne   15 - 16   with  the  ou ta ge  of  the   li ne  bet wee n  the   bused  14 - 13.  The  ou ta ge  ha s   le d  to  the   i ncre m ent  in  the  fl ow   t o  628  MV A  le ad ing   to  the  over bur den i ng   of  the  li ne  15 - 16  a nd   the  fl ow   li m it  of   the  li ne  is  50 0  MV A.   Table  1  represe nts  the  BSF  values  f or  the  co ng est e d  li ne  15 - 16.  The  bus  num ber   14  an d  34   exh i bits   strong  BSF   values  and t he win d far m  locati on  is  desig nat ed  at   bus  14 which e xhibit  th e m os t neg at iv e BSF.          Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2088 - 8708   In t J  Elec  &  C om p  En g,   V ol.  8 , N o.   6 ,  Dece m ber  2 01 8   :   487 1   -   487 9   4876   Table  1.   BS F  va lues  with  different  wind  farm  p ow er  level  with  ou ta ge of   li ne  14 - 34   Bu s Sen sitiv ity  Fa cto r  Valu es   Bu s No   W ith o u t  W in d   f ar m   W ith   W in d   Far m   (30 M W )   W ith   W in d   Far m   (50 M W )   W ith   W in d   Far m   (10 0 M W )   1   0   0   0   0   8   - 0 .01 9 9   - 0 .02 0 6   - 0 .01 9 7   - 0 .01 9 4   9   0 .02 9 6   0 .02 8 9   0 .02 9 2   0 .02 9 0   10   - 0 .03 9 8   - 0 .03 8 7   - 0 .03 8 4   - 0 .03 8 0   12   - 0 .03 9 9   - 0 .03 7 9   - 0 .03 7 4   - 0 .03 7 0   14   - 0 .25 7 2   - 0 .24 9 6   - 0 .24 9 4   - 0 .24 9 1   16   - 0 .00 5 1   - 0 .00 2 4   - 0 .00 2 1   - 0 .00 2 0   19   - 0 .03 3 7   - 0 .02 9 5   - 0 .02 9 2   - 0 .02 8 9   25   - 0 .02 1 8   - 0 .02 1 3   - 0 .02 1 0   - 0 .02 0 4   27   0 .04 8 8   0 .04 9 8   0 .05 1 1   0 .05 1 6   34   0 .41 7 6   0 .42 4 4   0 .42 5 1   0 .43 0 2   38   0 .02 0 5   0 .02 3 4   0 .02 3 6   0 .02 4 0       A  gr a dual   redu ct ion   in  the  le vel  of   the  power  flow   is  ob se r ve d  in  the  ov e r  bur den e d   li ne  15 - 16   wit h  the  increm ent  the  rati ng  of   t he  wi nd  fa rm   from   30   M W   t o  10 0  M W   pla ced  at   bus  14.   This  re su lt ed  in  the   cur ta il m ent  in  the  nu m ber   of   par ti ci patin g  gen e rato rs   in  CM .  Table  2  sh ows  the  reducti on   i n  the  f low  of   powe r  in  li ne  15 - 16   with  va rio us   le vel  of  wind  fa rm .  The  researc h  pre sented  in  t his  pap e r  is  co nduct e d  consi der i ng  th e  30  M W  wi nd  far m .  It  is  to   be   note d  t hat  a  higher   rati ng  of  the  wind  farm   wil l  al so   re duce  th e   ov e r  burd e n  of  the  powe r  fl owin g  in  the  li ne   and   c urt ai l  the  cost  in vo l ved  i n  the  resc he duli ng   proces s  but  it   is  al so   to  be  no te d  that  the  cost  and   s pace  to  a ccom m od at e  a  la rg e  wi nd   farm   is  hu ge.   T hus,   due  to  these  issues   30 M W  wi nd fa rm  is con side r ed fo r  the  r esea rch p urp os e.       Table  2.   Power  Flo w  in  the C ongeste d  li ne 1 5 - 16     W it h o u t wind  f ar m   W ith  wind  f ar m  at  d if f erent po wer  lev el   3 0  M W   5 0  M W   1 0 0  M W   Po wer  f lo w ( MVA )   628   603   587   548       Table  3  repres ents  the   G SF  values   at   di ff e ren t  powe r  le ve l  of  the  wind   far m   corres pond i ng  to  t he   congeste d  li ne .  U nif or m   GSFs  are   ob se r ve d  for   t he  dif fer e nt  wi nd  fa rm   po we r  le ve ls  for  t he  ge ner at or  2,4,5, 6,7,8.  Th is  sign ifie s   that   these  generato rs  c on tri bute   sim il ar  eff ect   to wards  t he  c onge ste d  li ne.  The   non - un i form   GS Fs  are  show n  by  3,   9  an d  10  ge ner at or s  an d  th ese  three  ge ne rators  are  co nsi der e d  to  con t r ibu te   towa rd s  t he  CM .  This  ap pro ach  le d  to  the  reducti on  in  th e  gen e rato r  nu m ber s.  In   this  researc h  the  30  M W  wind  far m  is opted t o  m anag e  cong e sti on. T he price  bid s  for t he ge ner at ors a re  giv e n  in   Table  4.         Table  3.   GSF  va lues  with  different  wind  farm  p ow er  level  with  ou ta ge of   li ne  14 - 34   Gen erator  S en sitiv ity  Fa cto r   Bu s No   W ith o u t W in d   f ar m   W ith   W in d   Far m   (30 M W )   W ith   W in d   Far m   (50 M W )   W ith   W in d  Far m   (10 0 MW )   1   0   0   0   0   2   - 0 .56 2 1   - 0 .55 6 1   - 0 .55 5 2   - 0 .55 2 1   3   - 0 .07 8 7   - 0 .08 2 3   - 0 .08 1 4   - 0 .07 9 2   4   - 0 .40 7 7   - 0 .41 9 2   - 0 .41 8 9   - 0 .41 6 2   5   - 0 .41 0 2   - 0 .41 1 0   - 0 .41 8 1   - 0 .41 7 2   6   - 0 .41 3 4   - 0 .41 4 6   - 0 .41 3 8   - 0 .41 1 8   7   - 0 .41 1 2   - 0 .41 1 9   - 0 .41 1 7   - 0 .41 9 6   8   - 0 .55 2 4   - 0 .55 2 8   - 0 .55 1 8   - 0 .55 8 9   9   - 0 .50 2 9   - 0 .50 4 8   - 0 .50 3 4   - 0 .50 2 0   10   - 0 .59 4 8   - 0 .59 5 1   - 0 .58 8 9   - 0 .58 8 1       Table  4.   Ge nerat or   pr ic e  bi ds   for 39 - bu s   Ne w  E ngla nd Tes t Sy stem  ( $/MW - Day )   Gen  No.   1   2   3   4   5   Bid s   15   20   17   16   12   Gen  No.   6   7   8   9   10   Bid s   17   13   11   14   19       Evaluation Warning : The document was created with Spire.PDF for Python.
In t J  Elec  &  C om p  En g     IS S N: 20 88 - 8708       Cucko o Se ar ch  Alg or it hm for   Congesti on All evi ation  wi th  Inco rpor ation o f Wi nd Farm  (K au s hik P aul)   4877   Table  5  s hows   the  com par at ive  analy sis  of   the  outc om es  a chieve d  with  CSA.  T he  pro po s ed  CS A  is   adopted  t o  m i nify  the  co ng est ion   co st  an d  release   the  ov e r  bu rd e n  of  the  tran sm is sion   li ne  with   the   introd uction  of  the  wind  far m .  The  co ngest ion   c os t  achie ve d  with  the  CS A  is  5998. 3  $/ day  an d  is  m ini m u m   wh e n  c om par e d  to   the  oth e r  cost  obta ine d  with  RE D,   PS O  a nd  ABC  optim iz at ion   m eth od ologies  re f err e d  in   [15] - [ 17]   res pe ct ively .  The  l os ses  a re  al so  reduce d  to  58. 63   M W  from   59.39  M W  aft er  the  a ppli cat ion   of   pro po se d  CS A   for  the  CM   ap proac h  ad opte d  with  wind  fa rm .  Figu re  4  s hows  t he  com par at ive  analy si s  of   t he   congesti on   co s t  achieved  with  dif fer e nt  al gorithm s.  The  c om par at ive  an al ysi s  of   the  re al   power   re sch edu le d  with  diff e re nt  al gorithm s  is  rep rese nted   in  Figure  5.  The   co nv e r gen ce   prof il e  is  s ho wn  in  Fig ur e   6.   The   conve rg e nce  c har act erist ic   se e m s  to  be  pr om isi ng   in  ob t ai ning  the  optim al   con ge sti on   c os t  with  the  pr opos e d  appr oach.  Figure  7  shows  the   vo lt age  le vel  at   diff ere nt  buses  po st  CM .  It  is  ob serv e d  that  the  vo lt age   le vel s   are m ai ntained  within  pr op e r l i m it s.       Table  5.   C om par iso n of res ults f or   39  bus  Ne w  E ngla nd  f ra m ewo r k     A m o u n t of  Resch ed u lin g  ( MW )     RED   [ 1 5 ]   PSO [ 1 6 ]   ABC   [ 1 7 ]   CSA [ p rop o sed ]   Ap p rox .  Co st o f   g en erator  resched u lin g   ($/d ay )   8 6 3 9 .1   8 8 7 2 .9   6 4 4 8 .3   5 9 9 8 .3   Po wer  f lo w po st CM.  Line 1 5 - 1 6  ( M W )   510   490   4 9 9 .6   4 9 8 .96   Gen  No.           1   - 9 9 .59   - 1 4 9 .1   - 1 3 8 .72   - 1 3 8 .62   2   9 8 .75   6 5 .6   No t Par ticip ated   No t Par ticip ated   3   - 1 5 9 .64   - 129   - 4 8 .54   - 3 9 .7   4   1 2 .34   No t Par ticip ated   No t Par ticip ated   No t Par ticip ated   5   2 4 .69   No t Par ticip ated   No t Par ticip ated   No t Par ticip ated   6   2 4 .69   No t Par ticip ated   No t Par ticip ated   No t  Participated   7   1 2 .34   No t Par ticip ated   No t Par ticip ated   No t Par ticip ated   8   2 4 .69   7 5 .4   No t Par ticip ated   No t Par ticip ated   9   1 2 .34   5 2 .1   6 .96   5 3 .15   10   4 9 .38   8 3 .0   1 8 1 .31   1 2 9 .00   Total A m o u n t ( M W )   5 1 8 .45   5 5 4 .2   3 7 5 .53   3 6 0 .47           Figure  4.   Com par is on of c on gestio n  c os t wi th o t her al gorit hm           Figure  5. Re sc hedulin g  am ount w it h di ff e re nt alg or it hm     Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2088 - 8708   In t J  Elec  &  C om p  En g,   V ol.  8 , N o.   6 ,  Dece m ber  2 01 8   :   487 1   -   487 9   4878       Figure  6 .   Co nverg e nce  pro fil e f or  C S A base d ap proac h wit h win d farm           Figure  7. Bus   vo lt age s  po st  r esche du li ng  wi th CSA       5.   CONCL US I O N   This  resea rc h  arti cl e  po rt rays  the  ap plica ti on   of   a  natu re   insp ire d  op ti m iz at ion   al go r it h m   fo r  the   al le viati on   of   c ongestio n  with   the  i m ple m entat ion   of  the  wi nd   fa rm .  The  resu lt s  ob ta ine d  with  the  CSA  have   been   c om par ed   with  ot her   op t i m iz ation   te ch niques  re port e d  in  pa st  resear ch  arti cl es  an d  are  f ound  to  be   m or e   eff ic ie nt  an d  e conom ic al .  It  is  fo un d  that  CSA  act s  as  an  eff ic ie nt  op t i m izing   ap pro ach  in  reli evin g  the   ov e r burd e n  of  the  tra ns m issi o n  li nes   with   th e  em bo dim ent  of   t he  wind  farm   and   ena bles  the  syst em   op erato r   to m ai ntain the securit y and re li abili ty  o f  the  syst e m .       REFERE NCE S   [1]   Ch.   N.  R .   Kum ari   and   K .   C.   She khar ,   “ Optimal  Plac ement   of  T CS C  Based  on  Sensiti vi t y   Anal ysis  for  Congestio n   Mana gement,”  I nte rnational   Jou rnal  of El e ct ri ca l  and  Comput er  Engi ne er ing ,  vol /i ss ue:   6 ( 5 ) ,   pp . 2 041 - 2047,   2016 .   [2]   A .   Pill a y ,   et   a l. ,   “ Congesti on  m ana gement  in  power  s y stems   –   A  rev ie w , ”  In te rnational   Journal  of  Elec tric a l  Powe r  &   Ene rgy  Syste ms ,   v ol. 70 ,   pp .   83 - 90 ,   2 01 5   [3]   N.  I.   Yus off,   et   al. ,  “ Congesti on   m ana gement  in  power  sy st em:  A  rev ie w , ”   3rd  Inte rnational   Co nfe renc e  on  Powe r   Gene ration  S yst ems and  R ene wa ble   Ene rgy   Tech nologi es  ( PGSR ET) ,   Johor Ba hr u ,   pp .   22 - 27 ,   20 17.   [4]   A .   Mishra   and   V .   N .  Kum ar  G . ,   “ Congesti on  m ana gement  of  der egulate d  pow er  s y stems   b y   opti m al   sett ing  o f   In te rl ine   Pow er   Flow  Control l er  using  Gravi t at ion al   Sea rch   al gorit hm , ”  Jou rnal  of  Elec trical  Syste ms   and   Information  Tec hnology ,   vol / issue:   4 ( 1 ) ,   pp .   198 - 212,   2017 .   [5]   M .   M .   Esfa han i ,   et  al. ,  “ Adaptive  real - t ime  co ngesti on  m ana g ement  in  sm art   power  s y stems   using  a  re al - t ime   h y brid   opt imiza t ion  a lgori thm, ”   El e ct ric   Pow er  S yste ms   Re sear ch ,   v ol .   150 ,   pp .   11 8 - 128,   2017 .   [6]   R .   Hem m at i,   et   al. ,   “ Stocha sti c  pla nning  and  sc hedul ing  of  ene r g y   storage   s y s tem s  for   conge stion  m ana gement  in   el e ct ri c  power   s y stems   in cl uding   ren ew abl e   en er g y   resourc es, ”   E nergy ,   vo l.   133,   pp.   380 - 387 ,   20 17.   [7]   S.   S.  Redd y ,   “ Optimal  Plac emen t  of  F ACTS   Co ntrol lers   for  Co ngest ion  Mana g ement  in  the   Dere gulated  Pow er   S y stem , ”   Int ernati onal  Journal of  E le c tric al   and   Computer  Eng i nee ring ,  vo l/is sue:   8 ( 3 ) ,   pp .   1336 - 1344,   2018 .   [8]   H .   Scher m e y er ,   et  al . ,   “ Ren ewa ble  en erg y   cu r ta il m ent:  A  ca s e  stud y   on   tod a y ' s   and  tomorrow ' s  cong esti on   m ana gement,”  E nergy   Po li c y ,   vo l.   112 ,   pp .   42   43 6,   2018 .   [9]   B.   Ben la hbib ,   e t  al . ,   “ W ind  f ar m   m ana gement  using  art i ficial  i nte lligent  t ec hni ques ,”   In te rnati onal  Journal   of   El e ct rica l  and   C omputer  Engi n e ering ,   vo l /i ss ue:   7 ( 3 ) ,   pp .   1133 - 1 144,   2017 .   Evaluation Warning : The document was created with Spire.PDF for Python.
In t J  Elec  &  C om p  En g     IS S N: 20 88 - 8708       Cucko o Se ar ch  Alg or it hm for   Congesti on All evi ation  wi th  Inco rpor ation o f Wi nd Farm  (K au s hik P aul)   4879   [10]   A.  E.   Fei joo   an d   J.  Cidra s,  “ Modeli ng  of  wind   far m s  in  the   lo ad  flow  ana l y sis , ”   IE EE   Tr ansacti ons  on  Powe r  Syste ms ,   v ol /i ss ue:   15 ( 1 ) ,   pp .   110 - 115,   2000 .   [11]   J.  J .   D .   Nesam alar,   et   a l. ,  “ Opti m al   Util i zation  of  Rene wab le   E ner g y   Source s  f or  Congesti on  Mana gement , ”  I FA C - Pape rs OnL ine ,   vol /i ss ue:   48 ( 30 ) ,   pp .   264 - 269 ,   2 015   [12]   L.   S.  Varga s,  e t  al. ,  “ W ind  Po wer  Curta il m ent  and  Ene rg y   St ora ge  in  Tra ns m ission  Conges ti on  Mana geme nt   Consi der ing  Pow er  Pl ant s  Ramp  Rat es, ”   IE EE   Tr ansacti ons  on  Powe r  Syste ms ,   vo l/ issue:   30 ( 5 ) ,   pp.   2498 - 2506 ,   2015.   [13]   S.  Fang ,   et   a l .,  “ Inte rva l   optim al   react iv e  po wer  rese rve   dis pat ch   conside r i ng  gene r at or  r e sche duli ng , ”   I E T   Gene ration, Tr ansm ission  &   Di s tribut ion ,   vol /i ss ue:   10 ( 8 ) ,   pp .   18 33 - 1841,   2016 .   [14]   M.  M.  Othm an  and  S.  Busan,   “ A  Novel  Approac h  of  Resch ed uli ng  the   Cr it i cal  Gene ra tors  for  a  New  Avail ab le   Tra nsfer   Capa b ilit y   De te rm ina t io n, ”   I EEE  Tr ansacti ons on   Powe r   Syste ms ,   vol /i ss ue:   31 ( 1 ) ,   pp .   3 - 1 7,   2016 .   [15]   G.  Yesurat nam   and   D.  Thuka ra m ,   “ Congesti on  m ana gement  in  open  ac c ess  base d  on  rel ative  elec tr ic a l  dista nc e s  using vol t age   st a bil ity   cr it er ia , ”  E le c tric   Powe r S y stems R ese arch ,   vol /i ss ue:   77 ( 12 ) ,   pp .   1608 - 1618 ,   2007.   [16]   S.  Dutta  and  S.   P.  Singh,   “ Optimal  Resche du ling  of  Gene r a tor s  for  Congesti o n  Mana gement   Based  on  Par ti c l e   Sw arm Opti m iz at ion, ”   I EE E   Tr ansacti ons on Po wer  Syste ms ,   vol /i ss ue:   23 ( 4 ) ,   pp .   1560 - 1569,   200 8 .   [17]   S .   Deb,   et   al. ,   “ Congesti on  Mana gement  Consideri ng  W ind  Ene rg y   Source s  Us ing  Evol uti on ar y   Algori thm, ”   El e ct ric   Pow er  Components  and   Syste ms ,   vol / issue:   43 ( 7 ) ,   pp .   72 3 - 732 ,   2015 .   [18]   R.   N.  Kalaam ,   et   al. ,  “ Optimis at ion  of  con trol l er  par amet ers  for  grid - ti ed  pho to volt aic  s y st em  at   fau lty   n et work   using  art ifici al   neur al   n et work - base d  cuc koo  s ea rch   al gori thm, ”   IET  Re n ewab le   Powe r  Gen erati on ,   vol /i ss ue:   11 ( 12 ) ,   pp .   1517 - 1526,   2017 .   [19]   M.  Dala li   and  H.   K .   Kare gar ,   “ Optimal  PM U  pla ce m ent   for  full   o bserva bilit y   o f  the   power  net work  with  m axi m u m  red undancy   usin g  m odifi ed  bina r y   cu ckoo  opti m i sati on  al gor it hm , ”   IET  Gene rat i on ,   Tr ansm issio n  &   Distributi on ,  vol /i ss ue:   10 ( 11 ) ,   pp .   2817 - 2824 ,   201 6.   [20]   C.   Mishra,   e t  a l. ,  “ Optimal  po wer  flow  in  the  pre senc e  of  wi nd  power  u sing  m odifi ed  cuc k oo  sea rch , ”   IE T   Gene ration, Tr ansm ission  &   Di s tribut ion ,   vol /i ss ue:   9 ( 7 ) ,   pp .   615 - 626,   20 15 .   [21]   R.   A .  Abarghooe e,   e t  al. ,  “ Multi - objecti v e  short - te rm   sche duli n g  of  the rm oel ect ric   power  s y ste m s   u sing  a  nov e l   m ult iobj ectiv e  θ - improved  cuckoo  opti m isat io n  al gorit hm , ”   IET  Gene ration,  Tr ans miss ion  &   D istribut ion ,  vol /i ss ue:   8 ( 5 ) ,   p p.   873 - 894 ,   20 1 4.   [22]   A.  A.  El - fer gan y   and  A.  Y.  Abdelazi z ,   “ Capa citor  al locat ions  in  rad ia l  distri bu t ion  net works   usi ng  cuc koo  sea rc h  al gorit hm , ”   I ET  Gene ration, Tr ansm ission  &   Di s tribut ion ,   vol /i ss ue:   8 ( 2 ) ,   pp .   223 - 232,   201 4.   [23]   D.  N.  Vo,  et  al. ,  “ Cuckoo  sea rch   al gori thm  for  n on - conve x  ec on om ic   dispatch, ”   IET  Gene ration ,   Tr ansm is sion  &   Distributi on ,   vol /i ss ue:   7 ( 6 ) ,   pp .   645 - 654,   2013 .       BIOGR AP H I ES   OF  A UTH ORS           Kaushik  Paul:   He  rec ei v ed  his  B.   Te ch  degr e e  in  El ectri ca l  Engi ne eri ng  fro m   W est  Benga l  Univer sit y   of  T ec hnolog y   in  t he  y ear  2010  a nd  receve d  his   M.T e ch  degr e e  in  El e ct ri cal  Engi ne eri ng  wit h  spec ia liza ti on   in  Pow er  Sy s te m   from   Nati onal   Instit ut e  of  Te chnol o g y   Kuruks het ra  in  t he  y e ar  2012.   He  was  an  As sistant   Profess or  i n  the   d epa r tment  of  E le c trica l   Engi ne eri ng  in  Sharda   Group  o f  Instit uti ons,  Ag ra  for  two  y e ars.  Presently   h e  is  pursuing  Ph.D .   from   Nati onal   Instit ute   of  Technol og y   Jam shedpur  in  the   depa rtment  of  El e ct ri ca l  an d   El e ct roni cs  Egineer ing .   His  re sea rch   ar ea   includes  power  s y stem  der egul a tion,  ren ew abl e   ene rg y ,   opt imiza ti on  t ec hn ique s  a nd  sm art   grid .       Nira nja n  Kum ar:  He  rec e ive d  his B. Sc  engi n ee rin g  int he  y e ar  198 8  and  his  M.T e c h  degr ee   in  the  fie ld   of  E ectrical   engi n ee ring   fro m   Ntiona l  Inst itute  of   Technol o g y   Jam shedpur  i n  the  y ear  1996.   He  completed  hi s  Ph.D  degr ee   fr om   IIT   Roorkee  and  his  rese arch  areas  inc lud e  power  s y stem   der egulati on   ,   tr a nsm ission pri ci n g  and elect r ic i t y   m ark et .     Evaluation Warning : The document was created with Spire.PDF for Python.