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.   10 ,  No.   4 ,  A ugus t   2020 ,   pp. 335 0~33 57   IS S N: 20 88 - 8708 ,  DOI: 10 .11 591/ ijece . v10 i 4 . pp3350 - 33 57          3350       Journ al h om e page :  http: // ij ece.i aesc or e.c om/i nd ex .ph p/IJ ECE   Optimi zed pl acem ent of  mu ltip le FACTS d ev i ce s  u sing PSO  and  CSA alg or ithm s       Basana goud a Pat i ,  S.   B.   Kar ajgi   Depa rtment  o f  E le c tri c al a nd  Ele ct roni cs  Engi n eering,   Shri  Dharm asthala  Man juna th eshwara   Col le g e  of   Engi ne eri ng  and   Technol og y ,   In dia       Art ic le  In f o     ABSTR A CT   Art ic le  history:   Re cei ved   N ov  20, 201 8   Re vised  Jan   2 4 ,   20 20   Accepte d  Fe b 3 , 2 020     Thi s  pape r  is  an  attempt  to  deve lop  a  m ulti - facts  devi c e  pla c ementi n   der egulate d  po wer  s y stem  using  opti m iz ation   al gorit hm s.  Th e  der egu la t ed   power  s y stem  is   the   re ce n t  ne e d  in  the   power   distri buti on  as  i t  has  m an y   inde pend ent   sel l ers  and  bu y ers  of  el e ct ri ci t y .   Th e   proble m   of  der e gula ti on  is  the   qualit y   of   the   power  di strib uti on  as  m an y   sellers  a re  invol ved .     The   place m ent  of  FA CTS   devi ce s  provide s  the   soluti on  for   the   above  proble m .   Th ere  are   r ese ar che s   ava i la bl e  for  m ult ipl e  FA CT S  devi ce s .     The   opti m izati o n  al gorit hm s  li ke  Parti cle  Sw arm  Optimiza ti on  (PS O)   and   Cuckoo  Sear c h   Algorit hm   (CSA )   are   impleme nte d  to   pl ac e   t he  m ult iple   FA CTS  devi ce s   in  a  pow er  s y stem.  MA TL AB  base d  imple m ent at ion  is   ca rri ed  out   for  a ppl y ing  Optimal   Pow er  Flow  (OP F)  with  var iatio n  in  th e  bus   power  and  the  li ne  reactance  par amete rs.  T he  cost  func ti o n  i s  used  as    the   object ive   fun ct ion .   The   cost  r educ t ion  of  FA CTS  as  well   as  ge ner ation  b y   pla c ement  of  diffe ren t  compens at ors  li ke ,   Stat i c  Var  Com pens at or  (SV C),   Th y r istor  Contr oll ed  Ser ie s  Co m pensa tor  (TCSC)  and  Unifie d  Pow er  Flow  Control le r   (UP F C).   The   cos t  c a lc ul at ion  is  done  on  the   3 - se lle r  sce nar io .     The   I EE E   14  bu s is  ta k en  h ere a s   3 - seller  s y s te m .   Ke yw or d s :   CSA   Der e gula te d power  syst em   Op ti m al  p la cem ent o f  F ACT S   PSO   Copyright   ©   202 0   Instit ut e  o f Ad vanc ed   Engi n ee r ing  and  S cienc e .    Al l   rights  reserv ed .   Corres pond in g  Aut h or :   Ba sanago ud a  P at il ,    Dep a rtm ent o f El ect rical  an d  Ele ct ro nics  E nginee rin g,   Sh ri  Dharm ast hala Ma nj un at hes hw a ra C ollege  of Engine e rin g  a nd Tech nolo gy ,   Dh a rwad   - 5 80002, Ka r nataka , In dia .   Em a il :  patil .b asana gow da@g m ai l.co m       1.   INTROD U CTION   The  w or ld ’s   e le ct ric  powe r  i s  hea vily   inter connecte d  f or  econom ic   reaso n.  And   w he n  the  powe r  trans fer   i ncr ea ses  the  c onnect ion   gro ws  du e  to  that  sec ur it y  pro blem s  ta ke s  place.  T he  se cur it y  of  the  sy stem   is  aff ect ed  w he n  the  la r ge  po wer   tra nsfe r  is  done  th r ough  the  tra ns m issi o n  li ne  with out  consi der i ng   it s   lim it s.  The  de re gu la ti on   of   power  sy stem  is o ne  of  the i m po rta nt m et hods  in  po we r  syst e m  to  red uce th ese p r ob l e m s.  But  de re gu la ti on  le ads   to   po wer  qual it y  prob le m s.  For  i m pr ov in g  pow er  tra nsfe r,  F A CTS  de vices   do  very   i m po rtant  r ole  [ 1].  Se ries  ca pacit or s   wh ic h  is  va riable,   unifie d  po wer  f low  c ontr oller s  ( UP FC )  a nd   phase  sh ifte rs   can   be   util iz ed  [ 2].  F ACTS  de vices  pro vid e  bette r  con t ro l  i n  ste a dy  sta te   an d  i n  dynam ic   sta te   [3,   4].  The  c os t - e ff ec ti ve  de vices  are  series  ca pa ci tors  w hich   is  var ia ble  an d  helps  i n  m ini m iz ing   losses  [5,   6] .     The  F ACTS  dev ic es  a re  c os tl y  accor ding  to  t he  siz e  of   it .  If   t he  s iz e   is  le ss  the  cost  w ould  r edu c e .   So ,  the  optim al  locat ion a nd sizi ng   bec om es i m po rtant [7 - 9].     Ther e  a re  resea rch es  a rtic le s  avail able  on  optim al  locat ion   ba sed  on  sen sit ivit y  analy sis  [1 0],  so lvi ng  econom ic   load  disp at c h  [ 11] ,  congesti on  m a nag em ent  us in g  F ACTs  dev i ces  [12 - 14] ,  re al   power   pe rfo rm ance   ind e x  [15],  i n  [ 16 ]   open   power  m ark et   an al ysi s,  e le ct ric  syst em   ener gy   [17],  t he  a ut om a ti c  con ti ngency   sel ect ion   [18],   Ele ct ric  ener gy  syst e m s  analy sis  and   op e rati on  [19],  Investi gati on   of   the  load   low   pro blem   [2 0]   and   re du ci ng   t he  losse s  w he n  co ngest io n  is  not  present  [ 21 - 24 ] .  T he  pa per   [25,   26]   sh ows     the  eco no m ic  disp at ch  s ol ution   m et ho d  for  de regulat ed  en vir on m ent .  The  s ol ution   te c hn i qu e s   sh ow n   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       Op ti mize d plac emen t  of  mu lt i ple FACT S dev ic es u sin g PS O  and CSA  a l gorit hm s   ( B asana gouda P ati )   3351   in  [27,   28]   are  us e d  her e  f or  m ul ti - facts  devi ce  place m ent.  This  pa per   is  done  f or  m ini m i zi ng   the  total   cost  of   the  ge ner at io n  and   FA CT S  de vices  (like  S V C,  TCS C  &  U PFC).   T he  op ti m al   locat ion   and   siz e  a re  ide ntifie d.   Sect ion   2  co nsi sts  Pr ob le m   F or m ulati on   for   op ti m a l  locat i on   of   m ulti ple   FA CTS  are  de scribe d.   Sect ion   3  consi st  of   P roblem   so luti on   m et ho ds ;  Sect i on   4  co ns ist s  of   sim ulati on   resu l ts.  Fi nally ,  a  concl u sio n  about   the r es ults  of   sim ula ti on  is  de du ce d  i n  Sect i on 5.       2.   PROBLE M  F ORMUL ATI ON   The  ge ner at io n  c os t  a nd  th e  cost   of  F A CTS  de vices   are  the   m ajo r   eco nom ic   so ur ces .  Her e   i n   the  opti m a l  power   flo w  t he  c os t  of  ge ner at i on  m ini m iz at io n  a nd  the  FA C Ts  de vice  place m ent  with  m i nim u m   po s sible  or   optim al   cost  has  t o  be  ide ntifie d.   Bi dd i ng  co st  is  consi de red   a s  the  the rm al   s yst e m   cost  curve  s o  the b i dd i ng c ost  can be  repres ented  a s [2 5],     (  ) =   +    +  2   (1)     t he   inc rem enta l cost ca n be re pr ese nted  as  be low,      (  ) =   + 2    (2)     d ere gula te d power  syst em  o pti m al  p ow e r  fl ow e qu at io n  is  gi ven   belo w,       :   ∑ (  ) = 1   (3)       :   ∑  =      (4)      <  <   ,   [ 1 , ]   (5)     w he n  ∑   = 1 >  ∑   = 1 =   ,  - no  feas ible sol ution,   w he n  ∑   = 1 =   ,  - each  s el le r  is co ntrac te d  am ou nt   is a t i ts capaci ty  low er  lim it ,   w he n  ∑   = 1 <   an d  ∑   = 1 > - non - tri vial ca se.   Her e ,   (  ) −           −   ℎ         , , −   −           ,   −       ℎ         −          , −          f act s d e vices c os ts ;      = 0 . 0015  2 − 0 . 713  + 153 . 75   (6)      = 0 . 0003  2 − 0 . 3051  + 127 . 38   (7)      = 0 . 0003  2 − 0 . 2691  + 188 . 2   (8)     her e;      −           $             −        in   $   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.  10 , No .  4 ,  A ugus t  2020  :   3350   -   3357   3352    −       $        −        $        −           −            −           C on si der i ng th e ab ov e  constr ai nts en ti re  co s t functi on ca n be  represe nted as bel ow [6] .          =   ∑ (  ) = 1 +      (9)       3.   SOLUTI ON MET HO DS   Fo r   the  prob le m   sh own  i n  ( 9)  is  the  ob j ect ive  f unct ion   t o  so lve  t hat  m an y  te chn iq ues  c an  be  us e d.   Her e   PS O  al gorithm   wh ic h   is  the  fa ste r  al gor it h m   and  the   CSA  al gorithm   wh ic h  giv es   guaran te e d  resu lt s  ar e   consi der e d f or   the s olu ti on. T he  al go rithm  e xp la nati on is  gi ven   belo w.     3.1 .   Part i cl e  sw ar m o p timi z at io n  (P SO )    The  al gorithm   is  form ed   with   the  be hav i or  of  insect s / fish   on  it s  beh a vior  of  f ood  searc hi ng.  Ste ps   of   al gorithm   descr ibe d   giv e n below.   -   The Nsiz e  of the s war m , X - c on t ro l  var ia ble  (g e ner at e d power   Pg)   a re i niti al iz ed.   -   In it ia l  popu la ti on   of   P g  is  give n  as  within  t he   power   li m i t.  And  init ia l  velocit y  of   the  sw arm   par ti cl es  ( V j)   is t aken as ze ro.   -   Fo r   eac h  po pula ti on   cal culat e  fuel   cost  (F)   an d  fi nd  vel oc it ie swith  giv e n  f orm ula  (10 ). a nd   i ncr em ent    the i te rati on.   -   Each par ti cl e  is   pe rsonal  best   (Pbest)   of  it s   own   P gval ue.  The n  the  X   value   w hich   is  res pons i ble  for     the  lowe r  c ost   value  is  ta ke n  as  global  best  ( Gb e st).  The n  vel oci ty   functi on  is  cal culat ed  us i ng   the foll owin g  e qu at io n,     ( ) = ( − 1 ) + 1 1 [  − ( − 1 ) ] +   2 2 [  − ( − 1 ) ]   (10)     wh e re   = 1 , 2 , … ,   her e ,   1 , 2               2       1 , 2             0      1         -   The n  the  X val ue  is  update d wit h  the  foll ow ing  e quat io n     ( ) =   ( − 1 ) +   ( )   (11)     -   The n go to ste p  (c ), d o  it  ti ll  the st op crite ria .      3.2 .     Cu ck oo  se arc h a l go ri th m   ( CSA)    The  C ucko o  s earch   al gorith m   is  based  on  the  cuc koo  bi r d  on  be ha vior   of   it s  br e edi ng.  Th e  c ucko o  bir d  can ’t  buil d  the  nest.  It  de pends  on  the  ho st  bir d  nest  for  la yi ng   e ggs   and  hatc hing  it .  But  host  bi r d  ne st   no t  al lows  to  do  so.  It  m ay   aban do n  the  nest  or   pu s hes  the  bi rd s ’  eg gs   dow n .  But  cuc koo  la ys  egg s  sim ilar  t o    the h os t   bir d  a nd  if  it  h at che s   the  c uc koo  chi cks  m i m ic s  the  sou nd  of  t he  host bir d.  So, f ind i ng  the   be st nest  to   m ake  su r viv e  the  cuc koo  bir ds  m akes  a  fine  search  that  is  r epr ese nted  as  t he  m a the m at ical  equ at ion   ste ps   are  fo ll owin g.   -   The  i niti al   popula ti on   of  X va riable in  n host  n est s is  r a ndom ly  g ener at ed .   -   A  cuc koo  is  sel ect ed  by  le vy  ran dom   distr ibu ti on  an d  ev al uated  the  ob j ect ive  f un ct io n  for  al l  the  ho s t   nests.   -   Ra ndom ly   se l ect ed  nest  isc om par ed  with   the  obj ect iv e   wh ic h  is  ra ndom ly   sel ect e d  an d  cal culat ed.   If  t he new  cu c koo fit s the n re place t he  o l d  c ucko o.     -   Rem ai nin g nes ts are a band oned wit h  the  fra ct ion   of Pa a nd  b est   ones a re sa ved.   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       Op ti mize d plac emen t  of  mu lt i ple FACT S dev ic es u sin g PS O  and CSA  a l gorit hm s   ( B asana gouda P ati )   3353   -   Ra nk the s olu ti on ;  fin d  t he be st cuc koo.   -   In c rease t he  it erati on and  go t o  ste p  sec ond s te p.   -   Do it  ti ll  ter m i na ti on   The pr opose d  s olu t ion   al go rithm  is d escribe d:   Step  1:  I niti al i ze   li ne  and   bu s  data  of   the  powe r  syst e m ,  con ti nge ncy  data,  al l  con st raints,  an d  PS O/CSA   par am et ers.     Step  2:  I niti al iz e   popu la ti on  of   pa rtic le s  with  rand om   nu m ber s   a nd   vel oc it ie s/new  nest  represe nting   F ACTS   dev ic es  locati on &  size .    Step  3: Set it er at ion  in de x  it er at ion  =  0.    Step  4:  T he  pa rtic le   carries  the  locat io n  a nd  siz e  of  F AC TS  dev ic es  up dates  the   li ne - data  at   the   rea ct ance  colum n  an d  i n  bus - data  pow er  in j ect io n  c ol um n .  Determ i ne  the   loa d  le ve l  and  ou t pu t  powe r.   C ondu ct   OP F   inco rpor at in g  FA CTS   de vice s,  f or  norm al   a nd  co ntin ge nc y  sta te s.  Com pu te   the   operati ng  co st  an d  re qu i red   dev ic es  capacit ie s f or eac h  sta te .    Step  5:  Ca lc ul at e  cost  with  FA CTS  us i ng   op e rati ng  co sts  of   al l  sta te s  and   t heir  ass oc ia te d  pro bab il it ie s  to  occur.  Cal culat e d e vices in ves t m ent co st usi ng  ( 8 ).    Step  6:  E valu at e  the  va lue  of  the  obj ect iv e   f un ct io n  ( 9)   sub j ect   to  al l   the  c onstrai nt s  ( 4  &   5) .   I f  any  of     the  co ns trai nt  vio la t ion  pe nal ty   is  add e d  i n  cost .  The   cal cul at ed  value   of   t h e  fitness  functi on  is  se r ved  as   a fitness  v al ue of  a  par ti cl e/ cu ckoo.    Step  7:  E ac h  pa rtic le   obj ect iv e  is  cal culat ed   with  t he  per s on al   best,  l oca l  best.  If   t he  fitness  value  is  lowe r   than  local   be st,  set   this  value   as  the  current   local   best ,  an d  save  the  par t ic le   po sit ion   c orres pondin g  to  this   local  b est   valu e.    Step  8:  Sele ct   the  m ini m u m   value  of  local   best  f r om   al l  par ti cl es  to  be  t he  c urren t   gl obal   be st,  Glob al   best,  and rec ord  t he parti cl e posit io n  c orres pondin g  to  this  Globa l best  value .    Step  9: Up date  each  pa rtic le  vel ocity   and  al so   po sit io n.    Step  10:  If   the   m axi m u m   num ber   of   it eratio ns   is  reac hed,  the  par ti cl e/ cucko o  associat ed  with  the  cu rr e nt  Global   best  is  the  optim al   so l ution.  Ot herwise,  set   it erati on   =  it erati on   +   1  an d  goto   St e p  4.   A nd   repea t  ti l l   te rm inati on       4.   RESU LT S   A ND  DI SCUS S ION   Test   syst e m   is  3 - sel le r  syst e m   and   tw o  s olu ti on  al gorith m s  are  us ed .Here  the   no  FAC Ts  de vice s   resu lt s  a re  the   conve ntion al   m et ho ds.  T hePSO  a nd  CS A  a re  ta ke n  her e .  As  s how n  i n  t he  resu lt s  t he  f it ness   value  of  PS O  and   CS A  in  [ 28 ] ,   it   var ie s  from   $8 340  to   8190.  As  it   is  econom ic   load  dis patch  th e  loss  consi der at io n   a lso  base d  on  th e  loss   m at rix.   Wh e n  the  sam e  3 - sel le r  syst e m   is  us ed  i n  th e  opti m a l  pow er  flo w   the  cost  of   t he   gen e rati on   re du ce s  to  $  80 34. 4.   we  us e  th e  sa m e  3 - sel le r  syst e m   as  the  te st  syst e m   a nd   we   i m ple m ent the f act s d e vices  w it h  inclusi on of  inv e stm ent co st.   The  F ACTS  de vices  co ns i de red   he re  are  S VC,  TCSC   a nd  U PFC.  SV C  and   UPFC   m od el s  are  ta ken  as  reacti ve   po wer  m od el   an d  the TCSC  is  ta ke n  as r eact an c e  m od el .   T he  obj ect iv e  f unct ion  disc us se d  i n  ( 1)  is  ta ken   as  fitne ss  equ at io n  w it h  vo lt age  li m it  and   powe r  flo w  const ra ints.  The  well - kn own  m e ta heu risti c  al gorithm   cal led   P SO  a nd  CS A  al gorithm s  are  us e d  f or  te st ing  the  fitness   functi on  for  wi t hout  facts   de vi ces.   The n  the   ( 9)  is  us e d  f or   te st ing   with  FA C TS  dev ic es.   I Cdevices  va riable  can   be  re pl aced  wit h  eac h  fact s   dev ic e c os t e quat ion res pecti vely . T he  re su l ts o btained  are   discuss b el ow.     4.1 .   PSO  a lg orith m   PSO   al gorithm   as  exp la ine d  i n  the  s ol utio n  te chnolo gy  sect ion   the  M ATL AB  co de  is  i m plem e te d  to   s olv e   both   ( 1)  and  ( 2).  T he  F ig ure   1  s how s  t he  c onve rg e nc e  grap h  of  the   PSO  al gorithm   f or   with ou t   an d  with  placem ent  of   SV C,   TCSC   a nd  U PFC.   F rom   that  it   can  be   seen   that  t he   UPFC   giv es   r edu ce d  cost   in cl ud i ng   the  cost  of   U PFC.  Fig ur e  2  sh ows  the  vo lt age  prof il e  of  NO   facts  de vice  conditi on,   SV C  placed ,  TCSC  placed  a nd   UPFC   placed.  T he   per f orm ance  of   votl age  pr of il e  is  bette r  a nd   TCSC   is  no t  pe rfo rm in g  well ,   as  the  co st  in cr eases.  Fig ure   3  shows  t he  power   ge ner at e d  at   gen e rato r  nu m ber   1,   2,   3 ,   6  and  8.  It  ca n  be   see n  from   F igu re  3  that  G3,  G 6  and   G 8  has  si gn i ficant  re duct ion   in  gen e r at ed  total   pow er  w hen   t he  F ACTS   dev ic es  a re  pla ced.   Ta ble  1   s hows  the  ge ne rated  po wer   i n  IEEE - 14  bus  syst e m .  Table  2   sho ws  the  lo cat ion ,   siz e,  cost  an d  loss  of  the  3 - se ll er  syst e m   wit h  PS O  al gorith m .   It  can  be  seen  from   [2 8]  the  cost  f ro m   $  8100   (appro x.) to  $  7910. 4 wh e n u sing UP FC inc lud in g  t he  i nv e st m ent co st o f UPFC.     4.2.   CSA  algorith m   Figures  4 - 6  s hows  th e  resu lt s   ta ken   from   C SA   f or   F ACT S  dev ic e  place m ent  and   T abl e s   3  and   4   sh ows  the  num erical  r es ults.  Using CS A  c ost  is sti ll  r educ ed  to  $ 79 07.5  with  UP FC.   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.  10 , No .  4 ,  A ugus t  2020  :   3350   -   3357   3354       Figure  1.  Co nverg e nce  gr a ph  of PS O  al gorithm  w it h  an d w it ho ut  SV C , T CSC  and  UP F C             Figure  2.   V oltage  prof il e  with  and w it ho ut S VC,  TCSC  and  UPFC     Figure  3. Ge ne rated  powe r wit h  an d wit hout  SV C,  TCSC  and  UPFC       Table  1.   Ge nerat ed  po wer i n M W   Gen .  n o s   Gen erate d  po wer  i n  M W   No  FACTS   SVC   TCSC   UPFC   G1   1 8 6 .7514 9   1 9 2 .454   1 9 1 .048   1 9 1 .687   G2   3 5 .82 0 4 0 5   3 6 .93 1 1   3 6 .11 2   3 7 .00 9 7   G3   4 4 .05 2 8 3 9   2 3 .91 3 1   2 0 .75 2 3   1 9 .88 0 6   G6   0   8 .20 8 1 4   9 .92 2 8 7   1 2 .39 8 0 8   G8   0   0   6 .29 4 4 4   0       Table  2.  L ocati on, s iz e,  co st a nd loss  of t he 3 -   sel le r  syst em  w it h  P SO al go rithm       Locatio n   Size   Total Co st in  $   Los s in  M W   NO  FAC TS   -   -   8 0 5 4 .4   7 .62 4 7   SVC   4   8 4 .27  M VAR   7 9 3 1 .9   2 .50 6 1   TCSC   6  to 1 1   0 .75  oh m s   8977   5 .12 9 7   UPFC   13   2 7 .95 3  MVAR   7 9 1 0 .4   1 .97 5 4   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       Op ti mize d plac emen t  of  mu lt i ple FACT S dev ic es u sin g PS O  and CSA  a l gorit hm s   ( B asana gouda P ati )   3355       Figure  4. Co nverg e nce  gr a ph  of CSA  alg or it hm  w it h  an d w it ho ut  SV C , T CSC  and  UP F C             Figure  5. V oltage  prof il e  with  and  with out S VC,  TCSC  and  UPFC     Figure  6. Ge ne rated  powe r wit h  an d wit hout  SV C,  TCSC  and  UPFC       Table  3.   Ge nerat ed  po wer i n M W   Gen .  n o s   Gen erate d  po wer  i n  M W   No  FACTS   SVC   TCSC   UPFC   G1   1 8 6 .8083 1 3 3   1 8 7 .7138   1 8 8 .8311   2 0 8 .7254   G2   3 5 .97 5 8 3 5 3 1   3 6 .09 2 1 3   3 4 .69 8 8 5   3 5 .30 8 5 4   G3   4 2 .57 0 6 6 5 3 1   2 0 .33 0 0 8   1 3 .26 9 1 4   1 .79 9 5 9 3   G6   0   1 6 .49 7 2 1   1 6 .97 1 3 8   1 6 .22 5 9 6   G8   1 .31 5 0 7 6 1 6 7   0   1 1 .00 9 3 1   0       Table  4.  L ocati on, s iz e,  co st  a nd loss  of  t he 3 -   sel le r  syst em  w it h  CS A  al gorithm       Locatio n   Size   Total Co st in  $   Los s in  M W   NO FAC TS   -   -   8 0 5 4 .4   7 .66 9 9   SVC   13   2 6 .74 3 2  M VAR   7 9 1 4 .5   1 .63 3 3   TCSC   6  to 1 1   1  pu   8 1 1 4 .8   5 .77 9 8   UPFC   13   2 8 .28 1 9  MVAR   7 9 0 7 .5   3 .05 9 5       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.  10 , No .  4 ,  A ugus t  2020  :   3350   -   3357   3356   5.   CONCL US I O N   The  MATL AB   i m ple m entat ion   of   th e  place m ent  of   m ult i ple  FA CTS  de vices  on  the  I EEE  14  bus  syst e m   and   th e  res ults  wer e   infe rr e d.   The   optim iz ation   al gorithm   that  was  us e d  f or   the  placem ent  of     the  m ult iple  FA CTS  dev ic es  include d  P SO   an d  CS A   al go rithm .  The  res u lt s  ob t ai ned   f r om   the  CSA   i m ple m entat io n  outpe rfor m ed  PS O  al gorit hm   and   the  co st  fu nc ti on   reduced  value  whil e  op tim iz ing   us in g    the  CSA  al gor it h m .  So ,  c ompare d  to  befo r e  placem ent  a nd   a fter  place m ent  of   m ulti - facts  de vices  the  total   cost  of   ge ner at ion   re du ces  eve n  incl ud i ng th e FA CT S  dev i ce cost.       REFERE NCE S   [1]   S.   N.  Singh  and   A.   K.  David,   “Conge stion  Mana gement  b y   Opt imizi ng  FA CTS  Devic e  Locat io n, ”  DRPT2000 .   Inte rnational   Co nfe renc e  on   Elec tric   Ut il i ty   D ere gulat ion  and   R estruct uring  and   P ower  Technol og i es .  Proc ee d ings  ( Cat.   No. 00E X3 82) ,   London,   U K,  pp.   23 - 28,   20 00.   [2]   S.   N.  Singh,  “ Loc ation  of  FA CTS  devi c es  for  enh ancing  powe r  s y stems ’  sec ur ity , ”   LESCOPE   01.   2001  Lar ge  Engi ne ering  Syste ms   Confe renc e   on  Powe r  Engi nee ring.  Conf ere nce   Proceedi ngs .   Theme:  Powe ring  Be yond  2001  ( Cat.   No. 01e x 49 0) ,   Hali fax ,   NS ,   Cana da ,   pp .   162 - 166,   2001 .   [3]   N.   G.  Hingor ani,   “ Flexi ble AC t r ansm ission,”   in   I EE E   Spectrum ,   vol.   30 ,   no .   4 ,   pp .   40 - 45 ,   April   19 93.     [4]   L.   G y ug y i ,   “ A  unifi ed  power  fl ow  cont rol  concept   for  fl ex ibl e  AC  tra nsm issio n  sy st ems , ”   in  I EE   Proceedi ng s   C  -   Gen erati on,   Tr ansm i ss ion  and  Distributi on ,   v ol.   139 ,   no .   4 ,   pp .   323 - 331 ,   Jul y   1 992.   [5]   E.   L arse n,   N.  Mi ll er ,   S.  Nilsson  and  S.  Li ndgre n ,   “ Bene fit s  of  GTO  Based  compensat ion  s y st ems   for   el e ct ri c  ut i l i t y   appl i ca t ions,”   in  IEE E   Tr ansacti o ns on  Powe r   Del iv ery ,   vo l. 7, no.  4,   pp .   2056 - 206 4,   Oct .   1992 .   [6]   M.  Noroozi an  and  G.  Anders on,   “ Pow er  flow  cont rol  b y   u se  of  cont rol la b le   seri es  components, ”   in  IE E E   Tr ansacti ons on Power  Del iv er y ,   vol.   8 ,   no .   3 ,   pp .   1420 - 1429,   Jul y   1993.     [7]   S.  Gerbe x,   R.   C her kaoui,  and  A.   Germ ond,   “ Opt imal  loc a ti on  of  m ult ity pe  FA CTS  devi ce s  in  a  p ower  s y stem  b y   m ea ns of  gen et i c   al gor it hm s,”   in  IEE E   Tr ansacti o ns on  Powe r   Sys te ms ,   vol .   16 ,   no .   3 ,   pp .   537 - 544 ,   Aug.  2001 .   [8]   N.  K.  Sharm a,   A.  Ghos h,   and  R.   Varm a,   “ in  I EE E  Tr ansacti o ns  on  Powe r  Deli v ery ,   vol.   18 ,   no.   3,   pp.   982 - 987,   Jul y   2003 .   [9]   J.   G.  Singh,  S.  N.  Singh,  and  S.  C.   Srivasta v a,   “ Plac ement  of  FA CTS  cont roll e rs  for  enha nci ng   power  sy st em   loa dab il ity , ”   200 6  IEEE Power I ndia  Conf ere nce ,   New De lhi,  pp .   7 ,   2006 .    [10]   P.  Pree davi ch it   and  S.C.   Srivast ava ,   “ Optimal  re ac t ive   power  disp at ch  consid eri n g  FA CTS   devi c es, ”   1997  Fourt h   Inte rnational   Co nfe renc e  on  Advance s in  Powe r Sy stem  Control,   Operation  and  Manage ment,   A PSCOM - 97.   ( Co nf.  Publ .   No.   450) ,   Hon g  Kong,  vol .   2,   pp.   6 20 - 625,   1997.     [11]   T.   T.   L ie   and  W .   Deng,   “ Opti m al   fle xible  AC  tra nsm ission  sy st ems   (F ACTS)  devi c es  al locati o n, ”   Inte rnat iona l   Journal  of   Elec t rical   Powe r and   Ene rgy  syst ems ,   vol.   19 ,   no .   2 ,   pp .   125 - 134 ,   Febu a r y   1997 .   [12]   Fang,   R. ,   S. ,   David,   A . ,   K.,  “ Tra nsm ission   Congesti on   Mana g ement   in   a n  Elec tr ic i t y   M ark et,”   in  I EEE   Tr ansacti ons on Power  Syst ems ,   vol.   14 ,   no .   3 ,   pp .   877 - 883 ,   Aug.   1999.   [13]   Acha r y a ,   N.,   Mithul an at h an,   N .,   “ Loc ating  Seri es  FA CTS  devi ce s  for  Congest ion  Mana gemen t  in  Dere gul at ed   E lectr i ci t y   M ark et s,”   E le c tric P o wer  Syste ms   Re s earc h ,   vo l. 77, n o.   3 - 4 ,   pp .   352 - 3 60,   Mar ch  2007 .     [14]   Brosda,   J., Hand schin.   E ,   “ Conge stion  m ana geme nt  m et hods wit h  a  spec i al   considerat ion  of   FA CTS - devi c es , "  2001  IEE E   Porto   Pow er  Tech Proceed ings ( Cat.   No. 01 EX 502) ,   Porto,   Portugal,  vol .   1 ,   p p.   6 ,   2001 .   [15]   A.   A.  Athamne h,   W .   J.  Lee,  “ Bene fi ts  of  FA CTS  devi c es  for   power  ex cha ng e  among  Jordan ia n  Int erc onn ect ion  with  oth er  Count rie s,”   2006  I EEE   Powe r  Engi n ee r ing  Soc ie t y  Gen e ral M eeting ,   Mo ntreal ,   Que.,   pp .   7 ,   2006 .     [16]   S.   N.  Singh,  A.   K.  David,  “ A  new  appr oa ch  for   pla c ement  of  F ACTS  devi ce s  i n  open  power  m ark et s ,”   in  I EE E  Powe r E ng ine eri ng  Revie w ,   vo l.  21,   no .   9 ,   pp .   58 - 60,   Sept .   2001 .   [17]   I.   O.  El ger d   and  H.  J.  Happ ,   “ El e ct ri c  Ene rg y   S y s te m   The or y   -   An   Introduc ti on , ”   i n  IEE E  Tr ansacti ons  on  Syste ms ,   Man,   and   Cybe r net i cs ,   vol .   SM C - 2,   no .   2 ,   pp .   29 6 - 297,   April   197 2.   [18]   G.   C.   Ejebe   and  B.   F.  W oll enbe r g,   “ Autom at ic   c onti ngen c y   se lec ti on ,”   in  IE EE   Tr ansacti ons  on  Powe r  Apparatu s  and  Syste ms ,   vol .   PA S - 98,   no.   1,   pp.   97 - 109 ,   Jan .   1979.     [19]   Antonio  Gom ez - E xposito,  Anto nio  J.  Cone jo,  and  Cla ud io  Ca niz ar es,   “ Elec tr i c  En erg y   S y st e m s  Anal y sis  an d   Opera ti on , ”   CR C  Press ,   New Y ork,   2009 .     [20]   L.   L .   Freris  and   A.   M.  Sass on,   "Investi g ation  o f  the   Lo ad  Flo w  Problem,"   in  Proce ed ings  of  the   Institution  o f   El e ct rica l  Eng in e ers ,   vol .   115 ,   n o.   10 ,   pp .   1459 - 1470,   Octob er  1 968.   [21]   S.   N.  Singh  and  S.   C.   Srivasta va ,   “ Corre ct ive   a ct i on  pla nning  to  a chi ev e  a  fea sib le  opti m um   po wer  flow  soluti on, ”   in  IE E Proce ed i ngs  -   Gene rat ion ,   Tr ansm ission and  Distributi on ,   vol.   142 ,   no .   6 ,   p p.   576 - 582 ,   Nov.   1995.   [22]   G.   D.  Ga li an a  e t  a l,   “ As sess m e nt  and   cont ro l  o f  the  impac t  of  FA CTS  devi ce s   on  power   s y st e m   per form anc e ,”   in  IE EE Tr ansacti ons on Power  S yste ms ,   vol .   11 ,   no.   4 ,   pp .   1931 - 1936,   Nov.   1996 .     [23]   R.   Raj ar aman,   F .   Alvar ado ,   A.  Mania c i,   R.   C a m fie ld  and  S.Jal al i ,   “ Dete rm ina tion  of  loc ation  a nd  amount  of  serie s   compensat ion  to   inc r e ase   power   tra nsfer  ca pa bi li t y , ”   in  IEEE  Tr ansacti ons  on  Powe r  Syste ms ,   vol.  13,   no .   2,   pp.   294 - 300 ,   Ma y   1998.   [24]   E.   J.   de   Oliv ei ra   and  J.   W.   M.   L ima,   “ Allocati on   of  FA CTS  device s  in   a   competitive  envi ronm en t, ”   13th   PS CC ,   pp.   1184 - 1190 ,   1999.   [25]   R.   K.   Sw ai n,   P.   K.   Hota,   R.   Cha kra bar t y ,   “ An  Aucti on  Based  Di spatc h  Algorit h m   for  Dere gula t ed  Pow er  Sy ste m s   using  Di ffe ren t i al   Evol u ti on  T e chni que , ”   F if t eenth  Nati onal  Po wer  Syste ms   Con fe renc e  ( NPSC) ,   IIT   Bom ba y ,   pp.   201 - 207 ,   De ce m ber   2008 .   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       Op ti mize d plac emen t  of  mu lt i ple FACT S dev ic es u sin g PS O  and CSA  a l gorit hm s   ( B asana gouda P ati )   3357   [26]   M.   C.   Bhuv ane s wari   and   J.  Sax e na  (ed s.) ,   “ Int el l i gent   and  Eff icie nt  Elec tri c al  S y s te m s, ”   L ecture   Notes  in  El e ct ri c al   Engi ne eri ng  446 ,   Springer   na tu re   Singapore Pvt L td,   pp . 167 - 174,   2018.   [27]   X.  Yang  and  S uash  Deb,   “ Cuckoo  Sear ch  via   Lé v y   f li ghts , "  2009  World  Con gress   on  Natu re  &   Bi ologi cal ly  Inspired  Comput ing  ( NaBIC) ,   Coim bat ore ,   pp.   21 0 - 214,   2009 .     [28]   Singire su  S.  Ra o,   “ Engi neering   opti m iz ation:  T heor y   and  Prac t ic e ,   Fourth  Edit ion, ”   John  W il l e y   &   Sons ,   Inc . ,   2009.       BIOGR AP H I ES   OF  A UTH ORS       Mr .   Basan agou da  Pati l   Re ceiv ed  the  M.  T ec h   in  PES   from   BEC  Bagalkot  Karna ta k ai n  y e a r  2010. At  Present  He  is  Purs uing  P h. D  (Pow er  Sy st em)  from S DM C ET   Dharwad  &   Li fe  Mem ber   of   India n  Societ y   f or  Te chnica l  Ed uca t ion  (ISTE) ,   His  Resea rch   In te rest  in  Pow er  s y stem  &  Fact s   Devic es         Dr .   S.  B .   Ka raj gi   Recei v ed  th e  M.E   in  R EC  W ara nga l  1987,   &   Ph.  D  from   NITK  Surathka l   in  2014.   Presently  He  is  W orking  asva   Profess or  in  Depa r tment  of  EEE  SD MCET  Dharwa d  Karna ta k a.   HIS   Resea rch   Are a  i nte rests  in  Pow er  S y stem  Oper at ion  &  Distr ib uti on  Gene r at io n,   Li fe   Mem ber   of   India n  Soc ie t y   T ec hni ca l   Edu ca t i on  (IS TE ).     Evaluation Warning : The document was created with Spire.PDF for Python.