I
nte
rna
t
io
na
l J
o
urna
l o
f
E
lect
rica
l a
nd
Co
m
p
ute
r
E
ng
in
ee
ring
(
I
J
E
CE
)
Vo
l.
9
,
No
.
4
,
A
u
g
u
s
t
201
9
,
p
p
.
2
3
0
3
~2
3
1
3
I
SS
N:
2
0
8
8
-
8708
,
DOI
: 1
0
.
1
1
5
9
1
/
i
j
ec
e
.
v9
i
4
.
p
p
2
3
0
3
-
2313
2303
J
o
ur
na
l ho
m
ep
a
g
e
:
h
ttp
:
//ia
e
s
co
r
e
.
co
m/
jo
u
r
n
a
ls
/in
d
ex
.
p
h
p
/
I
JE
C
E
M
ulti
-
o
bje
ctive o
pti
m
a
l
place
m
en
t
o
f
distribu
ted
gen
eratio
ns
for dy
na
m
i
c loa
ds
Sh
a
h M
o
ha
zz
em
H
o
s
s
a
i
n
1
,
A
bd
ul H
a
s
ib C
ho
w
dh
ury
2
1
De
p
a
rt
m
e
n
t
o
f
EE
CE,
M
i
li
tary
I
n
stit
u
te
o
f
S
c
ie
n
c
e
a
n
d
T
e
c
h
n
o
l
o
g
y
(M
IS
T
),
Ba
n
g
lad
e
sh
2
De
p
a
rt
m
e
n
t
o
f
EE
E,
Ba
n
g
lad
e
sh
Un
iv
e
rsit
y
o
f
En
g
in
e
e
r
in
g
a
n
d
T
e
c
h
n
o
l
o
g
y
(BUE
T
),
Ba
n
g
lad
e
sh
Art
icle
I
nfo
AB
ST
RAC
T
A
r
ticle
his
to
r
y:
R
ec
eiv
ed
No
v
2
5
,
2
0
1
8
R
ev
i
s
ed
Dec
2
0
,
2
0
1
8
A
cc
ep
ted
Ma
r
1
0
,
2
0
1
9
L
a
r
g
e
a
m
o
u
n
t
o
f
a
c
ti
v
e
p
o
w
e
r
lo
s
se
s
a
n
d
lo
w
v
o
lt
a
g
e
p
r
o
f
il
e
a
re
th
e
tw
o
m
a
jo
r
issu
e
s
c
o
n
c
e
rn
in
g
t
h
e
in
teg
ra
ti
o
n
o
f
d
istri
b
u
ted
g
e
n
e
ra
ti
o
n
s
w
it
h
e
x
isti
n
g
p
o
w
e
r
s
y
st
e
m
n
e
t
w
o
rk
s.
Hig
h
R/
X
ra
ti
o
a
n
d
l
o
n
g
d
ista
n
c
e
o
f
ra
d
ial
n
e
tw
o
rk
f
u
rth
e
r
a
g
g
ra
v
a
tes
th
e
issu
e
s
.
Op
ti
m
a
l
p
lac
e
m
e
n
t
o
f
d
istri
b
u
ted
g
e
n
e
ra
to
rs
c
a
n
a
d
d
re
ss
th
e
se
issu
e
s
sig
n
i
f
ica
n
tl
y
b
y
a
ll
e
v
iatin
g
a
c
ti
v
e
p
o
we
r
l
o
ss
e
s
a
n
d
a
m
e
li
o
ra
ti
n
g
v
o
lt
a
g
e
p
ro
f
il
e
i
n
a
c
o
st
e
f
f
e
c
ti
v
e
m
a
n
n
e
r.
In
th
is
re
se
a
rc
h
,
m
u
lt
i
-
o
b
jec
ti
v
e
o
p
ti
m
a
l
p
lac
e
m
e
n
t
p
ro
b
l
e
m
is
d
e
c
o
m
p
o
se
d
i
n
t
o
m
in
im
iza
ti
o
n
o
f
to
tal
a
c
ti
v
e
p
o
w
e
r
lo
ss
e
s,
m
a
x
i
m
i
z
a
ti
o
n
o
f
b
u
s
v
o
lt
a
g
e
p
ro
f
il
e
e
n
h
a
n
c
e
m
e
n
t
a
n
d
m
in
i
m
iza
ti
o
n
o
f
t
o
tal
g
e
n
e
ra
ti
o
n
c
o
st
o
f
a
p
o
w
e
r
s
y
ste
m
n
e
tw
o
rk
f
o
r
sta
ti
c
a
n
d
d
y
n
a
m
ic
lo
a
d
c
h
a
ra
c
teristics
.
Op
ti
m
u
m
u
ti
li
z
a
ti
o
n
f
a
c
to
r
f
o
r
in
sta
ll
e
d
g
e
n
e
ra
t
o
rs
a
n
d
a
v
a
il
a
b
le
lo
a
d
s
is
sc
a
led
b
y
th
e
a
n
a
ly
sis
o
f
y
e
a
rl
y
lo
a
d
-
d
e
m
a
n
d
c
u
rv
e
o
f
a
n
e
tw
o
rk
.
T
h
e
d
e
v
e
lo
p
e
d
a
lg
o
rit
h
m
o
f
N
-
b
u
s
sy
ste
m
is
i
m
p
lem
e
n
ted
in
IEE
E
-
1
4
b
u
s
sta
n
d
a
rd
tes
t
s
y
ste
m
to
d
e
m
o
n
stra
te
th
e
e
ff
ica
c
y
o
f
th
e
p
ro
p
o
se
d
m
e
th
o
d
in
d
if
f
e
re
n
t
lo
a
d
in
g
c
o
n
d
it
i
o
n
s
.
K
ey
w
o
r
d
s
:
Dis
tr
ib
u
ted
g
e
n
er
atio
n
D
y
n
a
m
ic
lo
ad
s
Op
ti
m
al
p
lace
m
en
t
Co
p
y
rig
h
t
©
2
0
1
9
In
stit
u
te o
f
A
d
v
a
n
c
e
d
E
n
g
i
n
e
e
rin
g
a
n
d
S
c
ien
c
e
.
Al
l
rig
h
ts re
se
rv
e
d
.
C
o
r
r
e
s
p
o
nd
ing
A
uth
o
r
:
Sh
a
h
Mo
h
az
ze
m
Ho
s
s
ai
n
Dep
ar
te
m
en
t
o
f
E
lectr
ical,
E
lectr
o
n
ic
an
d
C
o
m
m
u
n
icatio
n
E
n
g
i
n
ee
r
i
n
g
(
E
E
C
E
)
Militar
y
I
n
s
tit
u
te
o
f
Scien
ce
a
n
d
T
ec
h
n
o
lo
g
y
(
MI
ST
)
Dh
a
k
a
-
1
2
1
6
,
B
an
g
lad
esh
.
E
m
ail:
s
o
n
etee
e
@
g
m
ail.
co
m
;
m
o
h
az
ze
m
_
h
o
s
s
ai
n
@
ee
ce
.
m
i
s
t.a
c.
b
d
1.
I
NT
RO
D
UCT
I
O
N
Neo
ter
ic
p
o
w
er
s
y
s
te
m
n
et
w
o
r
k
is
in
ce
s
s
a
n
tl
y
b
ein
g
f
ac
ed
w
it
h
a
n
e
v
er
t
h
r
iv
i
n
g
lo
ad
d
em
an
d
w
it
h
ac
cr
etiv
e
lo
ad
r
esu
l
ts
a
g
g
r
a
v
at
ed
b
u
r
d
en
an
d
p
alliatio
n
o
f
s
y
s
te
m
v
o
ltag
e
m
a
g
n
it
u
d
e
.
A
r
ea
l
p
o
w
er
n
et
w
o
r
k
h
a
s
e
m
b
le
m
a
tic
b
eh
av
io
u
r
th
at
n
o
d
e
v
o
ltag
es
ar
e
w
an
ed
at
lo
n
g
d
is
ta
n
ce
b
u
s
lo
ca
tio
n
f
r
o
m
s
u
b
s
tatio
n
b
u
s
es
.
I
n
ap
p
r
o
p
r
iate
p
lace
m
en
t
o
f
n
e
w
d
is
tr
ib
u
ted
g
e
n
er
at
io
n
s
(
DG
)
is
th
e
m
ai
n
ca
u
s
e
o
f
v
o
lta
g
e
d
r
o
o
p
.
E
v
en
a
ce
r
tai
n
in
d
u
s
tr
ial
ar
ea
w
ith
cr
itica
l
lo
ad
in
g
,
it
m
a
y
lead
t
o
v
o
ltag
e
co
llap
s
e
o
f
t
h
e
w
h
o
le
n
et
w
o
r
k
.
T
h
u
s
,
o
p
tim
a
l
p
lace
m
en
t
o
f
D
G
is
an
ex
ig
e
n
t
is
s
u
e
to
a
m
eli
o
r
ate
th
e
v
o
ltag
e
m
ag
n
it
u
d
e
f
o
r
av
o
id
in
g
a
s
u
d
d
en
v
o
ltag
e
co
llap
s
e.
A
d
is
tr
ib
u
ti
o
n
n
et
w
o
r
k
ca
u
s
es
a
s
i
g
n
i
f
ica
n
t
a
m
o
u
n
t
o
f
p
o
w
er
lo
s
s
e
s
an
d
a
d
r
o
p
in
v
o
lta
g
e
m
ag
n
it
u
d
e
alo
n
g
th
e
r
ad
ial
lin
es
d
u
e
to
its
h
i
g
h
R
/X
r
atio
th
an
tr
an
s
m
i
s
s
io
n
n
et
w
o
r
k
s
[
1]
.
Ho
w
e
v
er
,
f
i
n
an
cia
l
is
s
u
es
a
s
w
ell
a
s
o
v
er
all
e
f
f
icie
n
c
y
o
f
t
h
e
d
is
tr
ib
u
tio
n
u
til
ities
is
b
ein
g
i
n
f
lu
e
n
ce
d
b
y
t
h
ese
n
o
n
-
n
e
g
li
g
ib
le
lo
s
s
e
s
.
O
v
er
all
e
f
f
icien
c
y
o
f
p
o
w
er
d
eliv
er
y
to
w
ar
d
s
co
n
s
u
m
er
s
i
s
b
ein
g
b
o
o
s
ted
b
y
f
o
r
c
in
g
t
h
e
ele
ctr
ical
u
ti
liti
es
to
ab
ate
th
e
s
y
s
te
m
lo
s
s
es
at
d
is
t
r
ib
u
tio
n
en
d
s
.
A
g
o
o
d
n
u
m
b
er
o
f
ar
r
an
g
e
m
e
n
ts
h
as
alr
ea
d
y
b
ee
n
w
o
r
k
ed
o
u
t
to
cu
r
tail
th
e
s
e
lo
s
s
e
s
lik
e
o
p
ti
m
al
d
is
tr
ib
u
ted
g
en
er
ato
r
p
lace
m
en
t,
n
et
w
o
r
k
r
ec
o
n
f
i
g
u
r
at
io
n
,
s
h
u
n
t
ca
p
ac
ito
r
p
lace
m
en
t
f
o
r
r
ea
cti
v
e
p
o
w
er
co
m
p
e
n
s
at
io
n
etc.
[
2
]
.
I
n
teg
r
atio
n
o
f
DG
at
o
p
ti
m
al
l
o
ca
tio
n
ca
n
in
d
u
lg
e
n
ce
in
r
ed
u
cin
g
e
n
er
g
y
lo
s
s
e
s
,
p
ea
k
d
em
an
d
lo
s
s
es
an
d
en
h
a
n
ce
m
e
n
t
o
f
v
o
ltag
e
p
r
o
f
ile,
n
et
w
o
r
k
s
tab
il
it
y
an
d
p
o
w
er
f
ac
to
r
o
f
t
h
e
w
h
o
le
n
et
wo
r
k
[
3
].
T
h
u
s
,
n
e
w
DGs
ar
e
n
ee
d
ed
to
b
e
co
n
n
ec
t
ed
in
s
u
ch
a
m
a
n
n
er
t
h
at
it
ab
s
tain
s
d
e
g
r
ad
atio
n
o
f
p
o
w
er
q
u
alit
y
a
n
d
r
eliab
ilit
y
.
In
f
elic
ito
u
s
allo
ca
tio
n
o
f
DG
in
ter
m
s
o
f
it
s
b
u
s
lo
ca
tio
n
m
a
y
lead
to
r
is
e
in
f
a
u
lt
cu
r
r
en
ts
,
ca
u
s
e
s
v
o
ltag
e
v
ar
iatio
n
s
,
in
ter
v
e
n
e
i
n
v
o
ltag
e
-
co
n
tr
o
l
p
r
o
ce
s
s
es,
i
n
cr
ea
s
e
lo
s
s
es,
s
y
s
te
m
ca
p
ital
a
n
d
o
p
er
atin
g
co
s
t
s
etc
.
Evaluation Warning : The document was created with Spire.PDF for Python.
I
SS
N
:
2
0
8
8
-
8708
I
n
t J
E
lec
&
C
o
m
p
E
n
g
,
Vo
l.
9
,
No
.
4
,
A
u
g
u
s
t 2
0
1
9
:
2
3
0
3
-
2313
2304
E
v
alu
a
tio
n
o
f
t
h
e
tech
n
ical
i
m
p
ac
ts
o
f
DG
is
v
er
y
te
n
ac
io
u
s
an
d
ar
d
u
o
u
s
w
o
r
k
.
Mo
r
eo
v
er
,
in
s
tal
l
atio
n
a
n
d
p
lace
m
en
t
o
f
DG
u
n
its
is
n
o
t
s
tr
aig
h
t
-
f
o
r
w
ar
d
a
n
d
n
ee
d
to
b
e
p
r
ec
is
el
y
al
lu
d
ed
e
s
p
ec
ial
l
y
f
o
r
lo
ad
v
ar
y
in
g
co
n
d
itio
n
s
w
it
h
d
if
f
er
e
n
t
v
a
r
iab
les
lik
e
p
o
w
er
lo
s
s
,
v
o
l
tag
e
p
r
o
f
il
e,
g
en
er
atio
n
co
s
t
,
lo
ad
f
ac
to
r
an
d
r
eliab
ilit
y
[
4
].
A
lo
t
o
f
co
m
p
le
x
it
y
ar
is
e
s
d
u
r
in
g
o
p
ti
m
izatio
n
o
f
t
h
ese
n
o
n
-
co
m
m
e
n
s
u
r
ab
le
v
ar
iab
les
w
it
h
d
if
f
er
en
t
t
y
p
es
o
f
e
q
u
al
it
y
an
d
in
eq
u
ali
t
y
co
n
s
tr
ai
n
ts
.
A
g
o
o
d
n
u
m
b
e
r
o
f
o
p
ti
m
iza
tio
n
tech
n
iq
u
e
s
a
n
d
alg
o
r
it
h
m
h
av
e
alr
ea
d
y
p
r
o
p
o
s
ed
in
clu
d
i
n
g
a
n
al
y
tical
ap
p
r
o
ac
h
,
co
m
p
u
tat
io
n
al
ap
p
r
o
ac
h
an
d
d
if
f
er
en
t
t
y
p
es
o
f
a
r
ti
f
ic
ial
i
n
telli
g
e
n
ce
ap
p
r
o
ac
h
to
s
o
lv
e
th
ese
te
n
ac
io
u
s
o
p
ti
m
iza
tio
n
p
r
o
b
lem
.
A
s
i
m
p
le
an
al
y
tical
m
eth
o
d
is
ap
p
lied
f
o
r
r
ea
l
p
o
w
er
lo
s
s
ab
ate
m
en
t
an
d
v
o
ltag
e
p
r
o
f
ile
en
h
a
n
ce
m
en
t
b
ased
o
n
v
o
lta
g
e
s
e
n
s
i
tiv
it
y
in
d
ex
an
d
p
o
w
er
f
lo
w
an
al
y
s
is
b
y
u
s
in
g
f
o
r
w
ar
d
-
b
ac
k
w
ar
d
s
w
ee
p
m
et
h
o
d
[
5
]
.
I
n
m
at
h
e
m
a
tical
ap
p
r
o
ac
h
b
ased
o
n
p
o
w
er
lo
s
s
in
d
e
x
an
d
lo
ad
f
lo
w
an
al
y
s
i
s
,
to
tal
ac
tiv
e
p
o
w
er
lo
s
s
o
f
d
is
tr
ib
u
t
io
n
lin
e
s
w
ith
DG
i
s
en
u
m
er
ated
in
n
e
w
to
n
-
r
ap
h
s
o
n
ex
ten
d
ed
m
et
h
o
d
[
6
]
.
An
a
lter
n
ate
s
o
l
u
tio
n
is
v
i
n
d
icate
d
to
a
s
s
u
ag
e
th
e
i
m
p
ac
t
o
f
DG
r
ea
ctiv
e
p
o
w
er
d
e
m
a
n
d
in
tr
an
s
m
i
s
s
io
n
v
o
ltag
e
s
an
d
g
o
b
ey
o
n
d
th
e
d
is
tr
ib
u
tio
n
v
o
l
tag
e
r
is
e
b
ar
r
ier
s
u
ch
th
at
m
o
r
e
DG
is
co
n
n
ec
ted
.
T
h
e
f
ix
ed
p
o
w
er
f
ac
to
r
s
o
f
th
e
i
n
s
talled
g
en
er
ato
r
s
a
n
d
tap
s
ettin
g
tr
a
n
s
f
o
r
m
er
is
e
v
alu
ated
b
y
li
n
ea
r
p
r
o
g
r
am
m
i
n
g
f
o
r
m
u
lat
io
n
tec
h
n
iq
u
e
[
7
].
I
n
th
is
m
o
d
er
n
er
a,
an
al
y
t
ical
an
d
co
m
p
u
tatio
n
a
l o
p
tim
izatio
n
tech
n
iq
u
e
s
ar
e
b
ein
g
p
h
ased
o
u
t b
y
t
h
e
m
o
s
t
p
r
o
m
i
s
i
n
g
ar
ti
f
ic
ial
i
n
tel
lig
e
n
ce
tec
h
n
iq
u
es
i
n
cl
u
d
in
g
esp
ec
iall
y
g
e
n
etic
al
g
o
r
ith
m
[
8
]
,
p
ar
ticle
s
w
ar
m
o
p
tim
izatio
n
[
9
-
11
]
,
ar
tif
icial
n
e
u
r
al
n
e
t
w
o
r
k
[
1
2
-
13
]
,
h
ar
m
o
n
y
s
ea
r
c
h
d
i
f
f
er
e
n
tial
o
p
er
ato
r
[
1
4
]
,
im
m
u
n
e
alg
o
r
ith
m
[
15
]
an
d
clo
n
al
s
elec
tio
n
etc.
[
1
6
].
G
en
etic
alg
o
r
ith
m
(
G
A
)
w
it
h
r
ea
l
co
d
es
an
d
b
ac
k
w
ar
d
f
o
r
w
ar
d
p
o
w
er
f
lo
w
m
et
h
o
d
b
ased
o
n
2
0
b
u
s
d
is
tr
ib
u
tio
n
n
et
w
o
r
k
is
u
s
ed
to
o
p
ti
m
all
y
lo
ca
te
DG
f
o
r
m
i
n
i
m
u
m
s
y
s
te
m
lo
s
s
es
an
d
m
a
x
i
m
u
m
v
o
lta
g
e
in
r
ad
ial
d
is
tr
ib
u
tio
n
n
et
w
o
r
k
s
.
T
h
e
o
p
tim
izatio
n
p
r
o
b
lem
w
i
th
m
i
n
i
m
izatio
n
o
f
r
ea
l
p
o
w
er
lo
s
s
s
u
b
j
ec
t
ed
to
d
i
f
f
er
en
t
co
n
s
tr
ai
n
t
s
is
s
o
lv
ed
o
n
th
e
b
asis
o
f
ac
tiv
e
p
o
w
er
lo
s
s
s
en
s
itiv
it
y
of
r
ea
l
p
o
w
er
in
j
ec
tio
n
th
r
o
u
g
h
DG
[
17
].
P
ar
ticle
s
w
ar
m
o
p
ti
m
izatio
n
(
P
SO)
b
ased
h
y
b
r
id
o
b
j
ec
tiv
e
ap
p
r
o
ac
h
f
o
r
o
p
tim
al
p
lace
m
en
t
o
f
DG
i
s
u
s
ed
w
ith
p
o
w
er
lo
s
s
r
ed
u
c
tio
n
an
d
r
eliab
ilit
y
i
m
p
r
o
v
e
m
en
t
in
d
ex
f
o
r
o
n
l
y
ac
tiv
e
p
o
w
er
lo
s
s
es
[
18
].
E
v
o
lu
tio
n
ar
y
P
SO
h
as
p
r
o
v
id
ed
s
u
p
er
io
r
r
esu
lts
w
it
h
less
n
u
m
b
er
o
f
iter
atio
n
,
co
m
p
u
tat
io
n
ti
m
e
an
d
also
av
o
id
th
e
p
r
o
b
lem
o
f
b
ein
g
tr
ap
p
ed
in
a
lo
ca
l
m
i
n
i
m
u
m
b
y
s
elec
tin
g
th
e
s
u
r
v
i
v
al
p
ar
ticles
to
r
e
m
ain
i
n
th
e
n
ex
t
iter
atio
n
[
19
].
A
d
v
an
ce
d
p
ar
eto
-
f
r
o
n
t
n
o
n
-
d
o
m
i
n
ated
s
o
r
tin
g
w
i
th
f
u
zz
y
d
ec
is
io
n
tec
h
n
iq
u
e
h
as
r
ec
en
tl
y
ap
p
lied
to
e
s
s
e
n
ce
th
e
tr
ad
e
-
o
f
f
s
o
l
u
tio
n
s
et
f
r
o
m
d
if
f
er
en
t
o
b
j
ec
tiv
e
f
u
n
ctio
n
s
li
k
e
p
o
w
er
lo
s
s
,
v
o
ltag
e
s
tab
ilit
y
an
d
d
ev
iatio
n
o
p
ti
m
izatio
n
i
n
I
E
E
E
-
3
3
b
u
s
test
s
y
s
te
m
[
10
].
A
s
m
ar
t
g
r
id
s
y
s
te
m
w
it
h
DG
is
d
ev
elo
p
ed
in
i
m
m
u
n
e
alg
o
r
ith
m
b
ased
o
n
t
h
e
co
s
t
o
f
d
if
f
er
e
n
t
s
ec
tio
n
s
i.e
.
e
n
v
ir
o
n
m
en
tal
co
m
p
e
n
s
at
io
n
,
tr
ad
itio
n
al
DG
ca
p
ac
it
y
,
DG
o
p
er
atio
n
an
d
m
a
in
te
n
a
n
ce
,
p
u
r
ch
a
s
ed
p
o
w
er
a
n
d
n
et
w
o
r
k
lo
s
s
f
o
r
I
E
E
E
-
3
0
b
u
s
test
s
y
s
te
m
.
T
h
e
o
p
ti
m
al
s
o
lu
tio
n
in
d
y
n
a
m
ic
p
r
o
g
r
a
m
m
i
n
g
m
et
h
o
d
is
e
f
f
ec
ti
v
el
y
r
eso
lv
e
d
th
e
DG
p
la
n
n
i
n
g
p
r
o
b
le
m
of
s
m
ar
t
g
r
id
s
y
s
te
m
.
In
a
h
y
b
r
id
tec
h
n
iq
u
e
co
n
s
is
tin
g
GA
an
d
ar
ti
f
ic
ial
n
e
u
r
al
n
e
t
w
o
r
k
i
s
ap
p
lied
f
o
r
p
la
cin
g
DG
s
at
w
o
r
t
h
y
lo
ca
tio
n
s
a
n
d
ev
al
u
ati
n
g
g
e
n
er
at
ed
p
o
w
er
b
ased
o
n
lo
ad
v
ar
iatio
n
s
to
en
s
u
r
e
o
p
ti
m
al
p
o
w
er
q
u
alit
y
a
n
d
re
liab
ilit
y
[
20
].
O
p
ti
m
al
lo
ca
tio
n
is
d
eter
m
in
e
d
co
n
s
id
er
in
g
t
h
e
p
o
w
er
lo
s
s
e
s
at
ea
ch
DG
co
n
n
ec
ted
b
u
s
b
y
u
s
in
g
th
e
n
e
w
to
n
-
r
ap
h
s
o
n
e
x
ten
d
ed
m
e
th
o
d
in
n
ep
la
n
s
i
m
u
latio
n
te
ch
n
iq
u
e
[
8
]
.
In
co
m
b
i
n
atio
n
o
f
G
A
an
d
P
SO
is
i
m
p
le
m
en
ted
to
m
i
n
i
m
ize
r
e
al
p
o
w
er
lo
s
s
e
s
a
n
d
in
cr
ea
s
e
v
o
lta
g
e
s
tab
ili
t
y
o
f
a
5
2
b
u
s
s
y
s
te
m
w
it
h
lo
ad
u
n
ce
r
tai
n
t
y
d
u
r
i
n
g
o
p
ti
m
al
p
lace
m
en
t
[
21
].
A
n
e
w
m
e
th
o
d
o
lo
g
y
u
s
i
n
g
s
i
m
p
le
d
ata
f
r
o
m
d
is
tr
ib
u
tio
n
n
et
wo
r
k
o
p
er
ato
r
s
co
n
tr
o
l
ce
n
ter
o
f
th
e
r
e
g
io
n
co
n
n
ec
ti
n
g
f
ee
d
er
s
is
also
u
s
ed
to
d
eter
m
i
n
e
t
h
e
o
p
ti
m
al
lo
ca
ti
o
n
o
f
m
ed
i
u
m
s
ize
DGs
w
it
h
u
n
ce
r
tain
to
p
o
lo
g
ies
in
Mo
n
te
C
ar
lo
s
i
m
u
latio
n
a
n
a
l
y
s
i
s
[
22
].
A
l
g
o
r
ith
m
h
as
al
s
o
b
ee
n
d
ev
elo
p
ed
to
o
p
tim
ize
b
o
th
p
o
w
er
lo
s
s
es
an
d
v
o
ltag
e
p
r
o
f
ile
b
y
b
u
s
in
j
ec
tio
n
to
b
r
an
ch
cu
r
r
en
t
an
d
b
r
an
ch
-
c
u
r
r
en
t
to
b
u
s
v
o
lta
g
e
m
atr
i
ce
s
.
I
n
m
o
s
t
o
f
th
e
p
r
o
p
o
s
ed
tech
n
iq
u
es,
g
e
n
er
ati
o
n
co
s
t is ig
n
o
r
ed
an
d
o
n
ly
s
ta
tic
lo
ad
s
ar
e
co
n
s
id
er
ed
d
u
r
in
g
o
p
tim
al
p
lace
m
e
n
t
o
f
d
is
tr
ib
u
ted
g
e
n
er
ato
r
s
.
2.
P
RO
B
L
E
M
ST
AT
E
M
E
NT
F
O
RM
UL
AT
I
O
N
M
u
lti
-
o
b
j
ec
tiv
e
n
o
n
-
co
m
m
en
s
u
r
ab
le
f
u
n
c
tio
n
s
w
it
h
a
n
u
m
b
er
o
f
eq
u
alit
y
an
d
i
n
eq
u
a
lit
y
co
n
s
tr
ain
ts
ar
e
b
ein
g
o
p
ti
m
ized
f
o
r
t
h
e
D
G
p
lace
m
en
t i
n
t
h
e
p
o
w
er
s
y
s
t
e
m
n
et
w
o
r
k
.
Op
timiz
e F(
x)
=
[
min
F
L
os
s
(
x)
×
ma
x V
bus
(
x)
]
×
min
F
c
os
t
(
x)
W
h
er
e,
F
Loss
(
x)
=
S
y
s
te
m
ac
t
i
v
e
p
o
w
er
lo
s
s
V
bus
(
x)
=
I
m
p
r
o
v
ed
b
u
s
v
o
lta
g
e
p
r
o
f
ile
&
F
cost
(
x)
=
T
o
tal
g
en
er
atio
n
co
s
t o
f
th
e
n
et
w
o
r
k
Evaluation Warning : The document was created with Spire.PDF for Python.
I
n
t J
E
lec
&
C
o
m
p
E
n
g
I
SS
N:
2
0
8
8
-
8708
Mu
lti
-
o
b
jective
o
p
tima
l p
la
ce
men
t o
f d
is
tr
ib
u
ted
g
en
era
tio
n
s
fo
r
d
yn
a
mic
lo
a
d
s
(
S
h
a
h
Mo
h
a
z
z
em
Ho
s
s
a
in
)
2305
2
.
1
.
M
ini
m
iza
t
io
n o
f
s
y
s
t
e
m
po
w
er
lo
s
s
As
t
h
e
cu
r
r
en
t
en
ter
in
g
a
b
u
s
is
co
n
s
id
er
ed
p
o
s
itiv
e
a
n
d
leav
i
n
g
th
e
b
u
s
i
s
n
eg
at
iv
e
t
h
at
ca
u
s
e
s
co
r
r
esp
o
n
d
in
g
l
y
th
e
r
ea
l
p
o
wer
an
d
r
ea
ctiv
e
p
o
w
er
e
n
ter
in
g
th
a
t
b
u
s
is
p
o
s
iti
v
e
a
n
d
n
eg
ativ
e.
T
h
e
co
m
p
le
x
p
o
w
er
at
b
u
s
-
i o
f
Fi
g
u
r
e
1
is
th
en
g
i
v
en
b
y
,
P
i
–
jQ
i
= V
i
*
I
i
= V
i
*
∑
=
1
Fro
m
p
er
-
u
n
it
s
y
s
te
m
,
S
ik
= P
i
k
+ j
Q
ik
= V
i
I
ik
*
W
h
er
e,
I
ik
=
[
+
]
∗
T
ak
in
g
o
n
l
y
t
h
e
m
a
g
n
it
u
d
e,
|
|
=
√
2
+
2
|
|
|
|
2
=
2
+
2
|
|
2
|
|
2
×
=
2
+
2
|
|
2
×
=
2
+
2
|
|
2
×
T
h
e
to
tal
ac
tiv
e
p
o
w
er
lo
s
s
f
o
r
N
n
u
m
b
er
o
f
b
u
s
s
ec
tio
n
s
is
e
x
p
r
ess
ed
as
min
F
Loss
=
=
∑
,
;
≠
Fig
u
r
e
1
.
Sin
g
le
b
u
s
s
y
s
te
m
n
e
t
w
o
r
k
2
.
2
.
Vo
l
t
a
g
e
pro
f
ile
m
a
x
i
m
iz
a
t
io
n
B
u
s
v
o
lta
g
e
p
r
o
f
ile
i
s
a
n
al
y
s
e
d
b
y
g
au
s
s
-
s
e
id
al
lo
ad
f
lo
w
s
t
u
d
y
w
h
er
e,
u
p
d
ated
b
u
s
v
o
lta
g
e
p
r
o
f
ile
v
alu
e
i
s
d
eter
m
i
n
ed
in
f
o
llo
w
i
n
g
w
a
y
f
r
o
m
t
h
e
co
m
p
lex
p
o
wer
eq
u
atio
n
.
V
i
=
1
[
−
∗
-
Y
i1
V
1
-
Y
i2
V
2
-
Y
i3
V
3
-
∙∙∙∙∙∙∙∙∙
-
Y
in
V
n
]
Up
d
at
ed
f
in
al
to
tal
b
u
s
v
o
lta
g
e
o
f
all
b
u
s
es i
s
r
ep
r
esen
ted
b
y
ma
x
V
Bus
=
∑
=
1
2
.
3
.
G
ener
a
t
io
n c
o
s
t
o
ptim
iz
a
t
io
n
T
h
e
to
tal
c
o
s
ts
in
clu
d
e
th
e
f
i
x
ed
co
s
ts
d
u
r
in
g
in
itial
i
n
v
e
s
t
m
e
n
t
an
d
v
ar
iab
le
co
s
ts
in
cl
u
d
in
g
th
e
m
ai
n
ten
a
n
ce
co
s
t a
n
d
u
tili
za
ti
o
n
f
ac
to
r
o
f
DG
u
n
it
s
w
h
ich
i
s
ex
p
r
ess
ed
th
r
o
u
g
h
f
o
llo
w
i
n
g
eq
u
atio
n
.
min
F
cost
=
a
+ b
P
+ c
P
2
+ d
P
3
W
h
er
e
a,
b,
c,
d
is
th
e
co
r
r
esp
o
n
d
in
g
co
ef
f
icien
t
v
al
u
e
f
o
r
f
i
x
ed
an
d
v
ar
iab
le
co
s
t
o
f
t
h
e
n
e
t
w
o
r
k
.
3.
SYST
E
M
CO
NST
RAI
NT
S
T
h
e
o
b
j
ec
tiv
e
f
u
n
ctio
n
s
f
o
r
th
e
DG
p
lace
m
e
n
t
p
r
o
b
lem
i
s
n
e
ed
ed
to
m
ee
t
ce
r
tai
n
s
ec
u
r
it
y
c
o
n
s
tr
ain
ts
an
d
n
et
w
o
r
k
co
n
s
tr
ain
t
s
.
an
d
ar
e
in
j
ec
ted
ac
tiv
e
a
n
d
r
ea
ctiv
e
p
o
w
er
s
to
t
h
e
d
is
tr
ib
u
tio
n
n
e
t
w
o
r
k
Evaluation Warning : The document was created with Spire.PDF for Python.
I
SS
N
:
2
0
8
8
-
8708
I
n
t J
E
lec
&
C
o
m
p
E
n
g
,
Vo
l.
9
,
No
.
4
,
A
u
g
u
s
t 2
0
1
9
:
2
3
0
3
-
2313
2306
b
y
s
u
b
-
tr
an
s
m
is
s
io
n
n
et
w
o
r
k
.
an
d
ar
e
ass
o
ciate
d
ac
ti
v
e
an
d
r
ea
ctiv
e
p
o
w
er
s
o
f
DGs.
P
d
an
d
Q
d
ar
e
to
tal
p
o
w
er
d
e
m
a
n
d
o
f
n
et
w
o
r
k
lo
ad
s
.
an
d
ar
e
b
o
th
ac
tiv
e
a
n
d
r
ea
ctiv
e
p
o
w
er
lo
s
s
e
s
o
f
t
h
e
n
et
w
o
r
k
.
Net
w
o
r
k
p
o
w
er
b
alan
ce
eq
u
ati
o
n
f
o
r
th
e
n
et
w
o
r
k
is
e
x
p
r
ess
e
d
as
+
=
+
+
=
+
E
lectr
ical
n
et
w
o
r
k
co
n
tai
n
s
s
o
m
e
i
m
p
er
ati
v
e
co
n
s
tr
ai
n
ts
li
k
e
b
u
s
v
o
lta
g
e
(
V
i
)
,
t
h
er
m
al
cu
r
r
e
n
t
(
I
ij
)
li
m
i
ts
o
f
ea
c
h
lin
e
an
d
p
o
w
er
li
m
i
ts
o
f
co
n
n
e
cted
DG.
V
i
min
≤
V
i
≤
V
i
max
I
ij
≤
I
ij
max
P
DG
min
≤
P
DG
≤
P
DG
max
Q
DG
min
≤
Q
DG
≤
Q
DG
max
4.
M
O
DE
L
SY
ST
E
M
O
P
T
I
M
I
Z
A
T
I
O
N
I
n
th
i
s
w
o
r
k
,
m
u
l
ti
-
o
b
j
ec
tiv
e
o
p
tim
a
l
p
lace
m
e
n
t
p
r
o
b
le
m
is
d
ec
o
m
p
o
s
ed
in
to
d
i
f
f
er
e
n
t
t
y
p
es
o
f
r
ea
l
ti
m
e
v
ar
iab
le
f
u
n
ctio
n
s
.
A
n
a
l
g
o
r
ith
m
i
s
d
ev
elo
p
ed
in
M
A
T
L
A
B
to
o
p
ti
m
ize
t
h
ese
v
ar
iab
l
es
in
N
-
b
u
s
s
y
s
te
m
n
et
w
o
r
k
.
T
h
e
d
ev
elo
p
ed
tech
n
iq
u
e
is
ap
p
lied
in
I
E
E
E
-
1
4
b
u
s
test
s
y
s
te
m
s
o
f
F
ig
u
r
e
2
w
h
er
e,
b
u
s
-
1
i
s
s
elec
ted
as
s
lack
b
u
s
o
f
t
h
e
n
et
w
o
r
k
.
B
u
s
-
1
3
an
d
b
u
s
-
1
4
ar
e
g
en
er
ato
r
(
PV
)
b
u
s
,
ex
ce
p
t
all
r
est
a
r
e
lo
ad
(
PQ
)
b
u
s
es.
T
h
e
lin
e
i
m
p
ed
an
ce
s
w
it
h
t
h
e
lin
e
c
h
ar
g
i
n
g
ad
m
itta
n
ce
s
,
b
u
s
v
o
ltag
e
m
a
g
n
itu
d
e
s
,
in
s
tall
ed
g
en
er
ato
r
r
atin
g
,
o
p
er
atin
g
c
y
c
le,
co
s
t
co
ef
f
icie
n
t
o
f
th
e
n
et
w
o
r
k
is
s
h
o
w
n
i
n
T
ab
le
1
to
T
ab
le
4
.
T
h
e
o
p
er
atio
n
o
f
p
o
w
er
s
y
s
te
m
s
h
as
b
ee
n
co
m
p
licated
b
y
t
h
e
r
ap
id
d
iv
er
s
if
icatio
n
o
f
lo
ad
s
in
r
ec
en
t
d
a
y
s
e
s
p
ec
iall
y
in
in
d
u
s
tr
ialize
ar
ea
s
.
L
o
ad
ch
ar
ac
ter
is
tic
s
an
al
y
s
i
s
h
as
b
ec
o
m
e
o
n
e
o
f
th
e
m
o
s
t
s
ig
n
if
ica
n
t
p
ar
t
in
m
o
d
er
n
e
n
er
g
y
m
an
a
g
e
m
e
n
t
s
y
s
te
m
to
f
in
d
th
e
o
p
ti
m
al
b
u
s
lo
ca
tio
n
o
f
DG
an
d
n
et
w
o
r
k
r
eliab
ilit
y
.
Un
s
tab
le
lo
ad
in
g
co
n
d
itio
n
s
ca
u
s
es
d
if
f
ic
u
ltie
s
in
d
eter
m
i
n
in
g
t
h
e
av
ailab
le
lo
ad
in
a
ce
r
tain
ti
m
e
p
er
io
d
.
M
o
s
tl
y
,
lo
ad
v
alu
e
s
ar
e
f
o
r
ec
asted
f
r
o
m
th
e
av
ai
lab
le
lo
ad
cu
r
v
es o
f
t
h
e
p
ar
ticu
lar
s
ec
tio
n
o
f
a
n
et
w
o
r
k
.
Fig
u
r
e
2
.
I
E
E
E
-
1
4
b
u
s
s
y
s
te
m
n
et
w
o
r
k
T
ab
le
1
.
L
in
e
i
m
p
ed
an
ce
s
an
d
lin
e
ch
ar
g
i
n
g
ad
m
itta
n
ce
s
L
i
n
e
(
B
u
s
t
o
B
u
s)
I
mp
e
d
a
n
c
e
(
p
u
)
L
i
n
e
C
h
a
r
g
i
n
g
(
Y
/
2
)
R
o
h
m
X
o
h
m
1
2
0
.
0
1
9
3
8
0
.
0
5
9
1
7
0
.
0
2
6
4
1
5
0
.
0
5
4
0
3
0
.
2
2
3
0
4
0
.
0
2
1
9
2
14
0
.
0
4
6
9
9
0
.
1
9
7
9
7
0
.
0
1
8
7
2
4
0
.
0
5
8
1
1
0
.
1
7
6
3
2
0
.
0
2
4
6
2
5
0
.
0
5
6
9
5
0
.
1
7
3
8
8
0
.
0
1
7
14
4
0
.
0
6
7
0
1
0
.
1
7
1
0
3
0
.
0
1
7
3
4
5
0
.
0
1
3
3
5
0
.
0
4
2
1
1
0
.
0
0
6
4
4
7
0
.
0
1
2
1
0
.
2
0
9
1
2
0
.
0
0
1
4
4
13
0
.
0
2
1
1
0
.
5
5
6
1
8
0
.
0
0
2
4
1
5
6
0
.
0
3
2
1
7
0
.
2
5
2
0
2
0
.
0
0
1
4
L
i
n
e
(
B
u
s
t
o
B
u
s)
I
mp
e
d
a
n
c
e
(
p
u
)
L
i
n
e
C
h
a
r
g
i
n
g
(
Y
/
2
)
R
o
h
m
X
o
h
m
6
11
0
.
0
9
4
9
8
0
.
1
9
8
9
0
.
0
0
6
1
1
6
12
0
.
1
2
2
9
1
0
.
2
5
5
8
1
0
.
0
0
1
2
1
6
8
0
.
0
6
6
1
5
0
.
1
3
0
2
7
0
.
0
0
1
4
7
9
0
.
0
4
1
3
1
0
.
1
7
6
1
5
0
.
0
1
1
1
7
13
0
.
0
2
1
3
3
0
.
1
1
0
0
1
0
.
0
0
1
3
1
13
10
0
.
0
3
1
8
1
0
.
0
8
4
5
0
.
0
1
6
4
13
3
0
.
1
2
7
1
1
0
.
2
7
0
3
8
0
.
0
0
2
5
10
11
0
.
0
8
2
0
5
0
.
1
9
2
0
7
0
.
0
1
1
4
12
8
0
.
2
2
0
9
2
0
.
1
9
9
8
8
0
.
0
1
6
4
8
3
0
.
1
7
0
9
3
0
.
3
4
8
0
2
0
.
0
0
3
4
7
Evaluation Warning : The document was created with Spire.PDF for Python.
I
n
t J
E
lec
&
C
o
m
p
E
n
g
I
SS
N:
2
0
8
8
-
8708
Mu
lti
-
o
b
jective
o
p
tima
l p
la
ce
men
t o
f d
is
tr
ib
u
ted
g
en
era
tio
n
s
fo
r
d
yn
a
mic
lo
a
d
s
(
S
h
a
h
Mo
h
a
z
z
em
Ho
s
s
a
in
)
2307
T
ab
le
2
.
B
u
s
v
o
lta
g
e
m
a
g
n
it
u
d
es
an
d
g
en
er
ato
r
r
atin
g
B
u
s
T
y
p
e
B
u
s
N
o
.
B
u
s
V
o
l
t
a
g
e
P
o
w
e
r
G
e
n
e
r
a
t
e
d
M
a
g
n
i
t
u
d
e
(
p
u
)
A
n
g
l
e
(
d
e
g
)
P
(
M
W
)
Q
(
M
V
A
R
)
S
l
a
c
k
1
1
.
0
6
0
40
-
PV
bus
13
1
.
0
1
-
35
-
14
1
.
0
4
5
-
25
-
DG
-
1
.
0
0
-
3
-
T
ab
le
3
.
I
n
s
talled
g
en
er
ato
r
o
p
er
atin
g
c
y
cle
G
e
n
e
r
a
t
o
r
M
a
x
(
M
W
)
Mi
(
M
W
)
U
p
T
i
me
(Hr)
D
o
w
n
T
i
me
(Hr)
P
r
i
o
r
i
t
y
O
r
d
e
r
G
e
n
-
1
40
2
0
6
3
1
G
e
n
-
2
35
10
5
2
2
G
e
n
-
3
2
5
8
4
2
3
DG
3
0
.
5
2
1
4
T
ab
le
4
.
I
n
s
talled
g
en
er
ato
r
co
s
t
co
ef
f
icie
n
t v
al
u
es
G
e
n
e
r
a
t
o
r
a
b
c
d
G
e
n
-
1
2
5
.
5
1
2
.
3
0
.
2
2
0
6
G
e
n
-
2
2
7
.
6
2
1
5
.
4
2
.
2
2
8
1
G
e
n
-
3
2
0
.
4
1
1
1
.
7
1
.
7
2
5
0
D
G
2
2
.
2
1
1
8
.
3
1
1
5
.
2
3
5
0
5
A
lo
ad
cu
r
v
e
r
ef
lect
s
t
h
e
ch
a
n
g
e
o
f
elec
tr
ical
p
o
w
er
co
n
s
u
m
p
tio
n
b
y
co
n
s
u
m
er
s
o
v
er
a
p
ar
t
icu
lar
ti
m
e
c
y
cle
lik
e
a
d
a
y
,
w
ee
k
,
m
o
n
t
h
o
r
y
ea
r
.
C
o
g
n
i
s
an
t
v
al
u
es
o
f
co
n
s
u
m
er
’
s
lo
ad
m
ak
e
t
h
e
lo
ad
ca
lcu
latio
n
v
er
y
m
u
c
h
s
tr
ai
g
h
t
f
o
r
w
ar
d
in
an
y
s
ec
tio
n
.
C
o
n
s
u
m
er
s
f
ac
to
r
an
d
tim
e
f
ac
to
r
m
ai
n
l
y
i
n
f
l
u
en
c
e
th
e
d
y
n
a
m
ic
lo
ad
m
o
d
ell
in
g
an
d
f
o
r
ec
asti
n
g
.
T
h
e
cu
s
to
m
er
f
ac
to
r
is
r
elate
d
w
i
th
th
e
to
tal
n
u
m
b
er
,
t
y
p
e
an
d
p
o
w
er
co
n
s
u
m
p
tio
n
r
ate
o
f
th
e
in
s
talled
elec
tr
ical
ap
p
lian
ce
s
in
co
n
s
u
m
er
’
s
e
n
d
.
T
h
e
elec
tr
ical
lo
ad
u
s
u
all
y
v
ar
ies
w
it
h
ti
m
e
d
ep
en
d
in
g
o
n
h
u
m
a
n
an
d
p
ec
u
n
iar
y
ac
ti
v
it
y
.
T
h
er
e
is
m
o
r
e
lo
ad
in
th
e
d
ay
ti
m
e
a
n
d
less
lo
ad
at
n
ig
h
t.
L
ar
g
e
a
m
o
u
n
t
o
f
lo
ad
v
a
r
iatio
n
o
cc
u
r
s
in
w
ee
k
d
a
y
s
co
m
p
a
r
ed
w
it
h
w
ee
k
e
n
d
.
T
h
is
cy
cli
c
ti
m
e
d
ep
en
d
en
c
y
f
o
r
ce
d
to
p
er
u
s
e
th
e
lo
ad
s
in
h
o
u
r
l
y
,
d
ail
y
,
w
ee
k
l
y
o
r
y
ea
r
l
y
b
asis
.
C
li
m
ate
c
h
an
g
e
h
as
also
an
i
m
p
ac
t
o
n
lo
ad
ch
ar
ac
ter
is
tic
s
esp
ec
iall
y
ch
a
n
g
e
o
f
h
u
m
id
it
y
r
es
u
lt
s
v
ar
ia
tio
n
in
u
s
e
o
f
elec
tr
ical
ap
p
lian
ce
s
.
R
ea
l
p
o
w
er
s
y
s
te
m
n
et
w
o
r
k
ca
u
s
es
a
s
i
g
n
i
f
ican
t
v
o
ltag
e
d
r
o
p
s
an
d
h
i
g
h
er
p
o
w
er
lo
s
s
d
u
e
to
th
i
s
n
atu
r
al
lo
ad
f
ac
to
r
s
.
I
n
ter
co
n
n
ec
t
io
n
o
f
DG
to
t
h
e
g
r
id
m
a
y
h
av
e
d
i
f
f
er
en
t
i
m
p
lic
atio
n
s
o
n
th
e
d
is
tr
ib
u
tio
n
n
et
wo
r
k
d
u
e
to
th
e
lo
a
d
ch
ar
ac
ter
is
tic
s
.
I
n
t
h
is
w
o
r
k
,
w
o
r
s
t
p
o
s
s
ib
le
lo
ad
-
d
e
m
a
n
d
cu
r
v
e
o
f
a
zo
n
e
i
s
a
n
al
y
s
ed
to
en
s
u
r
e
o
p
ti
m
al
p
lace
m
en
t
o
f
DG
[
2
3
]
.
Dy
n
a
m
ic
lo
ad
co
n
n
ec
ted
1
3
b
u
s
es
ar
e
an
al
y
s
ed
o
n
b
asis
o
f
t
h
eir
d
ata
o
f
r
esp
ec
tiv
e
zo
n
e’
s
y
ea
r
l
y
lo
ad
-
d
e
m
a
n
d
cu
r
v
es o
f
t
h
e
n
et
w
o
r
k
w
h
ich
ar
e
d
ep
icted
in
Fig
u
r
e
3
an
d
Fig
u
r
e
4.
Fig
u
r
e
3
.
L
o
ad
co
n
n
ec
ted
b
u
s
es r
ea
l p
o
w
er
v
ar
iatio
n
s
Evaluation Warning : The document was created with Spire.PDF for Python.
I
SS
N
:
2
0
8
8
-
8708
I
n
t J
E
lec
&
C
o
m
p
E
n
g
,
Vo
l.
9
,
No
.
4
,
A
u
g
u
s
t 2
0
1
9
:
2
3
0
3
-
2313
2308
Fig
u
r
e
4
.
L
o
ad
co
n
n
ec
ted
b
u
s
es r
ea
ctiv
e
p
o
w
er
v
ar
iatio
n
s
5.
P
RO
CE
SS
D
E
S
CRIP
T
I
O
N
A
lo
ad
-
f
lo
w
s
t
u
d
y
h
as
d
o
n
e
to
d
eter
m
in
e
th
e
v
o
lta
g
es,
c
u
r
r
en
ts
a
n
d
r
ea
l
an
d
r
ea
cti
v
e
p
o
w
e
r
f
lo
w
s
i
n
a
n
et
w
o
r
k
u
n
d
er
a
g
i
v
e
n
lo
a
d
co
n
d
itio
n
s
f
o
r
v
ar
io
u
s
h
y
p
o
th
etica
l
s
i
tu
at
io
n
s
.
No
n
-
lin
e
ar
b
asic
p
o
w
er
f
lo
w
eq
u
atio
n
s
ar
e
s
o
lv
ed
b
y
u
s
in
g
g
a
u
s
s
-
s
eid
al
iter
atio
n
m
et
h
o
d
.
Self
-
ad
m
i
ttan
ce
o
f
ea
c
h
b
u
s
an
d
th
e
m
u
t
u
a
l
ad
m
itta
n
ce
b
et
w
ee
n
th
e
b
u
s
e
s
f
o
r
m
s
ad
m
itta
n
ce
m
atr
i
x
u
s
in
g
th
e
v
al
u
e
o
f
lin
e
i
m
p
ed
a
n
ce
s
an
d
lin
e
ch
ar
g
i
n
g
ad
m
itta
n
ce
s
o
f
T
ab
le
1
.
1
+
j
0
p
er
u
n
it
v
o
lta
g
e
v
alu
e
is
i
n
iti
alize
d
f
o
r
all
b
u
s
es
to
f
i
n
d
-
o
u
t
th
e
u
n
k
n
o
w
n
b
u
s
v
o
ltag
e
m
ag
n
it
u
d
es
a
n
d
an
g
le
s
o
f
th
e
PQ
b
u
s
e
s
an
d
an
g
les
o
f
th
e
PV
b
u
s
es.
A
f
ter
co
n
v
e
r
g
en
ce
p
r
o
g
r
ess
o
f
iter
atio
n
s
o
lu
tio
n
s
f
i
n
al
b
u
s
v
o
ltag
e
is
d
eter
m
i
n
ed
b
ey
o
n
d
th
e
to
ler
an
ce
lev
el.
Vo
ltag
e
d
if
f
er
en
ce
b
et
w
ee
n
t
w
o
b
u
s
es
ca
u
s
es
t
h
e
cu
r
r
en
t
f
lo
w
to
th
e
n
et
w
o
r
k
.
Du
e
to
th
e
p
r
esen
ce
o
f
r
esis
tiv
e
p
r
o
p
er
ty
a
ce
r
tain
a
m
o
u
n
t
o
f
p
o
w
er
is
lo
s
t
i
n
t
h
e
n
et
w
o
r
k
.
L
ar
g
e
d
i
s
tan
ce
o
f
th
e
n
et
w
o
r
k
lin
e
co
r
r
esp
o
n
d
s
th
e
lar
g
e
a
m
o
u
n
t
o
f
p
o
w
er
lo
s
s
.
W
h
ile
to
tal
g
en
er
at
io
n
co
s
t
o
f
th
e
s
y
s
te
m
d
ep
en
d
s
o
n
it
s
ca
p
ab
ilit
y
to
m
ee
t
t
h
e
m
a
x
i
m
u
m
d
e
m
a
n
d
w
it
h
m
i
n
i
m
u
m
p
o
w
er
lo
s
s
in
t
h
e
n
e
t
w
o
r
k
.
Ge
n
er
ato
r
ac
tiv
e
o
p
er
atin
g
h
o
u
r
i
s
a
co
n
ce
r
n
i
n
g
i
s
s
u
e
f
o
r
esti
m
at
in
g
th
e
o
v
er
all
co
s
t
o
f
th
e
s
y
s
te
m
b
y
u
s
i
n
g
th
e
co
s
t
-
co
ef
f
icie
n
t
v
al
u
es
o
f
T
ab
le
4
.
Usu
all
y
D
G
u
n
i
ts
ar
e
b
ein
g
u
s
ed
to
m
ee
t
u
p
th
e
p
ea
k
lo
ad
o
r
ce
r
t
ain
d
e
m
an
d
o
f
th
e
lo
ad
in
th
e
n
et
w
o
r
k
.
C
alcu
lated
ac
tiv
e
o
p
er
atin
g
h
o
u
r
u
s
i
n
g
r
esp
ec
tiv
e
g
e
n
er
ato
r
ch
ar
ac
ter
is
tics
o
f
T
ab
le
3
in
d
if
f
er
e
n
t
ti
m
e
s
p
a
n
o
f
a
y
ea
r
f
o
r
th
e
s
ele
ctiv
e
s
ec
tio
n
o
f
th
e
m
o
d
el
n
et
w
o
r
k
i
n
is
s
h
o
w
n
Fi
g
u
r
e
5
.
T
h
e
f
lo
w
ch
ar
t
to
d
eter
m
i
n
e
th
e
s
u
m
m
atio
n
o
f
all
b
u
s
v
o
ltag
e,
li
n
e
to
lin
e
lo
s
s
an
d
g
e
n
er
atio
n
co
s
t i
s
d
ep
icted
in
Fi
g
u
r
e
6
to
Fig
u
r
e
8.
I
n
th
e
f
ir
s
t
s
tag
e
o
f
m
u
lti
-
o
b
j
ec
tiv
e
o
p
ti
m
izatio
n
p
r
o
ce
s
s
ca
n
d
id
ate
DG
is
p
lace
d
i
n
all
av
ai
l
ab
le
b
u
s
es
in
d
ep
en
d
en
tl
y
e
x
c
ep
t
s
lac
k
b
u
s
to
ca
lc
u
late
th
e
c
h
a
n
g
e
o
f
b
u
s
v
o
ltag
e
p
r
o
f
i
les
u
s
i
n
g
g
au
s
s
-
s
eid
al
iter
atio
n
m
et
h
o
d
.
T
h
e
lo
s
s
f
ac
to
r
is
d
eter
m
in
ed
to
f
i
n
d
th
e
a
m
o
u
n
t
o
f
p
o
w
er
lo
s
s
i
n
a
p
ar
ticu
lar
lin
e
w
it
h
r
esp
ec
t
to
th
e
ch
an
g
e
in
b
u
s
v
o
lta
g
e
p
r
o
f
iles
.
T
h
en
ca
lcu
lated
co
s
t
f
ac
to
r
i
s
u
s
ed
to
esti
m
a
te
th
e
to
tal
g
e
n
er
atio
n
co
s
t
w
it
h
r
esp
ec
t
to
th
e
ch
an
g
e
in
l
in
e
lo
s
s
es.
A
h
e
u
r
is
t
ics
ap
p
r
o
ac
h
is
u
s
ed
in
t
h
e
s
ec
o
n
d
s
tag
e
t
h
r
o
u
g
h
la
g
r
an
g
ia
n
m
u
ltip
lier
f
u
n
c
tio
n
to
f
i
n
d
th
e
o
p
tim
al
b
u
s
lo
ca
tio
n
f
o
r
in
te
g
r
atio
n
o
f
DG
u
n
it
s
in
a
p
o
w
er
s
y
s
te
m
n
et
w
o
r
k
.
Flo
w
c
h
ar
t f
o
r
o
p
ti
m
izat
io
n
p
r
o
ce
s
s
is
d
ep
icted
in
Fi
g
u
r
e
9
.
Fig
u
r
e
5
.
I
n
s
talled
g
e
n
er
ato
r
s
ac
tiv
e
o
p
er
atin
g
h
o
u
r
Evaluation Warning : The document was created with Spire.PDF for Python.
I
n
t J
E
lec
&
C
o
m
p
E
n
g
I
SS
N:
2
0
8
8
-
8708
Mu
lti
-
o
b
jective
o
p
tima
l p
la
ce
men
t o
f d
is
tr
ib
u
ted
g
en
era
tio
n
s
fo
r
d
yn
a
mic
lo
a
d
s
(
S
h
a
h
Mo
h
a
z
z
em
Ho
s
s
a
in
)
2309
Fig
u
r
e
6
.
Flo
w
c
h
ar
t f
o
r
b
u
s
v
o
ltag
e
ca
lc
u
latio
n
Fig
u
r
e
7
.
Flo
w
c
h
ar
t f
o
r
lin
e
t
o
lin
e
lo
s
s
ca
lc
u
lat
io
n
Fig
u
r
e
8
.
Flo
w
c
h
ar
t f
o
r
g
en
er
atio
n
co
s
t c
alcu
latio
n
Fig
u
r
e
9
.
Flo
w
c
h
ar
t f
o
r
o
p
ti
m
izatio
n
o
f
b
u
s
v
o
lta
g
e
an
d
li
n
e
to
lin
e
lo
s
s
o
f
t
h
e
n
e
t
w
o
r
k
6.
RE
SU
L
T
S AN
D
D
I
SCU
SS
I
O
NS
I
n
th
e
p
r
o
ce
s
s
o
f
o
p
ti
m
izatio
n
s
elec
ted
n
e
w
DG
i
s
co
n
n
ec
te
d
to
all
p
o
s
s
ib
le
b
u
s
lo
ca
tio
n
t
o
f
in
d
th
e
ch
an
g
e
i
n
b
u
s
v
o
lta
g
e,
li
n
e
lo
s
s
an
d
g
e
n
er
atio
n
co
s
t
w
it
h
r
esp
ec
ted
to
n
o
r
m
alize
d
s
y
s
te
m
v
al
u
es.
C
h
a
n
g
e
o
f
b
u
s
v
o
ltag
e
m
a
g
n
it
u
d
es
a
f
ter
DG
i
n
s
er
tio
n
i
n
ea
ch
b
u
s
o
f
t
h
e
n
et
w
o
r
k
e
x
ce
p
t
t
h
e
s
w
i
n
g
b
u
s
is
d
ep
icted
in
Fi
g
u
r
e
10
to
Fig
u
r
e
13
.
Op
ti
m
al
b
u
s
lo
ca
tio
n
is
s
elec
ted
w
h
en
m
ax
i
m
u
m
v
o
lta
g
e
p
r
o
f
ile
i
m
p
r
o
v
e
m
e
n
t,
m
i
n
i
m
u
m
p
o
w
er
lo
s
s
an
d
g
e
n
er
atio
n
c
o
s
t
is
en
s
u
r
ed
in
t
h
e
n
et
w
o
r
k
.
T
o
tal
ch
an
g
e
i
n
b
u
s
v
o
lta
g
e,
p
o
w
er
lo
s
s
an
d
g
en
er
atio
n
co
s
t
f
o
r
DG
p
lace
m
en
t
in
ea
c
h
b
u
s
lo
ca
tio
n
i
s
d
ep
icted
in
Fig
u
r
e
14
to
Fig
u
r
e
1
6
.
Op
tim
a
l
b
u
s
lo
ca
tio
n
f
o
r
th
e
g
iv
e
n
n
et
w
o
r
k
o
f
d
y
n
a
m
ic
lo
ad
s
is
s
elec
ted
b
u
s
n
u
m
b
er
1
2
f
r
o
m
th
e
T
ab
le
5
.
Evaluation Warning : The document was created with Spire.PDF for Python.
I
SS
N
:
2
0
8
8
-
8708
I
n
t J
E
lec
&
C
o
m
p
E
n
g
,
Vo
l.
9
,
No
.
4
,
A
u
g
u
s
t 2
0
1
9
:
2
3
0
3
-
2313
2310
Fig
u
r
e
10
.
C
h
an
g
e
i
n
ea
ch
b
u
s
v
o
ltag
e
m
ag
n
it
u
d
es
af
ter
DG
i
n
s
er
tio
n
at
B
u
s
-
2
to
B
u
s
-
4
Fig
u
r
e
11
.
C
h
an
g
e
i
n
ea
ch
b
u
s
v
o
ltag
e
m
ag
n
it
u
d
es
af
ter
DG
i
n
s
er
tio
n
at
B
u
s
-
5
to
B
u
s
-
7
Fig
u
r
e
12
.
C
h
an
g
e
i
n
ea
ch
b
u
s
v
o
ltag
e
m
ag
n
it
u
d
es
af
ter
DG
i
n
s
er
tio
n
at
B
u
s
-
8
to
B
u
s
-
10
Fig
u
r
e
1
3
.
C
h
an
g
e
i
n
ea
ch
b
u
s
v
o
ltag
e
m
ag
n
it
u
d
es
af
ter
DG
i
n
s
er
tio
n
at
B
u
s
-
1
1
to
B
u
s
-
14
Fig
u
r
e
14
.
C
h
an
g
e
i
n
to
tal
b
u
s
v
o
ltag
e
m
ag
n
it
u
d
es
af
ter
DG
i
n
s
er
tio
n
i
n
ea
ch
b
u
s
Fi
g
u
r
e
15
.
C
h
an
g
e
i
n
to
tal
lin
e
to
lin
e
lo
s
s
a
f
ter
DG
in
s
er
tio
n
in
ea
c
h
b
u
s
Fig
u
r
e
1
6
.
C
h
an
g
e
i
n
to
tal
g
e
n
er
atio
n
co
s
t a
f
ter
DG
i
n
s
er
tio
n
in
ea
ch
b
u
s
Evaluation Warning : The document was created with Spire.PDF for Python.
I
n
t J
E
lec
&
C
o
m
p
E
n
g
I
SS
N:
2
0
8
8
-
8708
Mu
lti
-
o
b
jective
o
p
tima
l p
la
ce
men
t o
f d
is
tr
ib
u
ted
g
en
era
tio
n
s
fo
r
d
yn
a
mic
lo
a
d
s
(
S
h
a
h
Mo
h
a
z
z
em
Ho
s
s
a
in
)
2311
T
ab
le
5
.
Op
tim
al
d
ec
is
io
n
f
o
r
DG
p
lace
m
en
t
D
G
P
l
a
c
e
me
n
t
T
o
t
a
l
C
h
a
n
g
e
i
n
%
D
e
c
i
si
o
n
L
o
ss
(
M
W
)
V
o
l
t
a
g
e
(
p
u
)
C
o
st
(USD)
W
i
t
h
o
u
t
D
G
0
.
8
2
5
1
4
.
3
4
2
1
4
2
0
.
5
B
u
s
-
2
(
+
)
1
.
0
5
(
+
)
0
.
1
9
(
+
)
0
.
5
3
B
u
s
-
3
(
-
)
1
0
.
7
(
+
)
0
.
1
8
(
+
)
0
.
4
4
B
u
s
-
4
(
-
)
0
.
5
2
(
+
)
0
.
1
9
(
+
)
0
.
5
4
B
u
s
-
5
(
-
)
0
.
5
2
(
-
)
0
.
1
7
(
+
)
0
.
5
3
B
u
s
-
6
(
-
)
2
.
6
0
(
-
)
0
.
1
3
(
+
)
0
.
5
1
B
u
s
-
7
(
+
)
4
.
3
0
(
+
)
0
.
1
6
(
+
)
0
.
5
8
B
u
s
-
8
(
-
)
8
.
2
2
(
+
)
0
.
1
5
(
+
)
0
.
4
5
B
u
s
-
9
(
-
)
3
.
5
0
(
+
)
0
.
1
8
(
+
)
0
.
5
0
B
u
s
-
10
(
-
)
0
.
4
1
(
-
)
0
.
1
8
(
+
)
0
.
5
3
B
u
s
-
11
(
-
)
4
.
6
6
(
+
)
0
.
1
9
(
+
)
0
.
4
9
B
u
s
-
12
(
-
)
1
1
.
0
(
+
)
0
.
1
8
(
+
)
0
.
4
2
S
e
l
e
c
t
e
d
B
u
s
-
13
(
-
)
0
.
8
1
0
.
0
0
(
+
)
0
.
5
3
B
u
s
-
14
(
+
)
2
.
3
6
(
-
)
0
.
1
7
(
+
)
0
.
5
6
7.
CO
M
P
ARIS
O
N
WI
T
H
S
T
A
T
I
C
L
O
ADS
I
n
th
e
liter
atu
r
e
s
t
u
d
y
m
o
s
t
o
f
th
e
r
esear
ch
er
h
as
s
o
l
v
ed
th
e
m
u
lti
o
b
j
ec
tiv
e
o
p
tim
izatio
n
f
o
r
s
tatic
lo
ad
s
w
h
ich
ar
e
u
s
u
al
l
y
co
n
s
i
d
er
ed
as
th
e
m
a
x
i
m
u
m
d
e
m
an
d
d
u
r
in
g
a
p
ar
ticu
lar
ti
m
e
o
f
s
p
an
f
o
r
a
n
et
w
o
r
k
[
2
4
]
.
I
f
th
e
g
i
v
en
s
y
s
te
m
i
s
an
al
y
ze
d
f
o
r
co
r
r
esp
o
n
d
in
g
m
a
x
i
m
u
m
lo
ad
s
o
f
Fi
g
u
r
e
1
7
an
d
Fig
u
r
e
1
8
f
o
r
th
e
s
a
m
e
s
ec
tio
n
o
f
t
h
e
n
et
w
o
r
k
with
y
ea
r
l
y
s
a
m
e
ti
m
e
o
f
s
p
an
.
C
o
r
r
esp
o
n
d
in
g
c
h
a
n
g
e
i
n
to
tal
b
u
s
v
o
lta
g
e,
lin
e
to
lin
e
lo
s
s
a
n
d
g
e
n
er
atio
n
co
s
t
f
o
r
s
tatic
lo
ad
s
o
f
th
e
n
et
w
o
r
k
ar
e
d
ep
icted
in
Fi
g
u
r
e
1
9
to
F
ig
u
r
e
2
1
.
Op
ti
m
al
d
ec
is
io
n
f
o
r
DG
p
lace
m
en
t
i
s
f
o
u
n
d
b
u
s
n
u
m
b
er
8
f
o
r
s
tatic
lo
ad
s
f
r
o
m
T
ab
le
6
.
I
t
is
clea
r
t
h
at,
o
p
ti
m
ized
v
al
u
e
v
ar
ies d
u
e
to
th
e
lo
ad
v
ar
iatio
n
in
a
n
y
t
i
m
e
s
p
an
.
Fig
u
r
e
1
7
.
Ma
x
i
m
u
m
lo
ad
s
o
f
th
e
n
et
w
o
r
k
in
ea
c
h
b
u
s
(
R
ea
l p
o
w
er
)
Fig
u
r
e
18
.
Ma
x
i
m
u
m
lo
ad
s
o
f
th
e
n
et
w
o
r
k
in
ea
c
h
b
u
s
(
R
ea
cti
v
e
p
o
w
er
)
Fig
u
r
e
19
.
C
h
an
g
e
i
n
to
tal
b
u
s
v
o
ltag
e
m
ag
n
it
u
d
es
af
ter
DG
i
n
s
er
tio
n
i
n
ea
ch
b
u
s
(
Static L
o
ad
)
Fig
u
r
e
2
0
.
C
h
an
g
e
i
n
to
tal
lin
e
to
lin
e
lo
s
s
a
f
ter
DG
in
s
er
tio
n
in
ea
c
h
b
u
s
(
Sta
tic
L
o
ad
)
Evaluation Warning : The document was created with Spire.PDF for Python.
I
SS
N
:
2
0
8
8
-
8708
I
n
t J
E
lec
&
C
o
m
p
E
n
g
,
Vo
l.
9
,
No
.
4
,
A
u
g
u
s
t 2
0
1
9
:
2
3
0
3
-
2313
2312
F
ig
u
re
21
.
Ch
a
n
g
e
in
t
o
tal
li
n
e
to
li
n
e
lo
ss
a
f
ter DG
in
se
rti
o
n
i
n
e
a
c
h
b
u
s (S
tatic L
o
a
d
)
T
ab
le
6
.
Op
tim
al
d
ec
is
io
n
f
o
r
DG
p
lace
m
en
t
D
G
P
l
a
c
e
me
n
t
T
o
t
a
l
C
h
a
n
g
e
i
n
%
De
c
i
s
i
o
n
L
o
ss
(
M
W
)
V
o
l
t
a
g
e
(
p
u
)
C
o
st
(USD)
W
i
t
h
o
u
t
D
G
1
.
8
4
1
4
.
2
4
6
2
2
1
2
.
9
B
u
s
-
2
(
-
)
3
.
9
9
(
+
)
0
.
1
2
(
+
)
0
.
5
3
B
u
s
-
3
(
-
)
7
.
8
0
(
+
)
0
.
1
5
(
+
)
0
.
4
5
B
u
s
-
4
(
-
)
1
.
6
4
(
+
)
0
.
1
3
(
+
)
0
.
5
8
B
u
s
-
5
(
-
)
2
.
3
5
(
-
)
0
.
1
3
(
+
)
0
.
5
7
B
u
s
-
6
(
-
)
3
.
5
3
(
+
)
0
.
1
4
(
+
)
0
.
5
4
B
u
s
-
7
(
+
)
3
.
3
3
(
+
)
0
.
1
4
(
+
)
0
.
6
8
B
u
s
-
8
(
-
)
1
1
.
3
(
+
)
0
.
1
5
(
+
)
0
.
3
8
S
e
l
e
c
t
e
d
B
u
s
-
9
(
+
)
0
.
0
8
(
+
)
0
.
1
5
(
+
)
0
.
6
2
B
u
s
-
10
(
-
)
3
.
5
1
(
+
)
0
.
1
4
(
+
)
0
.
5
4
B
u
s
-
11
(
+
)
2
.
7
0
(
+
)
0
.
1
5
(
+
)
0
.
5
6
B
u
s
-
12
(
-
)
1
0
.
6
(
-
)
0
.
1
1
(
+
)
0
.
4
0
B
u
s
-
13
(
-
)
4
.
2
1
(
+
)
0
.
0
0
(
+
)
0
.
5
3
B
u
s
-
14
(
-
)
1
.
4
9
(
-
)
0
.
1
0
(
+
)
0
.
5
8
I
n
m
o
d
er
n
d
a
y
s
,
lo
ad
v
ar
iat
io
n
is
o
n
e
o
f
t
h
e
co
m
m
o
n
p
r
o
b
lem
f
o
r
elec
tr
ical
n
e
t
w
o
r
k
s
y
s
te
m
s
s
p
ec
iall
y
f
o
r
d
is
tr
ib
u
tio
n
s
ec
to
r
s
.
T
h
ese
lo
ad
in
g
e
f
f
ec
t
i
s
s
u
e
ca
n
n
o
t
b
e
ig
n
o
r
ed
d
u
r
in
g
a
n
al
y
s
i
n
g
o
p
ti
m
izat
io
n
p
r
o
b
le
m
.
Fo
r
th
e
g
i
v
en
s
y
s
te
m
co
n
s
id
er
in
g
lo
ad
i
n
g
e
f
f
ec
t
s
y
s
te
m
o
p
tim
al
d
ec
is
io
n
e
n
s
u
r
es
2
.
7
8
%
less
li
n
e
to
lin
e
lo
s
s
,
0
.
0
3
%
m
o
r
e
b
u
s
v
o
l
ta
g
e
i
m
p
r
o
v
e
m
e
n
t
a
n
d
0
.
0
3
%
les
s
g
en
er
atio
n
co
s
t
in
a
y
ea
r
.
Di
f
f
er
e
n
t
t
y
p
e
s
o
f
lo
ad
cu
r
v
e
s
n
ee
d
to
b
e
an
al
y
s
ed
f
o
r
ef
f
ec
ti
v
e
s
o
lu
tio
n
o
f
o
p
ti
m
izatio
n
p
r
o
b
le
m
f
o
r
u
n
ce
r
tai
n
lo
ad
co
n
d
itio
n
s
o
f
th
e
n
et
w
o
r
k
.
8.
CO
NCLU
SI
O
N
T
h
e
i
n
teg
r
atio
n
o
f
DG
u
n
its
in
p
o
w
er
s
y
s
te
m
n
e
t
w
o
r
k
s
h
as
b
e
co
m
e
m
o
r
e
p
r
o
tr
u
d
in
g
to
r
ev
a
m
p
o
v
er
all
s
y
s
te
m
ef
f
icie
n
c
y
b
y
a
u
g
m
e
n
tin
g
s
y
s
te
m
v
o
ltag
e
m
a
g
n
it
u
d
es
,
ass
u
ag
in
g
p
o
w
er
lo
s
s
es
a
n
d
d
w
i
n
d
li
n
g
to
tal
g
en
er
atio
n
co
s
t
.
I
n
t
h
is
w
o
r
k
,
an
alg
o
r
it
h
m
is
p
r
o
p
o
s
ed
to
lo
ca
te
DG
in
t
h
e
o
p
ti
m
al
b
u
s
lo
ca
tio
n
w
it
h
m
u
lt
ip
le
n
u
m
b
er
o
f
o
b
j
ec
tiv
e
f
u
n
ct
io
n
an
d
co
n
s
tr
ai
n
t
s
of
N
-
b
u
s
n
et
wo
r
k
.
T
h
e
d
ev
elo
p
ed
ad
ap
tiv
e
alg
o
r
ith
m
p
r
o
v
id
e
s
th
e
m
o
s
t
ap
p
ea
s
e
m
en
t
an
d
ad
m
is
s
ib
le
r
es
u
lt
a
m
o
n
g
al
l
t
h
e
a
p
p
r
o
ac
h
d
is
cu
s
s
ed
i
n
t
h
e
l
iter
atu
r
e
s
t
u
d
y
esp
ec
iall
y
f
o
r
d
if
f
er
en
t
lo
ad
ch
ar
ac
ter
i
s
ti
cs.
T
h
e
co
n
v
er
g
e
n
ce
cr
iter
i
on
o
f
th
e
a
lg
o
r
it
h
m
is
w
e
ll
ac
ce
p
tab
le
f
o
r
n
o
t
o
n
l
y
ti
m
e
in
v
ar
ia
n
t
b
u
t
also
ti
m
e
v
ar
ian
t
lo
ad
s
.
T
h
e
p
r
o
b
ab
ilis
tic
d
y
n
a
m
ic
lo
ad
an
d
g
en
er
atio
n
m
o
d
el
en
s
co
n
ce
th
e
o
p
tim
a
l
p
lace
o
f
DG
w
it
h
o
u
t
v
io
lati
n
g
t
h
e
t
h
er
m
al
li
m
it
a
n
d
o
th
er
co
n
s
tr
ain
t
s
o
f
t
h
e
n
et
w
o
r
k
.
Du
e
to
th
e
lo
ad
an
d
g
en
er
at
io
n
u
n
ce
r
tai
n
t
y
,
t
h
e
s
y
s
te
m
h
as
d
i
f
f
er
e
n
t
b
u
s
lo
ca
tio
n
at
s
tatic
a
n
d
d
y
n
a
m
ic
l
o
ad
in
g
co
n
d
itio
n
s
.
Fro
m
t
h
is
w
o
r
k
,
it
i
s
clea
r
t
h
at
f
i
n
al
d
ec
is
io
n
f
o
r
o
p
ti
m
al
p
l
ac
e
m
en
t
o
f
DG
n
ee
d
to
tak
e
o
n
c
o
n
s
id
er
in
g
d
y
n
a
m
ic
lo
ad
in
g
co
n
d
itio
n
s
d
u
e
to
t
h
e
l
ar
g
e
v
ar
iatio
n
s
i
n
lo
ad
ch
ar
ac
ter
is
tics
o
f
p
o
w
er
s
y
s
te
m
n
et
wo
r
k
s
.
RE
F
E
R
E
NC
E
S
[1
]
M
a
sa
u
d
,
T
.
M
.
,
Na
n
n
a
p
a
n
e
n
i,
G
.
a
n
d
C
h
a
ll
o
o
,
R.
“
Op
t
im
a
l
p
lac
e
m
e
n
t
a
n
d
siz
i
n
g
o
f
d
istri
b
u
ted
g
e
n
e
ra
ti
o
n
-
b
a
se
d
w
in
d
e
n
e
rg
y
c
o
n
sid
e
rin
g
o
p
ti
m
a
l
se
lf
V
A
R
c
o
n
tro
l
,
”
IET
Re
n
e
wa
b
le
Po
we
r
Ge
n
e
ra
ti
o
n
,
Vo
l.
1
1
Iss
u
e
3
,
p
p
.
2
8
1
-
288
,
2
0
1
7
.
[2
]
Ho
ss
a
in
,
S
.
M
.
a
n
d
Ha
sa
n
,
M
.
M
.
“
En
e
rg
y
M
a
n
a
g
e
m
e
n
t
th
ro
u
g
h
Bi
o
-
g
a
s
b
a
se
d
El
e
c
tri
c
it
y
G
e
n
e
ra
ti
o
n
S
y
ste
m
d
u
rin
g
L
o
a
d
S
h
e
d
d
in
g
in
R
u
ra
l
A
re
a
s
,
”
T
EL
KOM
NIKA
T
e
lec
o
mm
u
n
ica
ti
o
n
C
o
mp
u
ti
n
g
El
e
c
tro
n
ics
a
n
d
C
o
n
tro
l
,
V
o
l
u
m
e
-
1
6
,
Iss
u
e
-
2
,
p
p
:
5
2
5
-
5
3
2
,
A
p
ril
2
0
1
8
.
Evaluation Warning : The document was created with Spire.PDF for Python.