Indonesian J ournal of Ele c trical Engin eering and  Computer Sci e nce   Vol. 2, No. 1,  April 201 6, pp. 1 ~ 10   DOI: 10.115 9 1 /ijeecs.v2.i1.pp1-10        1     Re cei v ed  Jan uary 21, 201 6 ;  Revi sed Ma rch 3, 2 016;  Acce pted Ma rch 1 4 , 2016   A Novel Method Based on Teaching-Learning-Based  Optimization for Recloser Placement with Load Model  Consideration in Distribution System      Sina Khajeh  Ahmad  Attar i *, Mohamad Bakhs h ipou r, Mahmoudr eza Sha kara m i,  Farhad Nam d ari    Dep a rtement o f  Electrical Eng i ne erin g, Lores tan Univ ersit y ,   Dan e shg ah Str eet, 712 34-9 8 6 53, Khorram a b ad, Loresta n, Iran   *Corres p o ndi n g  author, e-ma i l : sinaattari @g mail.com       A b st r a ct   T h is pap er pro pose d  a nove l  techniq ue bas ed on  teac hin g -le a rni ng-b a s ed opti m i z a t io n (T LBO)   alg o rith m i n  or der to fin d  o p ti ma l pl ace m ent  of recl os ers i n  the d i stributi on n e tw orks which is  ap pli e d  to   improve r e li abi lity. Reclos ers use to  el i m in ate transie nt faul ts, faults  isolati on, netw o rk  mana ge me nt a n d   enh anc e re lia bi lity to r educ e c u stomer  outa g e s. Accord ing  t o  recl oser  rol e   in  netw o rk rel i a b ility, th e cost f o r   the inst all a tion  and   mai n ten ance  must b e  sustain ed  by  distrib u tio n  c o mpa n ies. T h erefore, s e lect in g   sufficient  nu mber a n d  suita b l e l o cati on for  reclos ers  ar e  i m porta nt iss ue. In this  p a per, the  pro p o s ed   obj ective fu nction for  opti m al  reclos er n u m ber a nd  pl ace m e n t has  be e n  for m ul ated t o  i m pr ove thr e e   relia bi lity ind i ce s w h ich consists of three terms; i.e.  System  Averag e Interruptio n F r eque n cy Index (SAIFI),   System Aver a ge Interru ptio n  Duratio n  Ind e x  (SAIDI ) and  Averag e Ener g y  Not Sup p li ed  (AENS). Besi des  the loa d  mode l  effectiveness  has be en co ns ider ed to t he simulati on. T o  verify the efficie n cy of propos e d   m e thod, it  has been  co nducted to IEEE 69-bus radi al distribution system .  The ob tained simula tion r e sults   de mo nstrate th e reli abi lity i m p r ove m e n t.     Ke y w ords : opt imal recl oser p l ace m e n t, relia bility i m pr ove m ent, Loa d mod e l, TLBO         Copy right  ©  2016 In stitu t e o f  Ad van ced  En g i n eerin g and  Scien ce. All  rig h t s reser ve d .       1. Introduc tion  I n  dist ribut io n  powe r  sy st e m s re clo s e r s  use t o   elimin ate transi ent faults, faults isolatio n,   netwo rk man ageme n t and  enha nce reli ability indices.  A recl oser i s  a  device  wi th the ability  to  detect ph ase  and ph ase-to -ea r th over cu rre nt con d itio ns, to interru p t the circuit i f  the overcu rrent  persist s afte r  a predete r mi ned time,  and  then to  auto m atically  re cl ose  to  re-ene rgized th e lin e. If  the fault that origin ated the  operat ion  still exists, then  the re clo s e r   will stay op e n  after a p r e s et  numbe r of o peratio ns, th us i s olatin g the fault ed  section from t he re st of th e syste m . In an  overhe ad  dist ribution  sy ste m  bet ween  8 0  to 9 5  p e rce n t of the fa ults a r e  of the  tempo r ary  nat ure   and la st, at the mo st, for  a few  cycle s   or sec ond s.  Thus, th e re close r , with its openi ng/cl osing  cha r a c teri stics, prevent s a distri b u tion  circuit bein g  left out of service for temporary faults.   Typically, recl ose r s a r e  de sign ed to  hav e up  to th ree  ope n/clo s e  o peratio ns an d ,  after the s e,   a  final open o p e ration to lo ck out the seq uen ce s. One  further  clo s in g ope ration b y  manual me ans  is usually all o we d. The counti ng me chani sms  regi ster o peratio ns  of the ph ase o r  ea rth-fault  units whi c h  can also be initiated  by exte rnally controlle d  devices  when app ro priate   comm uni cati on mean s a r e  available [1].  Becau s e the  high co st of reclo s e r  the  usage m u st be e c on omically ju stified fo r  distrib u tion compani es. T he  n u mbe r  a nd re closer  l o catio n  in clu de m any fa ctors e.g.  cu st omer  type, load va riation, in stall a tion an d ma intenan ce   co st and  etc.  Many re se arche s  h a ve b een   done for pl acement of prot ective device s .  Optimum swi t ch pla c eme n t has ca rri e d  out with QEA-ba sed  algorith m  to improve  cu stome r  se rvice relia bility [2]. A new compo s ite  obje c tive function of inve stment cost  and  reliability on  optimum placement of line switch is  presented [3]. Si mulated annealing optimi z i n g   algorith m  h a s  di scu s sed  [4]. Placem ent form ulat ed by  nonlin ear  bina ry p r og rammi ng  [5].  Sectionali z e r  and  re clo s e r  pla c eme n t h a s  bee n d o n e  to in crea se  relia bility by usi ng  discre te   event simulat i on [6]. Improvements of System  Avera ge Interru ptio n Duration Index (SAIDI) and  System Average Interrupti on Fre que ncy  Index (SAI FI) have be en  use d  as th e o b jective fun c tion  Evaluation Warning : The document was created with Spire.PDF for Python.
                             ISSN: 25 02-4 752                   IJEECS  Vol.  2, No. 1, April 2016 :  1– 10   2 for the  optim al pla c em ent  of DG  an d  re clo s er  by Ant  Col ony O p timization  (A CO) m e thod.  T he  IEEE 69 and 394-bus test systems  have been selected as test sy stem s and the results of the  prop osed te chniqu e have  bee n  comp ared  with  th e re sult s of   GA  in t h e  s a me  sy st em  [ 7 ] .   Momenta r y Average Inte rru ption Event Frequ en cy  Index (MAIFI) has put  in the objective   function  of [ 7 ] whi c h i s   in term s of  three  co nditi ons; i.e. lo a d ing  con d itio ns, g ene rati on   penetration l e vel and  po wer facto r  [8] .  Similar  work h a s  bee n  perfo rmed  by  defining  a n o vel  comp osite  rel i ability index [9]. Thre shol d  value of   the DG cap a city has bee n  calculate d   beyo nd  recl oser-fuse  coo r din a tion  is lo st. The  SAIF I, SAIDI, Energy No t Supplied  (ENS) h a ve be en  selected as indices of reli ability improvement in  the test system  RBTS  bus 2, [10]. A novel  techni que  ba sed  on   classi fy the re clo s er-fu s e   coo r d i nation  statu s  at fault  co n d ition h a s be en  sug g e s ted to study the  impact of  distri b u ted-gene ration penetration on  re clo s e r -fuse   coo r din a tion.  The mai n  a d vantage  of the pro p o s ed  approa ch i s  that usin g the cl assification  pro c e s s for the  coo r din a tion  status di scrimi nate s  b e twee n the   ca se s that  require a n  a c tion   again s t  DG  p enetratio n   an d the  case  where  n o  a c tio n  is requi red   [11]. A novel   reliability in d e x  has b een  def ined an d the  zon e -n etwo rk method u s e d  to evaluate  this co mpo s i t e index in the   pre s en ce of  DG unit s . Th e simple  GA has b een imp r oved by a m u lti-pop ulatio n method a n d  the   influen ce of i m pro per  gen etic pa ramete rs  can  b e  gre a tly decrea s e d  and p r em ature  conve r ge nce   can  be  overcome effe ctively [12]. Re close r  a nd a u tose ctionali z e r  have  allo ca ted to imp r o v e   reliability by   a meth odolo g y ba sed  on  co st/ben efit  analysi s . A  h y brid m e thod  ba sed  on  IPSO  algorith m  a n d  Monte  Carlo   simulatio n  i s   employed. Si mulation  ha s  been  do ne i n  a p r a c tical te st  system i n  Iran [13]. Optim a l num ber and location  of recl oser to  improv e  reliability of feeders  usin g gen etic algorithm h a s  pe rforme d. The propo se d method enj oys the sim p l i city of config ure  duratio n, accura cy of the result s an d re ductio n  of  the  time co nsu m ing. The o b tai ned results al so   sho w  the a p p licability of the algo rithm [1 4]. the  effects of demand  resp on se p r og ram s  espe cia l l y   direct load  control   on sy stem and nodal reliability of a  deregulat ed power sy stem using di rect  load  cont rol  and e c o nomi c  loa d  mo del  [15]. A  two-stage Pla c em ent propo sed  without invol v ing  rand om va ria b le such a s  f a ilure  rate s a nd inte rru ptio n du ration s o f  the system.  Ho weve r, all  contin gen cie s  are  given  th e same  wei g ht and  no  re liability index  is  analysed  [16]. A mixed   integer li nea r  prog ram m ing  (MILP) a nd  CPLEX used  to solve the p r oble m . They  also p r e s e n ted  a sen s itivity  analysi s  o n  t he effe ct of i n terrupt ion  cost (cu s tom e r da mage  fu nction ) n u mb er of  device s  to be  placed, cust omer type an d load den sit y  [17].  An Evolutiona ry Intelligent Meth od   for  solving  th e p r oble m  of  locatio n  a nd  optimize d   size of  DG  r e s o ur ces w i th mult iple objectives  [18]. The differen c e b e twe en the ope rat i ons of  ci rcuit brea ke r and  se ctionali z e r  has  con s id ered  [19].  Placem ent so lutions in th e above pa pe rs typi cally use d  the ob serve d  sam p le me ans f o r  rand om va ria b les such a s  failure  rates and  inte rru p t ion du ration s, with out  co nsid erin g lo a d   model s. In this pa per  optim al re clo s er  nu mber  and pl a c eme n t with l oad mo del  co nsid eratio n h a s  been d one to  enhan ce  reli ability indice s and tea c hin g  learni ng ba sed algo rithm  prop osed a s   an  efficient meth od to  solve  di screte  proble m . Eventually, simulatio n  h a s  been  carri ed o u t on IE EE  69-b u s  radi al distrib u tion sy stem.   All the sim u l a tions  are carri ed o u t in  MA TLAB software.  The  re st of the  pape r i s   orga nized a s  follows: se ction 2 di scusse s fi ndin g   optimal recl o s er pla c em e n t. It has be en  formulate d  wi th propo se d functio n  whi c h  is con s i s ted  different reli a b ility indices.  Load mo del a n d   forwa r d - ba ckward l oad  flow  have  discu s sed i n  S e ction  3  an d 4,  re spe c t i vely. Sectio n 5  rep r e s ent s T L BO fo rmula t ion an d  sol v ing meth od.  The  comp a r iso n   betwee n  different lo ad  model  effecti v eness  ha s  sho w n  in Se ction  6 a nd  finally co ncl u ding  rem a rks are  d r a w n i n     se ction 7.       2.   Optimal Recloser Plac ement  T h e   r e as on s fo r   d i s t r i b u t io n   c o mpa n i es  to  in s t a l l re c l os er  ar e fo r  incr e a s i ng s y s t em  reliability. Stu d ies have  be en d one  in  re clo s er  pla c e m ent  u s u a lly inclu de ene rg y  not suppli e d  a s   an obje c tive  function. Th e  indice s of reliability are  categ o rie d  a s  custom er i ndices a nd l oad  indices. Sin c e taki ng  on  i ndex m a y ch ange  othe r i n dice s, the r efo r e i n  thi s  a r ti cle  and  obj ective   function  ba se d on  the  su m  of the  weig hted  reli ability i ndices have   been  propo se d. The  obj ecti ve  function s in this pa per, a c cord ing to following relations h ip.    Evaluation Warning : The document was created with Spire.PDF for Python.
IJEECS   ISSN:  2502-4 752     A Novel M e th od Base d on  TLBO for Reclose r  Placem ent with Loa d  Model …   (Sina K.A. At tari)  3 S A I F I S AI D I AENS TT T S A I F I S AI D I AE NS OF W W W S A I F I S AI D I AENS  (1)   w h er e    1 1 . n ii i n i i P U AEN S N   (2)   1 1 . n i i i n i i N SA I F I N   (3)   1 1 . n i i i n i i UN SAI D I N   (4)   N i  is the   num ber of custo m er at i th  loa d  point, U i  i s  interruption d u ration  at i th  load poi nt,  P i  is average  load at i th  lo ad poi nt, W x   is weight  coe fficient and X T  is ta rg et value for  reliabil i ty  indices. In th is arti cle, W x  values for  AENS, SAIFI, and SAIDI are 0.3 3 , 0.33, and 0.34.  In   addition for ta rget value s  are 350, 10, an d 100, re spe c tively.  With co nst r ai nts:  n   Nmax   n: numbe r of recl osers  N m a x : ma ximu m n u m be r  of r e c l os er s  With a simpl e  example, the method of  calcul ation o f  the indicato rs de scri bed.  Figure 1   sho w s a  sam p le radial  di stribution  sy ste m  of fou r   lin e s  A, B, C an d  D  with fo ur l oad  point s 1,  2,  3, and 4. Hypothetical recl ose r s  R1, R2,  R3 hav e bee n place d  in a ppro p ri ate locations. If X i =0,  it  mean s  the ab sen c e and  X i =1, me an s prese n ce of reclose r . Unavail ability and fail ure  rate of l o ad  point ca n be  cal c ulate d  in the followi ng a ppro a ch.      D i s t r i but i on     s ubs t a t i o n 1 2 3 A B C D R1 R2 R3 4     Figure 1. Sample ra dial di stributio n syst em      First, unavail ability to each  of lines  A ,  B ,  C,  and  D  can  be cal c ulate d .   Acco rdi ng to  the netwo rk stru cture  sh own  in Fi gure 1. Load po int 1, in the followin g   scena rio s  are  without ele c tricity:      AA A B B B CC C D D D Ur Ur Ur U r    (5)   Evaluation Warning : The document was created with Spire.PDF for Python.
                             ISSN: 25 02-4 752                   IJEECS  Vol.  2, No. 1, April 2016 :  1– 10   4 1)  A fault on the line A.  2)  A fault on the line B in the  absen ce of R 1  (X 1 ' =1 or X 1 =0).   3)  A fault on the line C in the absen ce of  R 1 ,  R 2  (X 1 ' . X 2 ' =1).   4)  A fault on the line D in the absen ce of  R 1 ,  R 3  (X 1 ' . X 3 ' =1).   Therefore load point 1 unavailability can be formulated in (6).     '' ' ' ' 11 1 2 1 3  AB C D uU U x U x x U x x   (6)   In this equati on  X '  is co mpl i mentary to  X  (X '  = 1–X ).  Similarly, una vailability of l oad poi nts 2, 3,  and 4 ca n be formul ated  as equ ation s  (7-9 ).     ' 23  AB C D uU U U U x   (7)   '' 32 3  AB C D uU U U x U x   (8)   ' 42  AB C D uU U U x U   (9)   Failure rat e  for load point  1 to 4  can  be ac cessed  by replacing with  line unavailability.  Thus, reliabili ty indices  can  be cal c ulate d .      3.   Load Mo d e l  In this pape r different voltage-dep end e n t load mod e l s scen ario s  are b e  invest igated.  Practi cal volt age-dep end e n t load  mo del s, i.e., resid e n tial, indu stri al an d  com m e rci a l  have  b een   adopte d  for in vestigation s . To formulate  the  probl em e quation (10 )  and (1 1)  will be used.     io i i PP V   (10 )   io i i QQ V   (11 )   P i  and Q i  are the  real and reactive  p o we r  at  i th  load b u s, re sp ectiv e ly.  P oi   and  Q oi   are the  real an d rea c tive operating  points at  i th  load bu s.  V i   is  i th   voltage bus and  α  an d  β  are real a n d   rea c tive po wer exp one nts. In the  con s tant p o wer  model  co nve n tionally u s e d  in  power flow  studie s ,  α  =  β  = 0 i s  a s sumed. Th e value s  of the  real a nd  rea c tive expon e n ts u s ed i n  the   pre s ent work  for indu strial,  resi dential, a nd  com m erci al load s are g i ven in Table  1 [20].      Table 1. Re sults for Pareto Re config uration with two  Objective s   L o a d T y pe  α   β   Constant  0  0  Industrial 0.18  6  Residential  0.92  4.0  Commercial 1.51  3.4      In pra c tice, l oad s are mix t ures of different  load type s, dep endi ng  on the n a ture of the  area b e ing  su pplied.   Therefore, a  load  cla ss m i x of resid ent ial,  indu strial,  and  comm e r cial l oad s i s  to be   investigate d , too [21].      4.   For w a rd-Bak w a e r d Loa d Flo w   Gau s s-seidel  and n e wto n -raph so n a r e t w o  conve n tio nal metho d  u s ed to  cal c ul ate the  load flo w  in  power  syste m . Lack of p r ope r p e rfo r mance be co mes  clea r  when e n count er with  load u nbal an ce s in  distri b u tion net wo rk, radial  st ruct ure  and  high  pro portio n  of  re sista n ce a nd  rea c tan c e on  the lines.   Evaluation Warning : The document was created with Spire.PDF for Python.
IJEECS   ISSN:  2502-4 752     A Novel M e th od Base d on  TLBO for Reclose r  Placem ent with Loa d  Model …   (Sina K.A. At tari)  5 Other m e tho d  is  widely u s ed  name d  f o rwar d-b a ckward. Thi s  m e thod i s  ba sed on th e  repe ated sta g e s that ea ch i t eration con s i s ts of two ste p s:   In the first stage all the b r an che s  current  are  cal c u l ated (ba c kward  step) a n d  in the  se con d   stage , with  cal c ulat ed b r an ch es  curre n t an d li ne imp eda nce, bu se s volt age  are  o b tained   (forward step ). Then bu se s voltage and  bran ch es  cu rrent value will  be upd ated [2 2].      5.   Teac hing-Learning -Ba sed algorith m   The  ba sis of  this al gorith m  is ba sed  o n   the  tea c hin g   of a te acher i n  the  cla s sro o m [23].  The te acher i n  the  cla s sro o m pl ays  a m a jor rol e  in  st udent l earnin g  an d b e tter  stude nt lea r ni ng  depe nd s on   the tea c he r  spe e ch. In a ddition to th e  effects of te ach e r,  revie w  texts bet we en   stude nts the m selve s  are also le ading t o  learn thei r  studie s  better. This idea fo rms the b a si s of  TLBO to solv e optimizatio n probl em.   TLBO algo rithm divided i n to two part s . The first pa rt con s ist s  of  teache r pha se. The  se con d  part consi s ts of lea r ne r pha se.   The tea c h e r  pha se m ean s le arni ng from the te acher  and  the  learn e r  pha se mea n s   learni ng throu gh the intera ction betwe en  learn e rs.     5.1. Teacher  Phase   A good teach e r brin gs hi s  or her le arn e r s up to his o r  her level in terms of kn o w led ge.  But in pra c tice this i s  not p o ssible  and a  teac h e r can only  move  th e  mean of  a cla ss up  to some  extent depen ding on the capability  of the class. Thi s  follows  a ra ndom process depe ndin g  on  many factors.     ,, , () ne w D ol d D t e a c her D F D XX r X T M    (12 )   D  ind e x indi cates th e nu m ber  of course  (vari able  pro b lem),  X old,D  old member,  still have  to incre a se t heir kno w led ge of  the te a c he r’s tea c h   and i n cl ude s  1*D vecto r   which  get s  re sults   related  to a n y sp ecifi c  topi cs o r  le sson s.  r  i s  a  ra ndom  numb e r in th e ra nge  [0,1].  X teacher,D  is the  best  memb er of po pulatio n  in ite r ation s  t hat trie s fo r t he ave r ag e o f  the  class (p opulatio n) to  i t s  positio n. The  value of T F  can b e  eithe r  1 or 2  whi c h is  agai n a heu risti c  st ep and  de cid ed  randomly wit h  equal  probability as T F = roun d[1+ra n d  (0,1 ){2 - 1}].  M D  is 1* D ve ctor that in clu des   the mean values for ea ch  subj ect in cla ss.  X new , D   if compa r ed to the old memb ers a nd improved   will be accept ed.    5.2. Student  Phase   Learne rs in crease their kn owle dge by two diffe re nt mean s. One t h rou gh inp u t from the  teach e r  and   other th ro ugh  intera ction  b e twee n them selve s . A lea r ne r inte ra cts ran domly  wi th   other lea r ne rs with the he lp of group d i scus sio n s, p r esentation s ,  formal com m unication s and  etc. A lea r ne r learns  so me thing ne w if t he othe r le arner  ha s mo re  kno w le dge  than hi m o r  h e r.  Learne r modi fication is exp r esse d as  For i=1: P  n  Ran domly sel e ct anoth e r le arne r  X j , s u ch that  i   j.      ,, ,,    –     () ( ) –    ne w i old i i i j ne w i o ij ld i i j i if f X f X El X Xr X X X Xr X X End i f E se nd fo r   (13 )   A cce pt   X new  if it gives a  better fun c tio n  value. The  flow chart f o r TLB O  met hod i s  given  in                       Figure 2.      Evaluation Warning : The document was created with Spire.PDF for Python.
                             ISSN: 25 02-4 752                   IJEECS  Vol.  2, No. 1, April 2016 :  1– 10   6 6. Simulation Resul t s   In order to inves t igate th e performance of the propos ed approac h , the IEEE 69-bus   radial di strib u t ion test system is utilized  in  this paper. Figure 3 sh ows t he singl e line diagra m  of  the test  sy ste m . The  total a m ounts of th e a ctive a n d  re active lo ad s  o f  the  system   are  3.80 19  M W   and 2.69 41 M VAr, resp ecti vely.  The forward-backward loa d  flow is don e due to obtained voltage  and then po wer i n   each bus. In  next step wit h  lo ad model  consi deratio n and  without that, si mulation  will be run.  The proc ess  is  repeated  by  100  iterations   and 20 populations .  Simulation res u lts  for IEEE 69- bus [24], are indicated in T able 2.  The system data are given in Ta ble 3.      R u n  t h e   P o w e r  F l o w  &   s e t   in it ia l   p a ra m e t ers  o f  s y s t em Set  t h e   pa ra m e t e rs   of  T L B O   (P o p u l a t i o n  s i ze ,   n u m b e r  of  i t e r at i o n s )   C r e a t e   t h e  in it ia l  p o p u l a t i o n  i n   a   Ra n d o m  w a y It e r = 1 Ru n  t h e   P o w e r  F l o w C a l c u l a t e   t h e O b j e ct i v e F u n c t i o n Id en t i f y   t h e  b e st  so l u t i o n   ( t e a c h e r  p h a s e ) m o di f y  s o l u t i o n s   i n  t h e   t h e a c h e r   ph a s e  by  us i n g   E q u a t i o n   (1 2 )   &   f i nd t h e  ne w  be s t   s o l u t i o n  i n   t h i s  pha s e    Se l e c t  t w o  s o l u t i o n s  R a ndo m l y   ( s t u de nt   ph a s e ) m o d i f y  s o l u t i ons  b y  u s i n g E q u a t i on  (13)     F i nd   t h e  be s t  s o l u t i o n Pr i n t  R e s u l t s Ha v e  r e a c h   ma x i mu m  it e r a t i o n ?   It e r =It e r + 1 No Ye s St a r t Re a d    S y s t e m  d a t a     Figure 2. Flow ch art showi ng the wo rki n g of TLBO algorithm   Evaluation Warning : The document was created with Spire.PDF for Python.
IJEECS   ISSN:  2502-4 752     A Novel M e th od Base d on  TLBO for Reclose r  Placem ent with Loa d  Model …   (Sina K.A. At tari)  7 It was perfo rmed for different asp e ct s of recl o s e r  pl acem ent and  termination  con d ition  wa s sel e cted  as the obje c ti ve function in  each  st age n o t much different than the previou s  sta g e .  Stop conditio n  is formul ate d  as follo ws:     0 0m i n [] 1 0 0 i      (12 )    is improve m ent perce ntage with i re cl ose r ,  0  is objective functio n  whe n  no re clo s er in   netwo rk.  i  is minimum o b jective funct i on value wh en  i  r e c l os er in  n e t w o rk ,  mi n  is minimum  obje c tive value (wh en all lin es have recl o s er).     66 67 1 23 4 5 6 7 8 9 10 1 1 12 13 14 15 1 6 17 18 19 20 21 22 23 24 26 27 28 2 9 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 4 6 47 48 49 50 51 5 2 53 54 55 56 57 58 59 60 61 62 63 64 65 68 69 La t r a l  1 :   R e s i d e n t i a l La t r a l  2 :   R e s i d e n t i a l La t r a l  3 :   R e s i d e n t i a l 25 La t r a l  4 :   R e s i d e n t i a l Lat r al  5 :   R e s i d e n t i a l L a t r al  6 :   Cm m m e r i c al La t r a l  7:   C m m m eri ca l L a t r a l  8 :   I n dus tr i a l S / S     Figure 3. Single line diag ram of  69-b u s  dist rib u t i on t e st  sy st em       Table 2. Opti mal placeme n t and OF Va lue for 69 -bu s  Distrib u tion  Test System   Lo ad Mo del   Recl os er  Nu mb er   O p t i m a l P l ac eme n t  OF   Value   η (% )   0  -   0.561 67   0   1  8-9   0.264 53   67.43     2  26- 27, 61- 62   0.206 64   77.34     3  9-1 0 , 3 - 36 , 4 - 47   0.163 45   86.75     4  34- 35, 42- 43, 9- 5 3 ,  12 -6 8   0.140 09   91.84   Consta nt   5  7-8,  14 -15 ,  9 - 53 ,  12- 68,  68- 69   0.133 71   93.23     6  7-8,  16 -17 ,  21 -2 2 ,  28 -29,  9 - 53,  12 - 6 8   0.126 36   94.83     7  9-1 0 , 1 2 -1 3, 2 9 - 3 0, 3 - 36,  36 -37 ,  5 3 -5 4, 6 - 65   0.120 85   96.03     8  5-6,  12 -13 ,  34 -3 5 ,  36 -37,  49 -50 ,  8 - 51, 5 6 - 57,  58- 59   0.115 80   97.13     9  2-3,  6- 7,  12- 13,  1 4 -1 5, 1 7 -1 8, 2 5 - 2 6, 42 -4 3, 5 3 -5 4,  58- 59   0.110 98   98.18     10   3-4,  6- 7,  8-9 ,  10 - 11, 1 6 - 17,  22- 23,  9-5 3 , 5 6 - 57,  57 - 58, 6 1 - 6 2   0.108 23   98.78    68   All  lines  0.102 63   100    0  -   0.561 62   0   1  10- 11   0.312 53   54.27    2  10- 11,  15- 16   0.261 35   65.42     3  3-4,  9- 10,  40 -41   0.220 36   74.35     4  3-2 8 , 2 9 -3 0, 3 - 3 6 ,  64 -65   0.182 26   82.65   Comp osite   5  25- 26, 36- 37, 40 - 41,  5 6 - 57, 59- 60   0.161 20   87.74     6  3-4,  10 -11 ,  40 -4 1 ,  42 -43,  59 -60 ,  6 2 -6 3   0.141 41   91.55     7  5-6,   9- 10,   17 -18 ,  18- 19, 24- 25, 44 - 45,  4 8 - 4 9   0.128 65   94.33     8  9-1 0 , 1 8 -1 9, 1 9 - 2 0, 20 -2 1, 3 - 36 , 3 6 -3 7, 5 8 -5 9, 1 1 - 6 6  0.121 31   95.93     9  20- 21, 22- 23, 34 - 35,  3 8 - 39, 43- 44,   4-4 7 ,  5 3 - 54, 58 - 59,  6 2 - 6 3   0.114 89   97.33     10   6-7,  14 -15 ,  3 - 28 ,  30- 31,  38- 39,  4- 4 7 , 51 -5 2, 9 - 53 , 5 8 -5 9, 6 8 -6 9   0.110 2   98.35     11   4-5,   9- 10,   20 -21 ,  23- 24, 30- 31, 37 - 38,  4 0 - 41, 49- 50,   55- 56, 61 -62,   64- 65   0.108 36  98.75    68   All  lines  0.102 62   100     Evaluation Warning : The document was created with Spire.PDF for Python.
                             ISSN: 25 02-4 752                   IJEECS  Vol.  2, No. 1, April 2016 :  1– 10   8 Table 3. 69 -b us test sy ste m  data System  Br.   no   S.  no   R.   no   Le ng th   (k m)     (f/ y r )   r  (h )   Nu mb er of   cus t o m er   Lo ad   ty p e   1  1  2  0.8   0.065   5 200  0  2  2  3  0.7   0.065   5 200  2  3 3  4  0.6   0.065   5  1  2  4 4  5  0.7   0.065   5  1  2  5 5  6  0.6   0.065   5  10   2  6 6  7  0.6   0.065   5  10   2  7  7  8  0.6   0.065   5 210  2  8  8  9  0.8   0.065   5 210  2  9 9  10   0.6   0.065   5  3  2  10  10   11   0.8   0.065   5  3  2  11  11   12   0.8   0.065   5  1  2  12  12   13   0.7   0.065   5  1  2  13   13  14   0.7   0.065   5 200  2  14   14  15   0.6   0.065   5 200  2  15  15   16   0.8   0.065   5  1  2  16  16   17   0.6   0.065   5  1  2  17  17   18   0.6   0.065   5  10   2  18  18   19   0.7   0.065   5  10   2  19   19  20   0.6   0.065   5 210  2  20   20  21   0.7   0.065   5 210  2  21  21   22   0.6   0.065   5  3  2  22  22   23   0.8   0.065   5  3  2  23  23   24   0.6   0.065   5  1  2  24  24   25   0.6   0.065   5  1  2  25   25  26   0.8   0.065   5 200  2  26   26  27   0.7   0.065   5 200  2  27  3  28   .6   0.065   5  1  3  28  28   29   0.6   0.065   5  1  3  29  29   30   0.8   0.065   5  10   3  30  30   31   0.7   0.065   5  10   3  31   31  32   0.7   0.065   5 210  3  32   32  33   0.7   0.065   5 210  3  33  33   34   0.6   0.065   5  3  3  34  34   35   0.8   0.065   5  3  3  35  35   36   0.6   0.065   5  1  3  36  36   37   0.7   0.065   5  1  3  37   37  38   0.6   0.065   5 200  3  38   38  39   0.7   0.065   5 200  3  39  39   40   0.8   0.065   5  1  3  40  40   41   0.8   0.065   5  1  3  41  41   42   0.6   0.065   5  10   3  42  42   43   0.8   0.065   5  10   3  43   43  44   0.7   0.065   5 210  3  44   44  45   0.8   0.065   5 210  3  45  45   46   0.6   0.065   5  3  3  46  4  47   0.6   0.065   5  3  3  47  47   48   0.7   0.065   5  1  2  48  48   49   0.6   0.065   5  1  2  49   49  50   0.8   0.065   5 200  2  50   8  51   0.8   0.065   5 200  2  51  51   52   0.6   0.065   5  1  2  52  9  53   0.8   0.065   5  1  2  53  53   54   0.8   0.065   5  10   1  54  54   55   0.7   0.065   5  10   1  55   55  56   0.6   0.065   5 210  1  56   56  57   0.8   0.065   5 210  1  57  57   58   0.6   0.065   5  3  1  58  58   59   0.8   0.065   5  3  1  59  59   60   0.7   0.065   5  1  1  60   60  61   0.6   0.065   5 200  1  61   61  62   0.8   0.065   5 200  1  62  62   63   0.6   0.065   5  1  1  63   63  64   0.6   0.065   5 210  1  64   64  65   0.7   0.065   5 210  1  65   11  66   0.7   0.065   5 210  1  66   66  67   0.6   0.065   5 210  2  67   12  68   0.6   0.065   5 210  2  68   68  69   0.7   0.065   5 210  2  Note : N:  num be r  of custom er , Lo a d  t y pe:  Co nstan t =0, In dust r ial=1,  Residen tial=2,  C o mme rcial=3   Evaluation Warning : The document was created with Spire.PDF for Python.
IJEECS   ISSN:  2502-4 752     A Novel M e th od Base d on  TLBO for Reclose r  Placem ent with Loa d  Model …   (Sina K.A. At tari)  9 It can be  se e n  with  Con s t ant load th e  differen c e b e twee n 9 a nd  10 reclo s e r s l e ss than  1%. So, the  best nu mbe r  for re clo s er place m ent  of 69-b u s di stributio n test system is  9. In  addition  with  load m odel  consi deration t he o p ti mal re clo s er num be r an d pl acem ent have  bee n  cha nge d to  10.  Re clo s er n u mbe r  a nd optimal  p l acem ent ha ve been  sh o w n in  Tabl e  2.  Acco rdi ng to  the results  of Table 2, i t  c an be n o ted that re clo s er  numb e r  and pla c e m e n t  cha nge d with  load model  consi deration.       7.   C o nc lu s i on   A novel method ba se d o n  TLBO alg o rithm for o p timal numb e r an d pla c e m ent of  recl oser  was proposed in this pa per. The main purpose of this st udy is reliabilit y improvement.   Also by u s in g an obj ectiv e  functio n  wi th impac t o n  reliability in dice s, the be st location s and  numbe rs of reclo s e r s a r e  sele cted.   Re clo s ers ha ve played a fundame n tal role in  impro v ing the relia bility of distribution  system. Th erefore, it is e s sential to d e term in e the o p timum num ber a nd lo cat i on of re clo s ers  due to  impro v e network reliability. Simulation  re sult s  sho w  that  as th e nu mb er of  re clo s e r s  increa sed, n e t work reliabilit y improved.  Ho wever,   di st ribution co mp anie s   should also pay  high er  co st a s   well.  Several  pa rameters  ca n  determi ne th e optimu m  n u mbe r  of  re cl ose r s.  Here,  the  differen c e be tween two steps in obj e c tive functio n  value sh o u ld be le ss  than 1%. If  the  differen c e in   obje c tive fun c tion i s  le ss t han 1%, thi s   step  will sele ct as the o p timal num ber  and   locatio n  of  re clo s ers, b e si des, it  can  rev eal that lo ad mo del  ch ange th e o p timal num be r  and   locat i o n  of  re clo s er s.       Referen ces   [1]    Gers, JM, Holmes EJ.  Prote c tion of e l ectri c ity distrib u tio n  netw o rks . T he Institutio n  of Electrica l   Engi neers, L o n don, Un ited Ki ngd om. 200 8: 133- 141.   [2]    Che n  G. A No vel QEA-base d  Optimum S w itch  Placeme n t  Method for Improvi ng Custo m er Servic e   Reli ab ilit y.  IEEE Trans. on Power SysteM.  2 008; 16( 2): 620 -623.   [3]    Che n  Ch, L i n  ChH, Ch ua ng  HJ, Li Ch Sh, H uan g MY, Hua ng CH. Optim a l Plac ement of  Lin e  S w itch e s   for Distributi o n  Automatio n  Systems Usi ng I mmune Al gorit hm.  IEEE Trans. on Power System . 20 06 ;   21(3): 42 5-4 3 0 .   [4]    Billi nton  R, Jo nnav ithul a S.  Optimal S w itc h in g  D e vice  P l acem ent i n  R adi al D i strib u ti on S y stems .   IEEE Trans. on Power Deliver y. 1996; 1 1 (3): 164 6-16 51.   [5]    F e rreira G, Bre t as A. A non li n ear b i nar y  pro g r ammi ng  mod e l  for el ectric d i s t ributio n s y ste m s reli abi lit y  optimiz ation.  In ternatio nal J o u r nal of Electric al Pow e r & Energy Syste m s . 199 6; 43(1): 38 4– 39 2.  [6]    Qin Q, Wu N.  Reclos er a nd  Section a li z e r P l ace m ent for  R e lia bi lity Impro v ement Us ing   Discrete Ev en t   Simulation .   PE S General Me e t ing Co nfere n c e  & Exp o sitio n .  1996.   [7]    W ang  L, Si ngh  C. R e li abi lit y-c onstrai ned  o p ti mu m p l acem e n t of rec l os ers  and  distri bute d  ge ner ators   in  distrib u tion   net w o rks  usi n g  an  ant c o l o n y   s y stem  al gorith m .  Systems, M an, a nd  Cyb e r netics, Par t   C: Applic ations  and Rev i ew s, IEEE Transactions on . 2 008;  38(6): 75 7-6 4 .   [8]   Popov i ć  DH, Greatbanks J A , Begovi ć  M, Pregelj A. Placem ent of  distribute d  g ener ators an d   reclos ers for di stributio n net w o rk securit y  a n d  reli abi lit y .  Int e rnati ona l Jo urnal of El ectrica l  Po w e r   &   Energ y  S y stem s. 2005; 27( 5): 398- 408.    [9]    W ang L, Si ngh  C.  Reli abi lity-c onstrai ned opti m u m   r e clos er pl ac e m ent i n  di stributed  gen er ation  usin g   ant colony system  algorithm . In Po w e r S y ste m s Confere n ce  and E x pos itio n. 2006: 186 0-1 865.    [10]    Chait u san e y  S, Yoko yama A.   Preventi on of r e lia bi lit y   de gra datio n from rec l oser –fuse mis c oord i nati o n   due to distri but ed ge ner ation.  IEEE Transactions on Power  Deliv ery . 200 8; 23(4): 254 5-5 4 .   [11]    Naiem AF , He gaz y   Y, Abdel aziz AY, Elsh arka w y  MA. A classificati on  techni qu e for reclos er-fuse   coord i nati on i n   distri buti on s y stem s  w i th distrib u ted ge nerati on.  IEE E  T r ansactio n s  on P o w e r   Deliv ery . 201 2; 27(1): 176- 85.    [12]    Li Z ,  Yuqi n  X, Z engpi ng W .   Researc h  o n  opti m i z a t io n  of recl os er p l ace m ent of D G -enha nce d   distrib u tion n e tw orks .   T h ird Intern ation a l  Co nferenc e  on  El ectric  Utilit y D e re gul ation  an d   Restructuri ng a nd Po w e r T e chnol ogi es. 200 8: 2592- 25 97.   [13]    Abdi S, Afshar  K, Ahmadi S,  Bigd eli N, Ab di  M. Optimal recloser a nd a u tosectio nal izer  alloc a tio n   i n   distrib u tion  n e tw o r ks  usin g IP SO–Monte  Car l o  appr oac h.  In ternatio nal  Jo u r nal  of E l ectric al P o w e r  &   Energy Syste m s . 2014; 55: 60 2-11.    [14]    Deh gha ni  N, D a shti R. Optimi zation  of recl o s er  pl aceme n t  to improv e re li abil i t y  b y   gen et ic al gorithm.   Energy a nd Po w e r Engine eri n g . 2011; 3( 4): 508.   [15]    Manso u ri A, A z ami A, Omi d i an A, M o h a ma dia n   E, Az ami  R. Eval uatio n  of Po w e r S y st em Re li abi li t y   Consi der ing  Di rect Loa d C ont rol Effects.   Internatio nal J our n a l of El ec trica l  and Co mp uter Engi neer in g   (IJECE) . 2013;  3(2): 254-2 59.    Evaluation Warning : The document was created with Spire.PDF for Python.
                             ISSN: 25 02-4 752                   IJEECS  Vol.  2, No. 1, April 2016 :  1– 10   10 [16]    Bezerra JR, Barroso GC, Leao RP.  Sw itch place m ent al gorith m   for re duci ng custo m ers outag e   impacts o n  ra di al d i stributi on  n e tw orks . In T E NCON 2 012- 2 012 IEEE  Re gi on 1 0  C onfer e n ce. 20 12:  1- 6.   [17]   Abiri-Ja hromi  A,  F o tuhi-F iruzaba d M, Parvani a M, Mosleh M.  Optimized sectio nal i z ing s w itc h   plac ement stra teg y  i n  distrib u t ion s y stems.  IEEE Transactions on Power Deliv ery . 201 2; 27(1): 362 - 70.   [18]    Kavia n i-Ara n i  A. Optimal pl a c ement a nd si zing  of distrib u t ed ge ner ation  units us ing c o -evol u tion a r y  particl e s w arm  optimiz atio n a l gorit hms.  T E LKOMNIKA Indones ian  Jour n a l of  E l ectrica l   Engi neer in g .   201 5; 13(2): 24 7-25 6.    [19]    Moradi  A, F o tu hi-F iruza b a d  M .  Optimal s w itc h   pl acem ent i n  distrib u tio n  s ystems usi ng tri nar y  particl e   s w a rm optimiz ation a l g o rithm .  IEEE  Transac tions on Power  Delivery . 2 008 ; 23(1): 271-9.    [20]    Singh D, V e rm a KS. Multiobj ective optimization for   DG planning  w i t h  load  models. IEEE  T r ansactions   on Po w e r S y st em. 2009; 2 4 (1 ): 427-36.   [21]    Hun g  DQ, Mit h ula nant han  N,  Lee  KY. D e ter m inin g PV  p e n e tration  for  dist ributi on s y st ems  w i th  time- var y in g loa d  mode ls. IEEE  T r ansacti ons o n  Po w e r S y stem s. 2014; 29( 6): 304 8-57.   [22]    Nan da J, Sri n i v as MS, Shar ma M, De y SS , Lai  LL.  New  findings on  r a dial distribution system  loa d   flow  algorith m s . InPo w e r Engi neer ing S o ciet y W i nt er Meeti ng. 200 0; 2:11 57-1 161.   [23]    Rao RV, Sav s ani VJ, Vakh aria DP. T eachin g–l ear nin g - base d  optimiz at ion: a nov el  method for   constrai ned m e cha n ica l  des i gn optim izatio n  probl em s. Co mputer-Ai ded  Desig n . 20 11; 43(3): 30 3-1 5 .  [24]    Aman MM, Jasmon GB, Baka r AH, Mokhlis  H.  A ne w  a ppr oach for o p tim u m simulta n e o u s multi-DG   distrib u ted g e n e ratio n  Un its pl aceme n t an d s i zing  bas ed  on  maximizati on  of s y stem l o a d abil i t y   usi n g   HPSO (h ybrid  particl e s w arm  optimiz ation) a l gorithm.  Ener g y . 2014; 66: 20 2-15.     Evaluation Warning : The document was created with Spire.PDF for Python.