<?xml version="1.0" encoding="utf-8"?>
<journal>
<title>Journal of Iranian Association of Electrical and Electronics Engineers</title>
<title_fa>نشریه مهندسی برق و الکترونیک ایران</title_fa>
<short_title>Journal of Iranian Association of Electrical and Electronics Engineers</short_title>
<subject>Engineering &amp; Technology</subject>
<web_url>http://jiaeee.com</web_url>
<journal_hbi_system_id>1</journal_hbi_system_id>
<journal_hbi_system_user>admin</journal_hbi_system_user>
<journal_id_issn>2676-5810</journal_id_issn>
<journal_id_issn_online>2676-6086</journal_id_issn_online>
<journal_id_pii>8</journal_id_pii>
<journal_id_doi>10.61882/jiaeee</journal_id_doi>
<journal_id_iranmedex></journal_id_iranmedex>
<journal_id_magiran></journal_id_magiran>
<journal_id_sid>14</journal_id_sid>
<journal_id_nlai>8888</journal_id_nlai>
<journal_id_science>13</journal_id_science>
<language>fa</language>
<pubdate>
	<type>jalali</type>
	<year>1391</year>
	<month>1</month>
	<day>1</day>
</pubdate>
<pubdate>
	<type>gregorian</type>
	<year>2012</year>
	<month>4</month>
	<day>1</day>
</pubdate>
<volume>9</volume>
<number>1</number>
<publish_type>online</publish_type>
<publish_edition>1</publish_edition>
<article_type>fulltext</article_type>
<articleset>
	<article>


	<language>fa</language>
	<article_id_doi></article_id_doi>
	<title_fa>تخمین حالت در شبکه های توزیع برق بر مبنای بهینه سازی اجتماع ذرات دو حلقه ای جهش یافته (DLM-PSO)</title_fa>
	<title>Distribution State Estimation Based on Particle Swarm and Doubly Loop Mutant Optimization (DLM-PSO)</title>
	<subject_fa>قدرت</subject_fa>
	<subject>Power</subject>
	<content_type_fa>پژوهشي</content_type_fa>
	<content_type>Research</content_type>
	<abstract_fa>&lt;p style=&quot;text-align: justify;&quot;&gt;چکیده: در این مقاله روشی جدید بر مبنای الگوریتم بهینه&amp;shy;سازی اجتماع ذرات جهت تخمین حالت در شبکه&amp;shy;های توزیع برق پیشنهاد می&amp;shy;شود. جهت بالا بردن کارایی، دقت، سرعت همگرایی به پاسخ و جلوگیری از نوسانی شدن الگوریتم اجتماع ذرات اصلی، حلقه دوم اجتماع ذرات بعلاوه الگوریتم جهش به همراه تابع ایزولاسیون ارایه می&amp;shy;شود. به منظور در نظر گرفتن عدم قطعیت بارها در شبکه&amp;shy;های توزیع ، مدل&amp;shy;شده به صورت اکتیو و راکتیو، اندازه&amp;shy;گیرهای مجازی با خطایی واقع&amp;shy;بینانه مدلسازی شده&amp;shy;اند. نتایج شبیه&amp;shy;سازی روی دو شبکه توزیع شعاعی 6 باسه و 34 باسه تست IEEE نشان می&amp;shy;دهد که تخمین حالت توزیع بر مبنای الگوریتم پیشنهادی DLM-PSO دارای خطای تخمین و انحراف معیار کمتر در مقایسه با الگوریتم&amp;shy;هایی نظیر WLS، GA، HBMO و PSO اصلی می&amp;shy;باشد.&lt;/p&gt;

&lt;p&gt;&lt;/p&gt;
</abstract_fa>
	<abstract>&lt;p style=&quot;text-align: justify;&quot;&gt;This paper presents a novel algorithm based on particle swarm optimization (PSO) to estimate the states of electric distribution networks. In order to improve the performance, accuracy, convergence speed, and eliminate the stagnation effect of original PSO, a secondary PSO loop and mutation algorithm as well as stretching function is proposed. For accounting uncertainties of loads in distribution networks, pseudo-measurements is modeled as loads with the realistic errors. Simulation results on 6-bus radial and 34-bus IEEE test distribution networks show that the distribution state estimation based on proposed DLM-PSO presents lower estimation error and standard deviation in comparison with algorithms such as WLS, GA, HBMO, and original PSO.&lt;/p&gt;

&lt;p&gt;&lt;/p&gt;
</abstract>
	<keyword_fa>شبکه های توزیع, تخمین حالت, الگوریتم اجتماع ذرات, جهش, تابع ایزولاسیون.</keyword_fa>
	<keyword>Distribution networks, State estimation, PSO algorithm, Mutation, Stretching function.</keyword>
	<start_page>41</start_page>
	<end_page>52</end_page>
	<web_url>http://jiaeee.com/browse.php?a_code=A-10-1-128&amp;slc_lang=fa&amp;sid=1</web_url>


<author_list>
	<author>
	<first_name>A.</first_name>
	<middle_name></middle_name>
	<last_name>Arefi</last_name>
	<suffix></suffix>
	<first_name_fa>علی</first_name_fa>
	<middle_name_fa></middle_name_fa>
	<last_name_fa> عارفی</last_name_fa>
	<suffix_fa></suffix_fa>
	<email></email>
	<code>1003194753284600473</code>
	<orcid>1003194753284600473</orcid>
	<coreauthor>Yes
</coreauthor>
	<affiliation></affiliation>
	<affiliation_fa></affiliation_fa>
	 </author>


	<author>
	<first_name>M.</first_name>
	<middle_name></middle_name>
	<last_name>Haghifam</last_name>
	<suffix></suffix>
	<first_name_fa>محمودرضا </first_name_fa>
	<middle_name_fa></middle_name_fa>
	<last_name_fa>حقی فام  </last_name_fa>
	<suffix_fa></suffix_fa>
	<email></email>
	<code>1003194753284600474</code>
	<orcid>1003194753284600474</orcid>
	<coreauthor>No</coreauthor>
	<affiliation></affiliation>
	<affiliation_fa></affiliation_fa>
	 </author>


	<author>
	<first_name>S. A. </first_name>
	<middle_name></middle_name>
	<last_name>Fathi</last_name>
	<suffix></suffix>
	<first_name_fa>سید حمید </first_name_fa>
	<middle_name_fa></middle_name_fa>
	<last_name_fa>فتحی</last_name_fa>
	<suffix_fa></suffix_fa>
	<email></email>
	<code>1003194753284600475</code>
	<orcid>1003194753284600475</orcid>
	<coreauthor>No</coreauthor>
	<affiliation></affiliation>
	<affiliation_fa></affiliation_fa>
	 </author>


</author_list>


	</article>
</articleset>
</journal>
