The integration of network reconfiguration and distributed generation (DG) can enhance the performances of overall networks. Thus, proper sizing and siting of DG need to be determined, otherwise it will cause degradation in system performance. However, determining proper sizing and siting of DG together with network reconfiguration is a complex problem due to huge solution search space. This search space mostly contains non-radial network configurations. Eliminating these non-radial combinations during optimization process increases computational overhead and may end up at local optimal solution. To reduce the searching complexity, this paper considers the discretized network reconfiguration via dataset approach. Water cycle algorithm (WCA) is used to obtain the near optimal solution of network reconfiguration, and sizing and sitting of DG. In addition, the power factor of DG is also optimized to reduce the power loss. The proposed method is tested on an IEEE 33-bus network and an IEEE 69-bus network considering different scenarios to show the effectiveness of simultaneous approach considering variable power factor. The results show that the discretization of reconfiguration search space avoids that WCA to get trapped in local optima. The proposed method outperforms other technique such as harmony search algorithm (HSA), fireworks algorithm (FWA), Cuckoo search algorithm (CSA) and uniform voltage distribution based constructive algorithm (UVDA) and improves the solution quality of IEEE 33-bus network and 69-bus network by 29.20% and 27.88%, respectively.

中文翻译：

---

使用数据集方法和水循环算法通过网络重新配置和DG集成增强配电网络规划

网络重新配置和分布式生成（DG）的集成可以增强整个网络的性能。因此，需要确定DG的适当大小和位置，否则将导致系统性能下降。但是，由于巨大的解决方案搜索空间，确定DG的正确大小和位置以及网络重新配置是一个复杂的问题。该搜索空间主要包含非径向网络配置。在优化过程中消除这些非径向组合会增加计算开销，并可能最终导致局部最优解。为了降低搜索的复杂度，本文考虑了通过数据集方法对离散网络进行重新配置。水循环算法（WCA）用于获得网络重新配置以及DG的大小和位置的最佳解决方案。此外，DG的功率因数也经过优化以减少功率损耗。在考虑不同场景的IEEE 33总线网络和IEEE 69总线网络上对提出的方法进行了测试，以显示考虑可变功率因数的同时方法的有效性。结果表明，重新配置搜索空间的离散化避免了WCA陷入局部最优状态。该方法优于其他技术，例如和声搜索算法（HSA），烟花爆竹算法（FWA），布谷鸟搜索算法（CSA）和基于均匀电压分布的构造算法（UVDA），并提高了IEEE 33总线网络和69的解决方案质量公交网络分别增长29.20％和27.88％。在考虑不同场景的IEEE 33总线网络和IEEE 69总线网络上对提出的方法进行了测试，以显示考虑可变功率因数的同时方法的有效性。结果表明，重新配置搜索空间的离散化避免了WCA陷入局部最优状态。该方法优于其他技术，例如和声搜索算法（HSA），烟花爆竹算法（FWA），布谷鸟搜索算法（CSA）和基于均匀电压分布的构造算法（UVDA），并提高了IEEE 33总线网络和69的解决方案质量公交网络分别增长29.20％和27.88％。在考虑不同场景的IEEE 33总线网络和IEEE 69总线网络上对提出的方法进行了测试，以显示考虑可变功率因数的同时方法的有效性。结果表明，重新配置搜索空间的离散化避免了WCA陷入局部最优状态。该方法优于其他技术，例如和声搜索算法（HSA），烟花爆竹算法（FWA），布谷鸟搜索算法（CSA）和基于均匀电压分布的构造算法（UVDA），并提高了IEEE 33总线网络和69的解决方案质量公交网络分别增长29.20％和27.88％。结果表明，重新配置搜索空间的离散化避免了WCA陷入局部最优状态。该方法优于其他技术，例如和声搜索算法（HSA），烟花爆竹算法（FWA），布谷鸟搜索算法（CSA）和基于均匀电压分布的构造算法（UVDA），并提高了IEEE 33总线网络和69的解决方案质量公交网络分别增长29.20％和27.88％。结果表明，重新配置搜索空间的离散化避免了WCA陷入局部最优状态。该方法优于其他技术，例如和声搜索算法（HSA），烟花爆竹算法（FWA），布谷鸟搜索算法（CSA）和基于均匀电压分布的构造算法（UVDA），并提高了IEEE 33总线网络和69的解决方案质量公交网络分别增长29.20％和27.88％。