Renewable energy sources powered distributed generation (RES‐DG) is getting more indispensable to encounter the considerable increase in demand for electric energy owing to its techno‐economic benefits and eco‐friendly nature. An economic solution to this demand can only be obtained with the optimal placement and sizing of RES‐DGs. The optimal siting and sizing of RES‐DG, such as Photovoltaic (PV) and Wind Turbine (WT) is still a hot topic due to the uncertainties in solar irradiance (SI) and wind speed (WS). The main objective of this research paper is to develop a RES‐DG siting and sizing strategy for the discrete, nonlinear siting and sizing pattern of RES‐DGs using a novel hybrid Harris' Hawk optimizer (HHHO), considering the stochastic nature of SI and WS. The Weibull and Beta probability density functions (PDFs) are utilized for modeling the stochastic nature of WS and SI, respectively. The optimization of the multiobjective function comprises active power loss reduction, enhancement in voltage profile, and improvement in voltage stability index (VSI). Different scenarios of single and multiple RES‐DGs and capacitor banks (CB) are examined to validate the efficiency of the proposed novel HHHO based RES‐DGs siting and sizing strategy. The results show a considerable reduction in power loss, enhancement in the system voltage profile, and improvement in VSI. Evaluation of results by comparing withstate‐of‐art hybrid algorithms shows that the proposed solution using HHHO algorithm is globally optimum.

中文翻译：

---

混合哈里斯霍克斯霍克斯优化器，用于考虑能源随机行为的可再生能源整合

由于其技术经济效益和生态友好性，可再生能源动力分布式发电（RES‐DG）变得越来越不可或缺，以满足对电能的大量需求。只有通过优化RES-DG的位置和尺寸，才能获得满足此需求的经济解决方案。由于太阳辐照度（SI）和风速（WS）的不确定性，诸如光伏（PV）和风力涡轮机（WT）之类的RES‐DG的最佳选址和选型仍然是热门话题。本研究的主要目的是考虑到SI和SI的随机性，使用新颖的哈里斯霍克优化器（HHHO）为RES‐DG的离散，非线性选址和尺寸调整模式开发RES‐DG选址和尺寸调整策略。 WS。Weibull和Beta概率密度函数（PDF）分别用于对WS和SI的随机性进行建模。多目标函数的优化包括降低有源功率损耗，提高电压曲线和提高电压稳定性指数（VSI）。研究了单个和多个RES-DG和电容器组（CB）的不同情况，以验证所提出的基于HHHO的新颖RES-DG选址和规模调整策略的效率。结果表明，功率损耗显着降低，系统电压曲线得到改善，VSI得到改善。通过与最先进的混合算法进行比较，结果评估表明，使用HHHO算法提出的解决方案是全局最优的。多目标函数的优化包括降低有源功率损耗，提高电压曲线和提高电压稳定性指数（VSI）。研究了单个和多个RES-DG和电容器组（CB）的不同情况，以验证所提出的基于HHHO的新颖RES-DG选址和规模调整策略的效率。结果表明，功率损耗显着降低，系统电压曲线得到改善，VSI得到改善。通过与最先进的混合算法进行比较，结果评估表明，使用HHHO算法提出的解决方案是全局最优的。多目标函数的优化包括降低有源功率损耗，提高电压曲线和提高电压稳定性指数（VSI）。研究了单个和多个RES-DG和电容器组（CB）的不同情况，以验证所提出的基于HHHO的新颖RES-DG选址和规模调整策略的效率。结果表明，功率损耗显着降低，系统电压曲线得到改善，VSI得到改善。通过与最先进的混合算法进行比较，结果评估表明，使用HHHO算法提出的解决方案是全局最优的。研究了单个和多个RES-DG和电容器组（CB）的不同情况，以验证所提出的基于HHHO的新颖RES-DG选址和规模调整策略的效率。结果表明，功率损耗显着降低，系统电压曲线得到改善，VSI得到改善。通过与最先进的混合算法进行比较，结果评估表明，使用HHHO算法提出的解决方案是全局最优的。研究了单个和多个RES-DG和电容器组（CB）的不同情况，以验证所提出的基于HHHO的新颖RES-DG选址和规模调整策略的效率。结果表明，功率损耗显着降低，系统电压曲线得到改善，VSI得到改善。通过与最先进的混合算法进行比较，结果评估表明，使用HHHO算法提出的解决方案是全局最优的。