| عنوان فارسی مقاله: | الگوریتم ترکیبی SOA-SQP برای پخش بار (دیسپاچینگ) دینامیکی به صورت اقتصادی و با در نظرگیری تاثیر نقطه سوپاپ |
| عنوان انگلیسی مقاله: | Hybrid SOA-SQP algorithm for dynamic economic dispatch with valve-point effects |
| دانلود مقاله انگلیسی: | برای دانلود رایگان مقاله انگلیسی با فرمت pdf اینجا کلیک نمائید |
| سال انتشار | 2010 |
| تعداد صفحات مقاله انگلیسی | 6 صفحه |
| تعداد صفحات ترجمه مقاله | 15 صفحه |
| مجله | انرژی |
| دانشگاه | هند |
| کلمات کلیدی | الگوریتم بهینه سازی جستجوکننده، برنامه نویسی درجه دوم متوالی- مخابره اقتصادی دینامیکی – اثرات نقطه سوپاپ |
| نشریه الزویر | Elsevier |
فهرست مطالب:
چکیده
۱ مقدمه
۲ فرمولاسیون (فرمول نویسی) مسئله
۳ الگوریتم بهینه سازی جستجو کننده
۱ ۳ اجرای الگوریتم SOA
۲ ۳ جهت جستجو
۳ ۳ طول گام
۴ برنامه نویسی درجه دوم متوالی
۵ اجرای الگوریتم ترکیبی SOA-SQP برای مسئله DED
۶ سیستم های تست و نتایج شبیه سازی
۱ ۶ سیستم تست ۱
۲ ۶ سیستم تست ۲
۷ نتیجه گیری
بخشی از ترجمه:
۱ مقدمه
مخابره اقتصادی دینامیکی (DED) یکی از مسائل بهینه سازی مهم شبکه نیرو محسوب می شود که مسئله ای غیر خطی و پیچیده می باشد. DED روشی برای مخابره واحدهای تولیدی یا مولد به تقاضاهای بار پیش بینی شده در طول مدت زمان مشخص با مینیموم هزینه عملیاتی و در عین حال تامین محدودیت های کیفیت، عدم تساوی و نرخ رمپ می باشد. به طور نرمال، DED با در نظر گرفتن تابع هزینه به شکل تابع افزایشی یکنواخت حل شده است. اما، تابع هزینه به خاطر اثرات بارگذاری نقطه سوپاپ غیرمحدب و غیر هموار می باشد. این وضعیت مسئله را در یافتن راه حل بهینه سخت تر می کند. بسیاری از تکنیک های ریاضی برای حل مسئله DED با اثرات نقطه سوپاپ خطاب قرار گرفته است. اما هیچ یک از این روشها توانایی ارائه یک راه حل بهینه را ندارند. آنها معمولاً به خاطر ویژگیهای غیر خطی و غیر محدب واحدهای مولد، در حد بهینه محلی باقی می مانند.
اخیراً، از تکنیک های بهینه سازی تصادفی نظیر الگوریتم ژنتیکی (GA) ، برنامه نویسی تکاملی (EP) ، آنیلینگ شبیه سازی شده (SA) ، بهینه سازی گروه ذرات (PSO) و تکامل تفاضلی (DE) برای حل مسئله مخابره اقتصادی دینامیکی و استاتیکی با در نظر گرفتن اثرات نقطه سوپاپ استفاده شده است. آنها نقش موثری در حل مسئله بدون هرگونه محدودیتی در رابطه با شکل منحنی هزینه ایفا می کنند، دلیل این امر توانایی آنها برای یافتن راه حل بهینه کل می باشد. با این حال این قبیل روشهای تصادفی همیشه راه حل کل را تضمین نمی کنند، آنها عموماً راه حلی مطلوب عرضه می کنند که بهینه نمی باشد. اما اشکال اصلی روشهای فوق همگرایی زودرس می باشد. به منظور غلبه بر کمبودهای روشهای تصادفی، از استراتژیهای زیادی مثل بهینه سازی گروه ذرات انطباقی (APSO) ، بهینه سازی گروه ذرات بهبود یافته (IPSO)، تکامل تفاضلی اصلاح شده (MDE) ، و تکاملی تفاضلی ترکیبی (HDE) برای حل مسئله DED با در نظر گرفتن اثرات نقطه سوپاپ استفاده شده است. دقیق تر اینکه الگوریتم ترکیبی مرکب از روشهای تصادفی و جبری نقش موثری در مسائل بهینه سازی با ویژگیهای غیر خطی، غیر محدب و پیچیده ایفا می کند. براین اساس، الگوریتم ترکیبی مرکب از EP ، و SQP و PSO و SQP برای حل مسئله DED با در نظر گرفتن اثرات نقطه سوپاپ پیشنهاد شده است.
8. بحث و نتیجه گیری
از لحاظ سنتی، برای حل موثر EDP ، تکنیک های متداول نیازمند تابع هزینه محدب و پیوستگی سخت فضای جستجو می باشند. اما از لحاظ عملی، منحنی های هزینه سوخت تصاعدی واحدهای مولد ذاتاً غیر خطی و ناپیوسته می باشند. شکل 3. ویژگیهای همگرایی UHGA و HGA برای مورد 2 برای را نشان می دهد. GA ابزاری مهم برای حل مسائل بهینه سازی پیچیده می باشد که برای حل مسائل مختلف در رشته گوناگون کاربرد دارد. آن در حل مسائل پیچیده در رشته شبکه نیرو مثلاً EDP نیز کاربرد موثری دارد.GA در یافتن منطقه با عملکرد بالا سریعتر عمل می کند اما مشکلات اجرایی جستجوی محلی برای توابع پیچیده را نمایش می دهد. آن منجر به همگرایی زودرس و همچنین تنظیم یا تیونینگ ضعیف راه حل نهایی می گردد. به منظور غلبه براین موانع، GA با SQP تلفیق گردید. از این تکنیک برای حل EDP با توابع هزینه سوخت تصاعدی با در نظر گرفتن اثرات نقطه سوپاپ استفاده شده است. ثابت شده که SQP بهترین روش برنامه نویسی غیر خطی برای حل مسئله بهینه سازی اجباری به شمار می رود. SQP قادر به کشف سریع فضای جستجو با جهت گرادیان بوده و راه حل بهینه محلی را تضمین می کند. اما این روش نسبت به نقطه اولیه حساس می باشد. شیوه ترکیبی برای حل EDP واحدها با در نظر گرفتن اثرات نقطه سوپاپ در مقایسه با زمانی که روشها به طور مجزا بکاررفته باشند، راه حل های کیفی حاصل می کند.
بخشی از مقاله انگلیسی:
1. Introduction
Dynamic economic dispatch (DED) is one of the importantpower system optimization problems which is a non-linear andcomplicated dynamic optimization problem. DED is a method todispatch the generating units to the predicted load demands overa certain period of time at minimum operating cost while satisfyingequality, inequality and ramp-rate limit constraints. Normally, DEDis solved by considering the cost function as monotonicallyincreasing one. However, the cost function is non-convex and nonsmoothdue to the effects of valve-point loading. This will make theproblem harder in finding the optimum solution. Many mathematicaltechniques have been addressed to solve the DED problemwith valve-point effects [1e4]. However, none of these methodsmay be able to provide an optimal solution. They usually get struckat local optimum because of non-linear and non-convex characteristicsof the generating units.
Recently, stochastic optimization techniques such as geneticalgorithm (GA) [5], evolutionary programming (EP) [6], simulatedannealing (SA) [7], particle swarm optimization (PSO) [8] anddifferential evolution (DE) [9] have been used to solve both staticand dynamic economic dispatch problem with valve-point effects.They are found to be effective in solving the problem without anyrestriction on the shape of the cost curve due to their ability to findglobal optimal solution. Though, these stochastic methods do notalways guarantee the global solution, they generally providea reasonable solution which is suboptimal. However, the maindrawback of the above methods is premature convergence. Toovercome the deficiencies in stochastic methods, many strategieshave been used such as adaptive particle swarm optimization(APSO) [10], improved particle swarm optimization (IPSO) [11],modified differential evolution (MDE) [12] and hybrid differentialevolution (HDE) [13] to address the DED problem with valve-pointeffects. More precisely, hybrid algorithm combining stochastic anddeterministic methods is found to be effective in solving optimizationproblems with complex, non-linear and non-convex characteristics.Based on this, hybrid algorithm combining evolutionaryprogramming (EP) and sequential quadratic programming (SQP)[14] and PSO with SQP [15] have been reported to address DEDproblem with valve-point effects.
7. Conclusion
This paper presents a hybrid method combining SOA and SQP for solving DED problem with valve-point effects including generator ramp-rate limits. In this algorithm, SOA is used as a base level search and SQP as local level search. Hence SOA is first applied to DED problem to find the best solution. This best solution is given to SQP as an initial condition to fine tune the solution. To verify the effectiveness, two test cases one with losses and another one without losses were considered. From the simulation results of both the test cases, the proposed hybrid SOAeSQP method is giving higher quality solutions than the reported methods for DED problem with valve-point effects. Thus it provides a new effective method to solve DED problem with valve-point effects. In future, this algorithm will be applied to other power system optimization problem having non-linear and non-convex characteristics. This hybrid method can also be successfully applied to other engineering optimization problem.
| عنوان فارسی مقاله: | الگوریتم ترکیبی SOA-SQP برای پخش بار (دیسپاچینگ) دینامیکی به صورت اقتصادی و با در نظرگیری تاثیر نقطه سوپاپ |
| عنوان انگلیسی مقاله: | Hybrid SOA-SQP algorithm for dynamic economic dispatch with valve-point effects |
خرید ترجمه فارسی مقاله با فرمت ورد