برنامه ریزی واحدهای حرارتی-بادی مبتنی بر الگوریتم سرد شدن تدریجی فلزات

سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 826

فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ECOSE01_166

تاریخ نمایه سازی: 25 مهر 1393

چکیده مقاله:

افزایش حفاظت ازمحیط زیست و تمام شدن تدریجی منابع انرژی فسیلی استفاده ازمنابع انرژی باد درسیستم های قدرت موجود را افزایش میدهد توسعه بهتر الگوریتم های برنامه ریزی واحدهای حرارتی بادی برای تعیین نسبت بهینه ظرفیت ژنراتور باد که میتواند باادغام دربهره برداری سیستم های قدرت ترکیبی جدابطور قابل اعتماد و موثر به کارگرفته شود روش جستجوی تصادفی که بابهره گیری ازشبیه سازی الگوریتم سرد شدن تدریجی فلزات sA به همراه روش توزیع اقتصادی بار بامحدودیت پویا CDED برای برنامه ریزی واحدهای حرارتی بادی درسیستم های قدرت مجزا با نفوذبالای ظرفیت باد استفاده شده است الگوریتم SA بریا برنامه ریزی واحدهای تولید استفاده میشود درحالیکه روش جستجوی مستقیم نرخ شیب CDED راوقتی که تولید توان باد درنظر گرفته میشود استفاده میشود چندین محدودیت روش برای تعیین نسبت ماکزیمم ظرفیت ژنراتور باد که میتواند درسیستم ها مورد استفاده قرارگیرد به کاربرده شده اند یک محدودیت روش امن برای تولید راه حلهای مناسب و همچنین برای بهبود فرایند حل sA توسعه داده میشود مطالعات عددی شامل فهمیدن ظرفیت ژنراتور بادی درانالیز هزینه بهره برداری و برای فراهم کردن اطلاعات با ارزش برای هردومسئله عملیاتی و برنامه ریزی است

کلیدواژه ها:

به مدارآوردن نیروگاه ها ، واحدهای حرارتی ـ بادی ، الگوریتم سرد شدن تدریجی فلزات Sa ، توزیع اقتصادی باربامحدودیت پویا CDED

نویسندگان

رسول کلانتری مقدم

دانشجوی کارشناسی ارشد دانشکده برق و کامپیوتر دانشگاه بیرجند

محمدرضا آقا ابراهیمی

دانشیار دانشکده برق و کامپیوتر دانشگاه بیرجند

حمید فلقی

استادیار دانشکده برق و کامپیوتر دانشگاه بیرجند

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • generation operation and control" (Wiley, Power؛ 1. Wood, A.J., and ...
  • J.A. Muchkstadt, R.C. Wilson, _ application of mixed-integer programming duality ...
  • Merlin, A., and Sandrin, P.: 0A new method for unit ...
  • Chen, _ and Wang, S.C.:، Branch- and-bound scheduling forthermal generating ...
  • Bakirtzis, A.G., and Petridis, V.: 'A genetic algorithm solution to ...
  • I.G. Damousis, A. G. Bakirtzis, P.S. Dokopoulos, _ solution to ...
  • Juste, K.A., Kiat, H., Tanaka, E., and Hasegawa, J.:، An ...
  • J. Ebrahimi, S.H. Hosseinian, G.B. Gharehpetian, _ commitment problem solution ...
  • X. Yuan, H. Nie, A. Su, L. Wanga, Y. Yuan, ...
  • X. Yuan, H. Nie, A. Su, L. Wanga, Y. Yuan, ...
  • J. Valenzuela, A.E. Smith, _ seeded memetic algorithm for large ...
  • C.C. Su, Y.Y. Hsu, "Fuzzy dynamic programming: _ application to ...
  • Z. Ouyang, S.M. Shahidehpour, "A hybrid artificial neural network- ...
  • dynamicpro gramming approach to unit commitment, " IEEE Transactions on ...
  • S.J. Huang, C.L. Huang, "Application of genetic based neural network ...
  • نمایش کامل مراجع