الگوریتم هوش مصنوعی بهینه سازی انبوه ذرات،تکامل تفاضلی درتوزیع اقتصادی بارشبکه برق قدرت

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 444

فایل این مقاله در 15 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICESCON02_125

تاریخ نمایه سازی: 16 شهریور 1395

چکیده مقاله:

هدف از توزیع اقتصادی بار تخصیص تقاضا بین واحدهای مشارکت کننده و از پیش تعیین شده با شرط حداقل نمودن هزینه ی سوخت و تامین ذخیره ی چرخان می باشد.در این تحقیق نیز به دنبال استخراج یک تابع هدف مناسب در شرایط احتمالی بودن تولید واحدها هستیم و با الگوریتمهای بهینه سازی ، بازدهی کار را بالا ببریم. هدف اصلی از انجام این تحقیق انجام پخش بار اقتصادی در شبکه مایکرو ، با در نظر گرفتن احتمال تولید به روش مونت کارلو و استفاده از الگوریتم بهینه سازی ازدحام ذرات تفاضل تکاملی می باشد. بر اساس نتایج بدست آمده، الگوریتم – DPESO ارائه شده قادر است که در زمان محاسبه ی کمتر و در دوره ی تکرار کمتر به پاسخی بدون کمبود توان و تولید توان مازاد برسد که از اهداف بکارگیری این تکنیک در این تحقیق بوده است. الگوریتم ارائه شده در کمتر از 5 دقیقه در 20 دوره گردش به جواب بهینه ای بهتر از دو الگوریتم دیگر دست یافت. این یعنی قابلیت محاسباتی الگوریتم DPESO تقریبا 3 برابر سریعتر از الگوریتم DE و تقریبا 6 برابر سریعتر از الگوریتم PSO بهبود یافته می باشد که سرعت نسبی قابل توجهی است.مشخصه ی دیگر مورد نظر در ارزیابی الگوریتم DPESO چگونگی همگرایی این الگوریتم در یافتن پارامترهای شبکه میکروگرید به جهت بهینه کردن تابع هزینه کل است. بر اساس نتایج بدست آمده، تقریبا در دوره ی سوم الگوریتم مقدار تابع به حدود 1800 میرسد و پس از آن با کمتر شدن در چند مرحله سر انجام در دوره ی 20 مقدار نهایی که 1721.25 می باشد حاصل میشود.

کلیدواژه ها:

توزیع اقتصادی بار - الگوریتم pso - الگوریتمهای بهینه سازی - الگوریتم مونت کارلو الگوریتم - DPESO

نویسندگان

علی حبیبی

مدیریت توزیع برق شهرستان ازنا لرستان

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 :
  • Strunz, K.. et al. Developing benchmark models for low-voltage distribution ...
  • Group, E.N., Technology Characteriz ation : Microturbine. Prepared for the ...
  • Hill, J, et al., Climate change and health costs of ...
  • Abido, M.A., E nv ironmental/ec oomic power dispatch using multiobjective ...
  • Moghaddam, A.A., et al., Multi-obj ective operation management of a ...
  • Godfrey, C. and D. Donald, Differential Evolution: A Handbook for ...
  • Price, K.V. An introduction to differential evolution. in New ideas ...
  • Storn, R. and K. Price, Differential evolution-a simple and efficient ...
  • Doucet, A., N. De Freitas, and N. Gordon, An introduction ...
  • Lee, J., New Monte Carlo algorithm: entropic sampling. Physical Review ...
  • Ramanathan, R., Emission constrained economic dispatch. Power Systems, IEEE Transactions ...
  • Somuah, C. and F. Schweppe, Economic dispatch reserve allocation. Power ...
  • Liang, Z.-X. and J.D. Glover, A zoom feature for a ...
  • Yan, X. and V.H. Quintana, An efficient pre di ctor-corrector ...
  • Pancholi, R.K. and K. Swarup. Particle SWarm optimization for security ...
  • Rahmani, R., et al., Hybrid technique of ant colony and ...
  • S e yedmahmoudi an, M., et al., Maximum power point ...
  • Karimi, H., et al., Analytical development and optimization of a ...
  • Walters, D.C. and G.B. Sheble, Genetic algorithm solution of economic ...
  • Basu, M., _ colony optimization for combined het and power ...
  • Drigo, M., V. Maniezzo, and A. Colorni, The ant system: ...
  • Kennedy, J., Particle SWarm optimization, in Encyclopedia of Machine Learning. ...
  • Rahmani, R., et al., Solving economic dispatch problem using particle ...
  • Kannan, S., et al., Application of particle SWarm optimization technique ...
  • Yu, X.-m., X.-y. Xiong, and Y .-w. Wu, A PSO-based ...
  • Noman, N. and H. Iba, Differential evolution for economic load ...
  • Peirs, J., D. Reynaerts, and F. Verplaetsen, A microturbine for ...
  • Goldstein, L, et al., Gas-fired distributed energy resource technology characteriz ...
  • Staunton, R. and B. Ozpineci, Microturbine power conversion technology review. ...
  • Gu, W., et al., Modeling, planning and optimal energy management ...
  • Appleby, A.J., Fuel cell handbook 1988. ...
  • Steele, B.C. and A. Heinzel, Materials for fuel-cell technologies. Nature, ...
  • O'Hayre, R.P., et al., Fuel cell fundamental. 2006: John Wiley ...
  • Wang, J., M. Shahidehpour, and Z. Li, Contingency- constrained reserve ...
  • Wu, H., X. Liu, and M. Ding, Dynamic economic dispatch ...
  • نمایش کامل مراجع