ترجمه مقاله روش الگوریتم جهش ترکیبی قرباغه برای حل مساله مشارکت واحد سودمحور با محدودسازی انتشار (آلاینده‌ها)
ترجمه مقاله روش الگوریتم جهش ترکیبی قرباغه برای حل مساله مشارکت واحد سودمحور با محدودسازی انتشار (آلاینده‌ها)
| دسته بندی | برق |
| فرمت فایل | docx |
| حجم فایل | 778 کیلو بایت |
| تعداد صفحات | 17 |
روش الگوریتم جهش ترکیبی قورباغه برای حل مساله مشارکت واحد سودمحور با محدودسازی انتشار (آلاینده‌ها)+ نسخه انگلیسی 2013
SFLA approach to solve PBUC problem with emission limitation
چکیده
در این مقاله، برای حل مساله مشارکت واحد سودمحور در یک محیط تجدید ساختار یافته و محدودیت انتشار آلاینده‌ها، الگوریتم جهش ترکیبی قورباغه ارائه می‌شود. مساله بهینه‌سازی تابع دو هدفه به صورت بیشینه‌سازی سود شرکت‌های تولیدی و کمینه‌سازی آلاینده‌های جوی واحدهای حرارتی فرموله می‌شود، در عین حال که همه قیود باید ارضا شوند. این کار، برای اختصاص هزینه‌های ثابت و گذرا به ساعات زمانبندی، قید تقاضای نرم‌‌تری را در نظر می‌گیرد. برای شبیه‌سازی از برنامه متلب نسخه 10/7 و از یک سیستم نمونه 39 باس 10 واحد IEEE استفاده شده است. با توجه به نتایج بدست آمده، ملاحظه می‌شود که الگوریتم ارائه شده به بیشترین سود و کمترین سطح انتشار دست می‌یابد، و در عین حال در مقایسه با مشارکت واحدهای سنتی زمان محاسباتی بسیار کمتری هم دارد.
- مقدمه
مشارکت واحد (UC) یک مساله بهینه‌سازی غیرخطی با اعداد صحیح ترکیبی است که در برنامه‌ریزی عملکرد واحدهای تولیدی با کمترین هزینه اجرائی و در عین حال ارضای الزامات تقاضا و ذخیره، کاربرد دارد. در قدیم مساله مشارکت واحد باید بر اساس وضعیت روشن/ خاموش واحدهای تولیدی در هر ساعت از دوره برنامه‌ریزی تعیین می‌شدند و به صورت بهینه بار و ذخیره را بین واحدهای مشارکتی توزیع می‌کردند. مشارکت واحد مهم‌ترین مساله بهینه‌سازی در عملکرد سیستم‌های قدرت است. پاسخ بهینه فرامحلی (جهانی) برای مساله مشارکت واحد را می‌توان با شمارش کامل بدست آورد، که به علت نیازمندی به زمان محاسباتی زیاد برای سیستم‌های قدرت بزرگ محدود شده است . برای حل مساله مشارکت واحد روش‌های گوناگونی تاکنون ارائه شده است، مثل لیست اولویت (PL)، برنامه‌نویسی پویا (DP)، آزادسازی لاگرانژ(LR) ، الگوریتم ژنتیک (GA) و بهینه‌سازی گروه ذرات (PSO). روش لیست اولویت سریع است اما بسیار ابتکاری است و هزینه‌های عملکردی نسبتا بالائی برای برنامه‌ریزی بدست می‌دهد . روش برنامه‌نویسی پویا نیز دارای قابلیت حل مسائل با اندازه‌های مختلف را دارد . اما اگر قیود در نظر گرفته شده باشند، ممکن است منجر به پیچیدگی ریاضی شده و زمان محاسبه افزایش یابد.
مطالب زیر را حتما بخوانید:
قوانین ارسال دیدگاه در سایت