حل مسئله مشارکت واحدهای نیروگاهی با استفاده از الگوریتم ترکیبی بهینه سازی اجتماع ذرات دودوئی و الگوریتم ژنتیک

سال انتشار: 1390
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,255

فایل این مقاله در 8 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:

PSC26_362

تاریخ نمایه سازی: 27 اسفند 1390

چکیده مقاله:

در این مقاله روشی برای به کارگیری همزمان الگوریتم اجتماع ذرات و الگوریتم ژنتیک ارائه می گردد که هدف آن حل مسئله ورود و خروج واحدهای حرارتی (UC) می باشد.مسئله UC شامل دو زیر مسئله می باشد : 1. برنامه ریزی خاموش یا روشن بودن واحدها که هدف آن کمینه سازی هزینه گذرا می باشد و با الگوریتم اجتماع ذرات دودوئی حل می گردد. 2. برنامه تصمیم گیری میزان تولید بهینه واحدها که هدف آن کمینه سازی هزینه تولید می باشد و با الگوریتم ژنتیک حل می گردد. الگوریتمی که ارائه خواهد شد بر روی یک شبکه با ده واحد حرارتی و یک واحد تلمبه ذخیره ای اجرا شده است. اجرای همزمان الگوریتم های بهینه سازی ژنتیک و اجتماع ذرات موجب کاهش هزینه کل تولید می گردد. با انتخاب ضرایب شتاب و وزن اینرسی متغیر در روابط PSO همگرایی سیستم افزایش یافته و ذرات در دام نقاط بهینه محلی گرفتار نمی شوند.

کلیدواژه ها:

مشارکت واحدهای نیروگاهی ، الگوریتم تجمع ذرات دودوئی ، الگوریتم ژنتیک ، نیروگاه تلمبه ذخیر های

نویسندگان

سید محمد حسن حسینی

دانشگاه آزاد اسلامی - تهران جنوب

حسن سیاهکلی

دانشگاه آزاد اسلامی - تهران جنوب

یاشار قلندران

دانشگاه آزاد اسلامی - تهران جنوب

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 :
  • A.J. Wood and B. F. Wollenberg, Power Generation, ...
  • Hongway Z, Xiaoqing Z, Yuzhao F, Zhen R, Hydro- thermal ...
  • N. P. Padhy, Unit Commitment-A bibliographical Survey, IEEE Trans. Power ...
  • R.Eberhart, and J. Kennedy, A New Optimizer Using Purticle Swvarm ...
  • R.Eberhart and Y. Shi, Comparison between genetic algorithm and particle ...
  • P.H. Chen, Pumped Storage Scheduling Using Evolutionary Particle Swarm Optimization, ...
  • A. Ratnaweera, S. K. Halgamuge, and H. C. Watson, Self-organizing ...
  • _ _ _ _ Conference _ Computers and Industrial Engineering; ...
  • نمایش کامل مراجع