حل مسئلهی پخش توان بهینه با استفاده از نوع جدید الگوریتم بهینهسازی ازدحام ذرات مبتنی بر یادگیری

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 421

فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

IEAC02_003

تاریخ نمایه سازی: 19 اردیبهشت 1395

چکیده مقاله:

یکی از اساسیترین مسائلی که در رابطه با بهرهبرداری از سیستم قدرت همواره مطرح بوده است مسئلهی پخش توان بهینه (Optimal Power Flow (OPF)) میباشد. OPF بصورت یک مسئلهی بهینهسازی مطرح میشود که هدف اصلی آن کمینه کردنهزینهی سوخت مربوط به نیروگاههای حرارتی میباشد. ضمن اینکه انواع مختلف و متعدد قیود از جمله قیود امنیتی شبکه نیز بایستی برآورده شوند. در این مقاله، نوع جدیدی از الگوریتم بهینه سازی ازدحام ذرات (Particle Swarm Optimization (PSO)) برای حل مسئلهی پخش توان بهینه ارائه شده است. این الگوریتم با عنوان الگوریتم PSO مبتنیبر یادگیری (Learning based PSO (LPSO)) نامگذاری شده و در آن، ذرات موجود در الگوریتم به گروههایی با تعداد عضو برابر تقسیم میشوند. با اختصاص یک سرگروه برای هر گروه تعریف شده، روندیمتفاوت با PSO برای جستجوی جواب بکار گرفته میشود که در نهایت کارایی و توانمندی الگوریتم را بصورت قابل توجهی بهبود میبخشد. الگوریتم LPSO روی سیستم IEEE 03 باسه تست شده و نتایج حاصلاز آن برتری LPSO را نسبت به PSO و برخی روشهای دیگر از لحاظ کیفیت همگرایی و ارائهی جواب بهتر نشان میدهد

کلیدواژه ها:

بهینهسازی ، روشهای بهینهسازی تصادفی ، پخش بار بهینه (OPF) ، الگوریتم PSO ، الگوریتم PSO مبتنی بر یادگیری

نویسندگان

علی رسول زاده آخیجهانی

دانشکده مهندسی برق و کامپیوتردانشگاه شهید بهشتی تهران، ایران

منوچهر بیگلری

دانشکده مهندسی برق و کامپیوتردانشگاه شهید بهشتی تهران، ایران

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 :
  • Mota-Palomino, R., and V. H. Quintana. "Sparse reactive power scheduling ...
  • Dommel, Hermann W., and William f Tinney. "Optimal power flow ...
  • Burchett, R. C., H. H. Happ, and D. R. Vierath ...
  • Momoh, James A., and) Z. Zhu. "Improved interior point method ...
  • Sun, David I., et al. "Optimal power flow by Newton ...
  • Alsac, O., and B. Stott. "Optimal load flow with steady-state ...
  • Lai, Loi Lei, et al. "Improved genetic algorithms for optimal ...
  • Yuryevich, Jason, and Kit Po Wong. "Evolutionary programming based optimal ...
  • Roa-Sepulveda, C. A., and B. J. Pavez-Laz, "A solution to ...
  • Abido, M. A. "Optimal power flow using particle Swarm optimization. ...
  • Nikmam, Taher, Mohammad Rasoul Narimani, and Rasoul Azizipanah- Abarghooee. "A ...
  • Eberhart, Russ C., and James Kennedy. " A _ optimizer ...
  • Liang, Jing J., et al. "Comprehensive learning particle swarm optimizer ...
  • Zimmerman, Ray D., Carlos E. Murillo-Sanche, and Deqiang Gan. "MATPOWE. ...
  • AlRashidi, M. R., and M. E. El-Hawary. "Hybrid particle Swarm ...
  • Roy, P. K., S. P. Ghoshal, and 5 S. Thakur. ...
  • نمایش کامل مراجع