الگوریتم خفاش توزیع اقتصادی زیست محیطی

الگوریتم خفاش توزیع اقتصادی زیست محیطی – ایران ترجمه – irantarjomeh.ir

مقالات ترجمه شده آماده گروه برق – الکترونیک

مقالات ترجمه شده آماده کل گروه های دانشگاهی

مقالات

یک الگوریتم خفاش ترکیبی چند هدفه برای توزیع اقتصادی زیست محیطی ترکیبی

چکیده

در این مقاله، یک الگوریتم خفاش ترکیبی چند هدفه  برای حل مسئله توزیع اقتصادی / زیست محیطی ترکیبی بار همراه با محدودیت های جریان الکتریکی ارائه ‌شده است. در الگوریتم پیشنهادی، یک روش مرتب سازی نامغلوب نخبه گرا و یک روش مرتب سازی فاصله ازدحامی اصلاح شده برای به دست آوردن جبهه بهینه پارتو توزیع ‌شده یکنواخت ارائه ‌شده است. یک استراتژی یادگیری جامع اصلاح ‌شده برای افزایش توانایی یادگیری جمعیت مورد استفاده قرار می‌گیرد. بدین روش، هر فرد نه ‌تنها می‌تواند از بهترین راه ‌حل فردی، بلکه از بهترین راه‌ حل‌های عمومی (راه حل های نامغلوب) جهت یادگیری استفاده نماید. در این مبحث یک مدل تصادفی سیاه‌ چاله معرفی ‌شده است تا این اطمینان حاصل شود که هر بعد موجود در راه‌ حل فعلی را می‌توان به‌ صورت جداگانه، با یک احتمال از پیش تعریف ‌شده، به ‌روز رسانی کرد. این مورد نه ‌تنها در افزایش قابلیت جستجوی کلی و سرعت بخشیدن به همگرایی تاثیر گذار و معنادار است، بلکه مخصوصاً برای مقابله با سیستم‌های با ابعاد زیاد، به ‌ویژه در سیستم‌های بزرگ مقیاس نیز مهم تلقی می شود. علاوه بر این، نقشه آشفتگی برای افزایش تنوع جمعیتی و جلوگیری از همگرایی زود هنگام مورد استفاده قرار گرفته است. درنهایت، نمونه‌های عددی در سیستم ۳۰ باسه، ۱۱۸باسه و ۳۰۰ باسه IEEE برای نشان دادن برتری الگوریتم پیشنهادی ارائه ‌شده است.

کلمات کلیدی: بهینه سازی چند هدفه، توزیع اقتصادی / زیست محیطی، الگوریتم خفاش، سیستم های بزرگ مقیاس

۱- مقدمه

در سیستم‌های قدرت، هدف از مسئله پخش بار بصورت اقتصادی، ارائه یک برنامه مطلوب برای همه ژنراتورهای شبکه به منظور به حداقل ‌رسانی هزینه‌ های عملیاتی سوخت، با مرتفع سازی همه محدودیت‌ها نظیر محدودیت های وابسته به برقراری نوعی توازن در خصوص تقاضای بار و محدودیت های مربوط به ظرفیت تولید، می‌باشد [۱،۲]. با این‌حال، با افزایش نگرانی عمومی در مورد مسایل زیست‌ محیطی ناشی از سوخت‌های فسیلی، این مسئله برای ما ضروری است که نه‌ تنها به منافع اقتصادی اهمیت دهیم، بلکه برای مقابله با مشکل انتشار آلودگی سوخت‌های فسیلی نیز راهکار مطلوبی را عرضه نماییم [ ۳، ۴ ]. بنابراین، لازم است تا در این زمینه اهداف و مسایل مرتبط با انتشار آلودگی و آلاینده ها را نیز در نظر گرفت.

۱٫۱ مروری بر مباحث گذشته و انگیزه های مرتبط

به‌ عنوان یک مسئله بهینه ‌سازی چندهدفه (MOP)، مضمون ترکیب‌کردن پخش بار بصورت اقتصادی و انتشار آلودگی (CEED ) به ‌شدت توسط تکنولوژی‌های مختلف مورد مطالعه قرارگرفته است [۳-۱۸] که عمدتاً به دو دسته تقسیم می‌شوند:

…

ادامه این مقاله به شرح ذیل سازماندهی شده است. بخش ۲ مسئله CEED شامل محدودیت‌های جریان برق را توصیف می‌کند. بخش ۳ به بررسی رویکردهای بهبود عملکرد BA برای MOP و پیشنهاد الگوریتم بهینه ‌سازی چند هدفه MHBA می‌پردازد. بخش ۴ نتایج شبیه ‌سازی استاندارد سیستم ۳۰ باسه، ۱۱۸باسه و ۳۰۰ باسه IEEE را نشان می‌دهد و اثربخشی MHBA در تعامل با CEED مرتبط با سیستم های بزرگ مقیاس، در مقایسه با الگوریتم‌ های دیگر، را نشان می‌دهد. بخش ۵  به نتیجه ‌گیری پرداخته و برخی از مسیرهای تحقیقاتی آینده را ارائه می نماید.

۲- فرمول ‌بندی مسئله

هدف مسئله CEED به حداقل‌رسانی هزینه سوخت و تقلیل انتشار آلودگی بطور هم ‌زمان با برآورده سازی قیودات مختلف برابر و نابرابر می‌باشد. اهداف و قیدهای مسئله CEED به شرح زیر فرموله شده‌اند.

…

۳- پیاده‌ سازی  الگوریتم خفاش ترکیبی (MHBA)

این بخش به ‌منظور افزایش عملکرد چند هدفه BA و پیشنهاد الگوریتم بهینه ‌سازی چندهدفه ارائه شده است: الگوریتم خفاش ترکیبی MHBA

۳٫۱ معرفی الگوریتم خفاش چند هدفه

الگوریتم خفاش برای اولین بار در سال ۲۰۱۰ پیشنهاد شد [۲۳]. این الگوریتم، رفتار خفاش‌ها را برای شکار شبیه ‌سازی می‌کند. بر اساس BA اصلی، چندین هدف BA در مرجع [۲۹] پیشنهاد شده است. با توجه به مراجع [۲۳،۲۹]، فرکانس f_i، سرعت v_i و موقعیت x_i خفاش مجازی به شرح زیر است:  

…

۴- نمونه‌ ها و نتایج

در این مقاله واحدهای توان اکتیو، هزینه سوخت، انتشارآلودگی و زمان اجرا به ترتیب MW  و  $/h وton/h  و ثانیه (s) هستند. “زمان اجرا” در جداول زیر نشان‌ دهنده زمان مصرف برای اجرا است که بهترین هزینه سوخت را در هر جدول نشان می‌دهد.

۴٫۱ مورد ۱: شبیه‌سازی سیستم استاندارد IEEE 30-bus

مشکل CEED با پیشنهاد MHBA در استاندارد IEEE 30-bus 6-generator system حل‌شده است. پارامترهای هزینه سوخت و انتشارآلودگی ژنراتور از [۱۴] آمده است.  تعداد جمعیت برای MHBA  ،۴۰ است. پارامتر r_d و آستانه p برای مدل سیاهچاله تصادفی به ترتیب ۰٫۰۱ و ۰٫۵ است و احتمال یادگیری ۰٫۱ P_c  است. تقاضای کل بار ۲۸۳٫۴ مگاوات است. برای مقایسه عملکرد با سایر آثار، این مورد شامل اثرات نقطه بخار نیستند.

…

۵- نتیجه‌ گیری

در این مقاله، یک الگوریتم چندهدفه ترکیبی جدید ارائه‌ شده و به مسئله CEED با سیستم‌های ۳۰ باسه،  ۱۱۸باسه و ۳۰۰ باسه IEEE  اضافه گردید. نتایج کارا بودن الگوریتم MHBA در مقایسه با الگوریتم‌های دیگر در تعامل با سیستم‌های بزرگ مقیاس را نشان می‌دهد. به منظور افزایش کارایی الگوریتم پیشنهاد شده برای هر راه‌حل x_i، پارامتر کلیدی r_d می‌تواند با مقدار متفاوت تعیین شود، زیرا دامنه x_i به‌طورکلی متفاوت است. اگر همان مقدار از r_d استفاده شود، مساحت جستجوی بخشی از افراد ممکن است نامناسب شود. علاوه بر این، CEED یک مسئله بهینه ‌سازی دوطرفه  است. مطالعه مسئله بهینه‌ سازی با اهداف بیشتری مطلوب و ارزشمند است. انرژی‌های تجدیدپذیر مانند انرژی باد و انرژی خورشید در حال حاضر به‌ طور گسترده‌ای مورد استفاده قرار می‌گیرند و از این ‌رو لازم است که در CEED گنجانده شوند که خود به ‌عنوان یک مسیر برای تحقیقات آتی مد نظر است. مسئله CEED که در این مقاله مورد مطالعه قرارگرفته است، یک MOP استاتیک است، بنابراین، چنین موردی زمانی جالب‌تر خواهد شد که مطالعه ای در خصوص مسایل اقتصادی /  آلودگی دینامیکی، با توجه به نفوذ انرژی‌های تجدیدپذیر همراه با وسایل نقلیه الکتریکی، انجام شود [۴۷-۴۹]. علاوه بر این، مطالعات موردی واقعی (به ‌عنوان ‌مثال مرجع [۵۰] و منابع موجود در آن) را می‌توان در شبیه ‌سازی های تحقیقات آینده گنجاند. در نهایت، اگر هزینه آلایندگی در بازار تجاری در نظر گرفته شود [۵۱–۵۳]، تابع هدف مرتبط با این آلاینده ها را می بایست مجددا بررسی و مورد تغییر شکل قرار داد. این خصیه منجر به یک ‌جهت گیری جدید خواهد شد.