الف – پرداخت وجه بحساب وب سایت ایران ترجمه(شماره حساب)ب- اطلاع جزئیات به ایمیل irantarjomeh@gmail.comشامل: مبلغ پرداختی – شماره فیش / ارجاع و تاریخ پرداخت – مقاله مورد نظر --مقالات آماده سفارش داده شده پس از تایید به ایمیل شما ارسال خواهند شد.
قیمت
قیمت این مقاله: 58000 تومان
(ایران ترجمه - Irantarjomeh)
توضیح
بخش زیادی از این مقاله بصورت رایگان ذیلا قابل مطالعه می باشد.
شماره
۲۱۷
کد مقاله
ELC217
مترجم
گروه مترجمین ایران ترجمه – www.irantarjomeh.ir
نام فارسی
بهینه سازی جغرافیای زیستی مبنای چند هدفه برای پخش اقتصادی – زیست محیطی و دینامیکی بار با توجه به خودروهای نقلیه الکتریکی شارژی
نام انگلیسی
Multi-objective biogeography-based optimization for dynamic economic emission load dispatch considering plug-in electric vehicles charging
تعداد صفحه به فارسی
۳۸
تعداد صفحه به انگلیسی
۱۱
کلمات کلیدی به فارسی
توزیع اقتصادی بار با توجه به آلایندگی، خودروی برقی قابل شارژ، بهینه سازی چند هدفه دینامیکی، بهینه سازی زیست جغرافیایی مبنا، روش مرتب سازی نامغلوب
کلمات کلیدی به انگلیسی
Economic emission load dispatch
Plug-in electric vehicles
Dynamic multi-objective optimization
Biogeography-based optimization
Non-dominated sorting
مرجع به فارسی
دپارتمان مهندسی برق، دانشگاه شائوزینگ، چین
کالج مهندسی برق و الکترونیک و کامپیوتر، دانشگاه کوئینز، بلفاست، انگلستان،
لابراتور کلیدی فن آوری اتوماسیون، دانشگاه شانگهای، چین
الزویر
مرجع به انگلیسی
Department of Electrical Engineering, Shaoxing University, Shaoxing, Zhejiang, China
State Key Laboratory of Industrial Control Technology, Department of Control, Zhejiang University, Hangzhou, Zhejiang, China
School of Electronics, Electrical Engineering and Computer Science, Queen’s University Belfast, Belfast, UK
Shanghai Key Laboratory of Power Station Automation Technology, School of Mechatronic Engineering and Automation, Shanghai University, Shanghai,
China
Elsevier
کشور
چین – انگلستان
بهینه سازی جغرافیای زیستی مبنای چند هدفه برای پخش اقتصادی – زیست محیطی و دینامیکیبار با توجه به خودروهای نقلیه الکتریکی شارژی
چکیده
تغییرات آب و هوایی، سبب بروز فشارهای بی‌سابقه ای بر روی سیستم برق متعارف، با توجه به مصرف معنی دار سوخت های فسیلی و انتشار قابل توجه آلایندگی های کربنی شده است، که خود به میزان زیادی عملکرد سیستم های معمولی قدرت را به چالش می‌کشد. این مقاله یک بهینه سازی مبتنی بر جغرافیای زیستی چند هدفه نامغلوب (Dy-NSBBO) پیشنهاد می‌کند تا از این طریق قابلیت حل مشکلات دینامیک و چند هدفه مربوط به توزیع اقتصادی بار با توجه به آلایندگی و با در نظرگیری جامعیت و بهره گیری گسترده خودروهای الکتریکی شارژی (PEVs)، یعنی مسئله MO-DEELDP. بوجود آید. در ابتدا بصورت واقعی یک پخش بار با در نظر گیری ویژگیهای اقتصادی- آلایندگی با توجه به شارژ خودروهای الکتریکی به عنوان قیود مسئله بهینه سازی چند هدفه زیست محیطی فرموله شد. سپس یک بهینه سازی مبتنی بر جغرافیای زیستی (BBO) جدید چند هدفه با استفاده از تکنیک مرتب سازی بر اساس استراتژیهای راه حل نامغلوب، تشخیص تغییر و انتخاب حافظه مبنا در روش BBO چند هدفه برای تقویت عملکرد بهینه سازی دینامیکی پیشنهاد شد. الگوریتم پیشنهادی Dy-NSBBO برای حل سه حالت مختلف پخش بار اقتصادی زیست محیطی به ترتیب در چهار سناریوی شارژ خودروهای الکتریکی اعمال شد. تحلیل های جامع نشان می‌دهند که الگوریتم جدید در ارتباط با مزایای اقتصادی و زیست محیطی قابل توجه برای اپراتورها یا شرکت های برق امیدوار کننده تلقی شده و سبب فراهم آوری راهبردهای رقابتی برای سیاست‌گذاران و مشارکت کنندگان در زمینه خودروهای الکتریکی شارژی در ارتباط با ویژگیهای این موضوع گردیده است.
کلمات کلیدی: توزیع اقتصادی بار با توجه به آلایندگی، خودروی برقی قابل شارژ، بهینه سازی چند هدفه دینامیکی، بهینه سازی زیست جغرافیایی مبنا، روش مرتب سازی نامغلوب
۱- مقدمه
مسئله توزیع اقتصادی بار با توجه به آلایندگی و مسایل زیست محیطی (EELD) یکی از مسائل اساسی در خصوص عملکرد سیستم های قدرت می‌باشد. هدف EELD حصول هم زمان هزینه تولید بهینه و در عین حال بحداقل رسانی انتشار آلایندگی ها در سیستم‌های قدرت و ارضای قیدهای برابری و نابرابری در ارتباط با تراز توان، ظرفیت ژنراتور، قیدهای نرخ افزایشی و غیره می‌باشد. به عبارت‌دیگر، EELD یک مسئله بهینه سازی چند هدفه است که تولید توان بهینه نیروگاه ها را با توجه به حداقل رسانی هزینه تولید و هزینه انتشار آلایندگی مشخص می سازد [۲،۱۴].
چندین روش بهینه سازی کلاسیک مانند روش گرادیان محور و برنامه نویسی خطی، برای حل مسائل EELD مختلف بکار گرفته شده‌اند [۱۵]. با این حال، این روش‌ها فاقد امکان پذیری و دقت ناشی از ویژگیهای غیرمحدب و غیرخطی توابع هدف و محدودیت‌ها هستند. در دهه اخیر، الگوریتم‌های اکتشافی مانند الگوریتم‌های ژنتیک (GAs )[5]، الگوریتم جستجوی هارمونی ۱۶](HSA)]، الگوریتم جستجوی گرانشی (GSA ) [24]، الگوریتم بهینه‌سازی مبتنی بر تدریس–یادگیری (TLBO)[26]، الگوریتم بهینه سازی زیست جغرافیایی (BBO) [18]، الگوریتم کلونی زنبور عسل مصنوعی (ABC) [19]، و الگوریتم گرده‌افشانی گل (FPA) [1] برای حل مسئله EELD مورد استفاده قرار گرفته‌اند. با این حال، توجه اندکی معطوف متغیرهای دیگر همانند عوامل مشارکت کننده جدید در سیستم قدرت مانند انرژی‌های تجدید پذیر و وسایل نقلیه الکتریکی شده است که به وضوح سبب بروز سردرگمی در عملیات پخش و توزیع بارمی شود.
…
مشارکت کلیدی این مقاله به شرح زیر است. در مرحله اول یک مسئله پخش بار اقتصادی زیست محیطی چند هدفی جدید با نام DEELDP–MO برای اولین بار با ترکیب سناریوهای شارژ PEVs ارائه می‌شود. در مرحله دوم، روش جدید بهینه سازی جغرافیای زیستی مبنای چند هدفه مرتب سازی نامغلوب Dy-NSBBO) ) پیشنهاد شده است که ترکیب کننده رویه های تشخیص تغییر و استراتژی انتخاب مبتنی بر حافظه به منظور تقویت عملکرد بهینه سازی زیست محیطی است. علاوه بر این، روش Dy-NSBBO برای یافتن راه حل‌های بهینه مسئله MO-DEELDP بدون و با در نظر گرفتن نفوذ سناریوهای خودروهای الکتریکی شارژی پیشنهاد شده است و در نهایت تحلیل جامع در خصوص تأثیر اقتصادی و زیست محیطی سناریوهای مختلف شارژ خودروهای برقی / الکتریکی در ارتباط با مسئله MO-DEELDP مورد خطاب قرار می‌گیرد.
ادامه این مقاله به شرح ذیل است. بخش ۲ یک مدل ریاضی جدیدی در ارتباط با مسئله MO-DEELDP، با درنظرگیری خودروهای الکتریکی شارژی تشکیل را ارائه می نماید. بخش ۳ یک DY-NSBBO جدید برای حل مسئله بهینه‌سازی چند هدفه دینامیکی را پیشنهاد می کند. بخش ۴ از Dy-NSBBO برای حل مسئله MO-DEELDP استفاده کرده و سپس به طور جامع عملکرد روش پیشنهادی، از طریق مقایسه با الگوریتم‌های دیگر، را مورد ارزیابی قرار می‌دهد. بخش ۵ به نتیجه گیری این مبحث پرداخته و تحقیقات آینده را ارائه می نماید.
۲- فرمول‌بندی مسئله MO-DEELDP
این بخش ابتدا فرمول‌بندی مسئله MO-DEELDP (بخش ۲٫۱) را ارائه داده و سپس چهار سناریوی شارژ نمودن خودروی الکتریکی شارژی را توصیف می‌کند (بخش ۲٫۲).
۲٫۱ پخش بار بصورت اقتصادی و زیست محیطی
مدل ریاضی مسئله MO-DEELDP به‌عنوان یک مسئله بهینه سازی چند هدفه مطرح شده است که دو هدف را دنبال می کند: کاهش هزینه تولید و هزینه های مرتبط با انتشار زیست محیطی که به شرح ذیل تعریف می شود:
…
۳- رویکرد پیشنهادی
این بخش توصیف کننده یک الگوریتم بهینه‌سازی مبتنی بر زیست جغرافیایی چند هدفه نامغلوب (Dy-NSBBO) می باشد. این مورد بر اساس بهینه سازی مبتنی بر جغرافیای زیستی (BBO) و برخی از اپراتورهای BBO شامل مهاجرت و جهش، با اشاره به مباحث Ma و همکاران [۱۳] و Simon [20،۲۱] است.
با الهام از الگوریتم ژنتیک با مرتب سازی نامغلوب [۳] ( Dy – NSGA-II) II که نسخه دینامیکی الگوریتم تکاملی چند هدفه و موفق است [۲۲, ۶]، استاندارد BBO به BBO چند هدفه دینامیکی تغییر داده می‌شود. نمودار جریان الگوریتم Dy-NSBBO در شکل ۱ نشان داده شده است و روش‌های اولیه به شرح ذیل خلاصه می‌شوند:
…
۴- شبیه سازی و نتایج
الگوریتم Dy-NSBBO پیشنهادی جهت تائید امکان سنجی آن در سه مطالعه مورد مختلف اعمال شده است. یک پخش اقتصادی – زیست محیطی بار ۶ واحدی بدون PEVs، یک پخش بار اقتصادی – زیست محیطی ۶ واحدی با PEVs و یک پخش بار اقتصادی – زیست محیطی ۱۰ واحدی با PEVs مد نظر قرار می گیرد. لازم به ذکر است که یک واحد نشان‌دهنده یک ژنراتور مبتنی بر سوخت فسیلی در نیروگاه‌های برق است. برای نشان دادن کارایی الگوریتم پیشنهادشده، آن را با Dy-NSGA-II مقایسه کنید. همچنین توجه داشته باشید که ما الگوریتم پیشنهادی را با دیگر الگوریتم‌های شناخته شده تکاملی مقایسه نمی‌کنیم زیرا هیچ مقاله‌ای در این زمینه گزارش نشده است. پارامترهای Dy-NSBBO و Dy-NSGA-II به ترتیب به مباحث Ma و Su و همکاران [۱۲] و AZZOUZ و همکاران [۳] اشاره دارند.
…
۵- نتیجه گیری
در این مقاله، یک مدل پخش اقتصادی – زیست محیطی بار با ترکیب با سناریوهای شارژ خودروهای الکتریکی شارژی به عنوان یک مسئله بهینه سازی چند هدفه دینامیکی ارائه شده است. یک بهینه سازی دینامیکی جدید نامغلوب زیست جغرافیایی به نام Dy-NSBBO برای حل مسئله MO-DEELDP پیشنهاد شده است. عملکرد Dy-NSBBO در سه مورد مختلف شامل ۶ واحد پخش اقتصادی – زیست محیطی بار بدون PEVها و ۶ واحد و ۱۰ واحد با ۴ سناریوی شارژ PEV شامل سناریوی شارژ EPRI، سناریوی شارژ کم باری، سناریوی شارژ پیک و سناریوی شارژ تصادفی بررسی شده است. شبیه سازی‌های عددی نشان می‌دهند که Dy-NSBBO پیشنهادی می‌تواند به طور مؤثر پخش اقتصادی – زیست محیطی و دینامیکی بار را با PEV ها بهینه کند و دارای عمکرد بهتری در قیاس با Dy-NSGA-II شناخته شده، به منظور حل مسئله بهینه سازی چند هدفه دینامیکی، می باشد. شبیه سازی‌های عددی همچنین نشان می‌دهند که برای چهار سناریوی شارژ PEV، سناریوی شارژ کم باری / غیر اوج دارای مزیت کاهش هزینه تولید و انتشار گازهای آلایندگیهای محیطی می باشد.
تحقیق آتی متمرکز بر روش‌های برنامه‌ریزی هوشمند برای مدیریت انعطاف‌پذیر تقاضای PEVs در خصوص تعامل با تولید انرژی های تجدیدپذیر خواهد بود. علاوه بر این، چارچوب الگوریتم ارائه شده در این مقاله را می‌توان به انواع دیگر الگوریتم‌های تکاملی تعمیم داد تا مسائل بهینه سازی چند هدفه را از لحاظ پخش اقتصادی و محیط زیستی بار حل نمود.
لطفا به جای کپی مقالات با خرید آنها به قیمتی بسیار متناسب مشخص شده ما را در ارانه هر چه بیشتر مقالات و مضامین ترجمه شده علمی و بهبود محتویات سایت ایران ترجمه یاری دهید.
