دانلود مقاله ISI انگلیسی شماره 52895 + ترجمه فارسی
عنوان فارسی مقاله

الگوریتم جستجوی گرانشی پیشرفته برای مسئله تعهد واحد با توجه به عدم قطعیت انرژی بادی

کد مقاله سال انتشار مقاله انگلیسی ترجمه فارسی
52895 2014 10 صفحه PDF 28 صفحه WORD
خرید مقاله
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
عنوان انگلیسی
Improved gravitational search algorithm for unit commitment considering uncertainty of wind power
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Energy, Volume 67, 1 April 2014, Pages 52–62

فهرست مطالب ترجمه فارسی
چکیده
واژگان کلیدی
مجموعه علائم و اختصارات
مقدمه
رابطه مندی UC با در نظر گرفتن عدم قطعیت تولید انرژی باد
شبیه سازی نوسان انرژی باد مبنی بر محتوا
توابع هدف
محدودیت ها
تحلیل محتوا
پیاده سازی راه حل مسئله UCW
شکل1. تصمیم واحد عملکرد نرمال
مثال عددی
مورد مطالعاتی 1
جدول1- ظرفیت تغییر بالا/پایین نیروگاه حرارتی
جدول2- انرژی بادی پیش بینی شده
جدول3-احتمال 10 محتوا
شکل2. 10 محتوای خروجی انرژی باد
شکل5. برآورده شدن محدودیت های ذخیره چرخان پایین سیستم
شکل3. مقایسه محدوده های محتوا و محدوده های واقعی خروجی انرژی بادی ممکن.
جدول4. لیست اولویت نیروگاه حرارتی
جدول5. مقایسه برازش های مختلف و زمان اجرای CPU با نسل های مختلف
جدول6. مقایسه برازش های مختلف و زمان اجرای CPU با جمعیت های مختلف
جدول7.ترکیب وضعیت واحد بهترین راه حل
جدول8 . ساعت های عملکرد هر واحد
شکل4. برآورده شدن ذخیره چرخان بالای سیستم
شکل5. برآورده شدن محدودیت های ذخیره چرخان پایین سیستم
شکل 6: شاخص های محتواها
جدول 9: هزینه عملیاتی هر محتوا و شاخص های عملکردی شان
جدول 10: راه حل 10 نیروگاه حرارتی با کاربرد مزرعه بادی به روش پیشنهادی
شکل 7: توزیع بهترین هزینه در 20 آزمایش
جدول 11: مقایسه هزینه روش های مختلف
جدول5. مقایسه برازش های مختلف و زمان اجرای CPU با نسل های مختلف
جدول6. مقایسه برازش های مختلف و زمان اجرای CPU با جمعیت های مختلف
جدول7.ترکیب وضعیت واحد بهترین راه حل
جدول8 . ساعت های عملکرد هر واحد
شکل4. برآورده شدن ذخیره چرخان بالای سیستم
شکل5. برآورده شدن محدودیت های ذخیره چرخان پایین سیستم
شکل 6: شاخص های محتواها
جدول 9: هزینه عملیاتی هر محتوا و شاخص های عملکردی شان
جدول 10: راه حل 10 نیروگاه حرارتی با کاربرد مزرعه بادی به روش پیشنهادی
شکل 7: توزیع بهترین هزینه در 20 آزمایش
جدول 11: مقایسه هزینه روش های مختلف
شکل 8: مقایسه مراحل تکامل برای راه حل UCW
جدول 12: هزینه کلی QBGSA با خطای پیش بینی باد مختلف
مورد مطالعاتی 2
شکل 9: توزیع بهترین هزینه در 20 آزمایش بدون انرژی باد
شکل 10: مراحل تقارب بهترین راه حل بدون انرژی باد
جدول 13: مقایسه نتایج راه حل بدون انرژی باد
 نتیجه گیری
کلمات کلیدی
انرژی باد، تعهد واحد، تجزیه و تحلیل سناریو، الگوریتم جستجوی گرانشی باینری الهام گرفته از کوانتومی ، استراتژی ابتکاری
ترجمه چکیده
با افزایش ادغام مزارع بادی، حل مسئله تعهد واحد(UC) به دلیل طبیعت موقتی و نوسانی بودن انرژی بادی مشکل تر می شود. در این مقاله، روش تولید و کاهش محتوا برای شبیه سازی اثرات عدم قطعیت در عملکرد سیستم اعمال می شود و سپس مدلی از مسئله UC حرارتی با یکپارچه سازی انرژی باد(UCW) منتشر می شود. ترکیب الگوریتم جستجوی گرانشی(SGA) باینری الهام گرفته از کوانتوم و روش تحلیل محتوا برای حل مسئله UCWارائه می شود. ضمنا روش های جستجوی ابتکاری برای در نظر گرفتن محدودیت های واحد گرمایی برای هر محتوا به کار می رود.به علاوه، یک لیست به ترتیب اولویتی از واحدهای گرمایی بر مبنای میزان بین هزینه بار کامل میانگین و خروجی توان بیشینه در طول پروسه بهینه سازی مورد استفاده قرار گرفت. همچنین، دو سیستم آزمایشی UC با و بدون یکپارچگی برای تایید امکان پذیری و کارایی روش پیشنهادی به خوبی کارایی الگوریتم استفاده می شود. نتایج به صورت جزئی تحلیل می شوند که مشخص می کنند مدل و روش پیشنهادی عملی است. مقایسه با سایر روش ها به وضوح نشان می دهد که روش ارائه شده کارکرد موثرتری برای حل مسائل UC با و حتی بدون ادغام مزارع باد دارد.
ترجمه مقدمه
با وجود نیازمندی های بسیار و کنترل کیفیت اکید برای بازسازی مدیریت برق، تغییرات گسترده ای در صنعت برق در حال وقوع است. یکی از جنبه های اصلی این تغییرات، اثر این صنعت بر انرژی، محیط زیست و الزامات اقتصادی کارآمدتر، آلاینده کمتر و هزینه کمتر به وسیله تولید برق می باشد. از آنجایی که انرژی باد موافق با طبیعت بوده و طبیعت تجدیدپذیری دارد، به طور بسیار کارآمدتر توربین های بادی اقتصادی و قابل اطمینان برای حل این مسئله توسعه یافته اند و انرژی بادی، یکی از رشدیافته ترین روش های تولید انرژی تجدیدپذیر بوده که به عنوان موثرترین انرژی به لحاظ منافع اقتصادی نیز در نظر گرفته می شود. البته انرژی بادی نوعی از انرژی است که دارای طبیعت نوسانی و غیرقابل پیش بینی می باشد. به دلیل داشتن ویژگی های غیر قابل اطمینان آنها، هر مقدار افزایشمیزان نفوذ باد به سیستم برق، علکرد سیستم را به یک زمینه چالش برانگیز تبدیل می کند؛ به طوریکه که برای تضمین پایداری فرکانس برق و نیازمندی های مصرف کننده، عرضه و تقاضای شبکه برق باید در یک مقدار متعادلی حفظ شود.در نیروگاه حرارتی به دلیل قابل کنترل بودن خروجی واحد گرمایی، این تعادل به آسانی برقرار می شود. در حالیکه که در نیروگاه بادی-حرارتی، توان خروجی متغیر تولید شده توسط توربین های بادی باید به وسیله واحد گرمایی جبران شود. برای جلوگیری از افت انرژی باد یا نارضایتی مصرف کننده، تنظیم قابلیت واحدهای گرمایی باید در سطحی متناسب با تامین تقاضای شبکه برق حفظ شود. برای اطمینان از تامین این تقاضا، اندازه گیری هایی باید انجام شود.یکی از این موارد اندازه گیری، مجموعه ظرفیت ذخیره برق متداول است. به دلیل عدم دقت پیش بینی انرژی بادی، ذخیره چرخان اضطراری برای حفظ قابلیت اطمینان سیستم ضروری است و ذخیره چرخان سیستم نه تنها باید ذخیره بالای اسپیننیگ را در نظر بگیرد، بلکه همچنین باید ذخیره پایین چرخان را هم به حساب آورد. به علاوه، این سیستم باید ظرفیت تغییرپذیری کافی برای جبران نوسانات انرژی باد داشته باشد. برای بررسی اثر نفوذ باد زیاد بر عملکرد سیستم، ما یک واحد تعهد(UC) را به عنوان مدلی که نقش مهمی در عملکرد برنامه ریزی سیستم های قدرت ایفا می کند، در نظر گرفتیم.
پیش نمایش مقاله
پیش نمایش مقاله الگوریتم جستجوی گرانشی پیشرفته برای مسئله تعهد واحد با توجه به عدم قطعیت انرژی بادی

چکیده انگلیسی

With increasing wind farm integrations, unit commitment (UC) is more difficult to solve because of the intermittent and fluctuation nature of wind power. In this paper, scenario generation and reduction technique is applied to simulate the impacts of its uncertainty on system operation. And then a model of thermal UC problem with wind power integration (UCW) is established. Combination of quantum-inspired binary gravitational search algorithm (GSA) and scenario analysis method is proposed to solve UCW problem. Meanwhile, heuristic search strategies are used to handle the constraints of thermal unit for each scenario. In addition, a priority list of thermal units based on the weight between average full-load cost and maximal power output is utilized during the optimization process. Moreover, two UC test systems with and without wind power integration are used to verify the feasibility and effectiveness of the proposed method as well as the performance of the algorithm. The results are analyzed in detail, which demonstrate the model and the proposed method is practicable. The comparison with other methods clearly shows that the proposed method has higher efficiency for solving UC problems with and even without wind farm integration.

خرید مقاله
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.