دانلود مقاله ISI انگلیسی شماره 7588 + ترجمه فارسی
عنوان فارسی مقاله

الگوریتم ترکیبی تکامل تفاضلی به کمک کلونی زنبور عسل مصنوعی برای جریان توان راکتیو بهینه

کد مقاله سال انتشار مقاله انگلیسی ترجمه فارسی
7588 2013 9 صفحه PDF 27 صفحه WORD
خرید مقاله
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
عنوان انگلیسی
A hybrid artificial bee colony assisted differential evolution algorithm for optimal reactive power flow
منبع

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

Journal : International Journal of Electrical Power & Energy Systems, Volume 52, November 2013, Pages 25–33

فهرست مطالب ترجمه فارسی
چکیده
کلید واژه ها
1-مقدمه
2-فرمول بندی مسئله
3-الگوریتم ترکیبی پیشنهادی
1-3 الگوریتم تکامل تفاضلی
2-3 الگوریتم کلونی زنبورعسل مصنوعی
3-3 الگوریتم ترکیبی DE-ABC
شکل 1- فلوچارت الگوریتم ترکیبی DE-ABC
شکل 2- فلوچارت عملیات تکامل تسریع کننده کلونی زنبورعسل
4-3 اجرای DE-ABC برای ORPF
4-مطالعات موردی
1-4 مطالعه موردی سیستم 14-باس و 30-باس IEEE
جدول 1- مشخصات سیستم 14-باس و 30-باس IEEE
جدول 2- تعیین متغیرهای کنترل
جدول 3- محدودیت متغیرهای حالت
جدول 4- آمار نتایج آزمایشی برای DE و DE-ABC)IEEE 14 باس)
جدول 5- آمار نتایج آزمایشی DE و DE-ABC)IEEE 30 باس)
شکل 3- مقایسه میان افت شبکه توان فعال متوسط میان DE و DE-ABC)IEEE 14-باس)
شکل 4- مقایسه میان زمان همگرایی DE و DE-ABC)IEEE 14-باس)
شکل 5- مقایسه میان افت شبکه فعال انرژی متوسط میان DE و DE-ABC)IEEE 30-باس)
شکل 6- مقایسه میان زمان همگرایی متوسط میان DE و DE-ABC)IEEE 30-باس)
جدول 6- آمار نتایج آزمایشی برای DE و DE-ABC)IEEE 57-باس)
2-4 مطالعه موردی سیستم 57-باس IEEE
شکل 7- منحنی همگرایی DE، DE-ABC و ABC)IEEE 14 باس)
شکل 8- منحنی همگرایی DE، DE-ABC و ABC)IEEE 30 باس)
جدول 7- تعیین متغیر کنترل و Ploss قبل و بعد از بهینه سازی IEEE 57-باس
5-نتیجه گیری
کلمات کلیدی
- گردش بهینه توان راکتیو - کلنی زنبور عسل مصنوعی - تکامل دیفرانسیل
ترجمه چکیده
جریان توان راکتیو بهینه (ORPF)، شاخه ای در توسعه تدریجی مسئله جریان توان بهینه است. تکامل تفاضلی (DE) به عنوان الگوریتم تکاملی نویدبخش برای حل مسئله ORPF مطرح شده است ولی نیاز به سایز جمعیت نسبتا بزرگی برای پرهیز از همگرایی زودهنگام دارد که زمان همگرایی الگوریتم را افزایش خواهد داد. از سوی دیگر الگوریتم کلونی زنبور عسل مصنوعی (ABC) نیز از قابلیت جستجوی عمومی خوبی برخوردار است. از تلفیق مزایای خاص DE و ABC، الگوریتم DE به کمک ABC ترکیبی با عنوان DE-ABC در این مقاله پیشنهاد شد تا بر مشکلات سایز جمعیت نسبتا بزرگ DE غلبه و قابلیت جستجوی عمومی را تقویت کند. در آخر کارایی DE-ABC با شبیه سازی سریالی در موارد تست سیستم 14-باس، 30 باس و 57 باس با استاندارد IEEE تائید شد. نتایج شبیه سازی نشان می دهد درخصوص دستیابی به اثر یکسان، سایز جمعیت مورد نیاز برای الگوریتم ترکیبی DE-ABC خیلی کمتر از الگوریتم DE است و زمان همگرایی الگوریتم نیز خیلی پایین بوده و الگوریتم پایداری است.
ترجمه مقدمه
بهینه سازی جریان توان راکتیو عملیاتی است که در آن پارامترهای ساختاری و شرایط بار سیستم شبکه انتقال مشخص می شود و با این فرض که تمام محدودیت های معین شده را برآورده می سازد، یک ساخص عملکرد یا بیشتر سیستم شبکه انتقال با تنظیم برخی متغیرهای کنترل بهینه می شود. ORPF شاخه ای از مسئله توسعه تدریجی جریان توان بهینه است. مدل جریان توان بهینه مبتنی بر مدل ریاضی دقیق اولین بار توسط مهندس برق فرانسوی کارپنتیه در اوایل دهه 1960 پیشنهاد شد [1،2]. با افزایش سایز شبکه، رشد تقاضای برق و گسترش بازار انرژی، ORPF اهمیت بیشتر و بیشتری پیدا کرد. در طول سالیان زیاد پژوهشگران تحقیقات زیادی در مورد ORPF انجام و مجموعه ای از الگوریتم های بهینه سازی پیشنهاد دادند. این الگوریتم ها عموما به دو گروه تقسیم تقسیم می شوند: الگوریتم بهینه سازی ریاضی کلاسیک و الگوریتم بهینه سازی هوشمند. ایده اولیه الگوریتم کلاسیک شروع از نقطه اولیه، بهبود مستمر راه حل فعلی از طریق مدار خاص و درنهایت همگرایی به یک راه حل بهینه است. این الگوریتم ها عبارتند از روش بهینه سازی برنامه ریزی خطی [3]، روش برنامه ریزی درجه دوم [4]، روش برنامه ریزی غیرخطی [5] و روش برنامه ریزی انتگرال ترکیبی [6] و غیره. ایده اولیه الگوریتم بهینه سازی هوشمند شروع از جمعیت راه حل اولیه براساس اصل احتمال انتقال، جستجو برای تطبیقی ترین راه حل بهینه با استفاده از برخی ابزارهاست. این الگوریتم ها شامل الگوریتم های ژنتیک [7،8]، الگوریتم آنیلینگ شبیه سازی شده [9،10]، الگوریتم جستجوی تابو [11،12] و الگوریتم تکامل تفاضلی [13،14] است. در بین این الگوریتم های هوشمند مبتنی بر جمعیت، هوش جمعی مانند سیستم زنبورعسل، دسته پرندگان و سیستم ایمنی در حل مسائل بهینه سازی ارائه شده اند. بهینه سازی انبوه ذره (PSO) [15] و کلونی زنبورعسل مصنوعی (ABC) [16] توجه محققان را جلب کرده و در یافتن راه حل عمومی موثر بوده است. در بسیاری از الگوریتم های بهینه سازی، الگوریتم DE راه حل خوبی برای ORPF محسوب شده است. براساس روش جریان پیوسته، یانپینگ چن [17] الگوریتم DE ارتقاء یافته ای ارائه کرد که تعداد تصادفی با تغییر آشوب گونه ایجاد کرد و به صورت دوره ای سایز جمعیت را تغییر داد تا مسئله ایمنی مارژین پایداری ولتاژ استاتیک سیستم توان را حل کند. ژانگ [18] عملیات شتاب دهی و استراتژی های کاهش جمعیت را وارد الگوریتم DE کرد تا از همگرا شدن الگوریتم DE در بهینه موضعی جلوگیری کند. لیو [19] استراتژی تنظیم دینامیک برای فاکتور جهش DE و فاکتور احتمال تلاقی را پیشنهاد کرد. بعد از اجرای جستجوی تکراری در مرحله ای خاص، الگوریتم DE ممکن است موارد برهم پوشان ایجاد کند که در نتیجه باعث راندمان پایین الگوریتم خواهد شد. در مقابل این معایب DE، کنترل تویع یافته در زمان واقعی هر نمونه و تکنیک های بهینه سازی آشوب گونه که با هم پوشانی موارد سروکار دارد در DE برای بهبود عملکرد جستجوی عمومی به کار رفت. واراداراجان و سواروپ [20]، ORPF را به صورت مسئله ترکیب انتگرال بهینه سازی محدود غیرخطیرا باتوجه به محدودیت امنیت ولتاژ در فرضیه را مدلسازی کرد و از الگوریتم DE برای حل مسئله ORPF استفاده کرد که متغیرهای پیوسته و گسسته را ترکیب کرد. ولتاژ ژنراتور، موقعیت شیر ترانسفورماتور و مقدار دستگاه های جبران توان راکتیو برای تقلیل اتلاف شبکه توان فعال را تنظیم کرد. باسو [21] کاربرد الگوریتم DE را برای حل مسئله کنترل جریان توان بهینه با دستگاه های FACTS و باتوجه به دستگاه های FACTS شامل TCSC و TCPS را پیشنهاد کرد. عباسی [22] الگوریتم DE چندعاملی در جهت فناوری شبکه توزیع یافته را برای حل مسئله ORPF براساس بهینه سازی جریان پیشنهاد کرد که مجموع هزینه توان راکتیو سیستم و اتلاف توان فعال را به عنوان حداقل هدف بهینه سازی درنظر گرفت و اجرای الگوریتم پیشنهادی در مورد تست سیستم 30 باس با استاندارد IEEE سنجیده شد. الگوریتم های ABC رفتار هوشمند گله زنبور عسل را شبیه سازی می کند و در سیستم توان برای حل مسائل پیچیده، چند وجهی و غیرقابل تفکیک به کار رفته بود. اجرای ABC به دلیل وجود چند پارامتر اندک ساده و کارامد و در مقایسه با سایر الگوریتم ها پایدار است [23]. به دلیل تغذیه اطلتاعات توزیع شده از طریق تمام زنبورها، ABC در اکتشاف خوب ولی در بهره برداری ضعیف است، یعنی کاربرد اطلاعات موجود برای یافتن راه حل بهتر کفایت نمی کند. همچنین در برخی مسائل پیچیده مشکل سرعت همگرایی دارد. برای کنترل این مشکلات بسیاری از ورژن های ABC برای شرایط خاص ارائه شده اند [24]. با تحلیل کامل مقالات درباره مسئله ORPF متوجه شدیم DE الگوریتم تکاملی نویدبخش برای حل مشکل ORPF بوده ولی نیاز به اندازه جمعیت نسبتا بزرگی برای پرهیز از همگرایی زودرس دارد که زمان همگرایی الگوریتم را افزایش می دهد و برای کاربرد آنلاین حل مسئله ORPF سرنوشت ساز است. برای غلبه بر این ایراد DE، الگوریتم ترکیبی DE به کمک ABC را با جستجوی موضعی الگوریتم ABC و ایده های جستجوی عمومی پیشنهاد می کنیم که DE-ABC نامیده می شود. در الگوریتم DE فرایند تکامل شتاب دهنده کلونی زنبورعسل و عملیات شناسایی کلونی زنبورعسل را اضافه می کنیم که از سایز جمعیت مورد نیاز می کاهد و درعین حال عملکرد جستجو را بهبود می بخشد. ترتیب این مقاله به صورت زیر است. فرمول مسئله ORPF ابتدا در بخش 2 بازنگری شد. سپس بخش 3 الگوریتم ترکیبی DE-ABC را پیشنهاد می کند و نحوه ترکیب DE و ABC در DE-ABC را توضیح می دهد. در بخش 4 اثربخشی DE-ABC با شبیه سازی سریالی در موارد تست سیستم 14 باس، 30 باس و 57 باس در استاندارد IEEE تائید شد. درنهایت بخش 5 نتیجه گیری این مقاله است.
پیش نمایش مقاله
پیش نمایش مقاله الگوریتم ترکیبی تکامل تفاضلی به کمک کلونی زنبور عسل مصنوعی برای جریان توان راکتیو بهینه

چکیده انگلیسی

Optimal Reactive Power Flow (ORPF) is a branch problem in the gradual development of the optimal power flow problem. Differential Evolution (DE) has been proved to be a promising evolutionary algorithm for solving the ORPF problem, but it requires a relatively large population size to avoid premature convergence, which will increase the algorithm convergence time. On the other hand, Artificial Bee Colony (ABC) algorithm has been proved to have good global search ability. Integrating the respective advantages of DE and ABC, a hybrid ABC assisted DE algorithm, denoted as DE–ABC, is proposed in this study to overcome DE’s disadvantage of requiring large population size and strengthen the global search ability. At the last, the effectiveness of DE–ABC is verified by the serial simulations on the IEEE 14-bus, 30-bus and 57-bus system test cases. The simulation results show, in the case of achieving the same effect, the required population size of DE–ABC hybrid algorithm is greatly less than that of DE algorithm, the algorithm convergence time is less too and the algorithm is robust.

مقدمه انگلیسی

Optimazing reactive power flow is an operation, in which the structure parameters and load conditions of the transmission network system are given and under the premise to meet all the specified constraints, one or more performance indicators of the transmission network system are optimized by regulating some control variables. ORPF is a branch problem in the gradual development of the optimal power flow problem. The optimal power flow model based on rigorous mathematical model, was first proposed by the French electrical engineer Carpentier in the early 1960s [1] and [2]. With the increase of the grid size, the growth of electricity demand, and the expansion of power market, ORPF is getting more and more important. Over the years scholars did a lot of researches on ORPF, and proposed a series of optimization algorithms. These algorithms are generally divided into two categories: classical mathematical optimization algorithm and intelligent optimization algorithms. The basic idea of classical algorithm is starting from an initial point, continuously improving the current solution through a certain orbit, and ultimately converging to the optimal solution. These algorithms include linear programming optimization method [3], quadratic programming method [4], non-linear programming method [5] and mixed integer programming method [6], etc. The basic idea of intelligent optimization algorithm is starting from an initial solution population, according to the probability principle of transfer, searching for the most adaptive optimal solution by using some means. These algorithms include genetic algorithms [7] and [8], simulated annealing algorithm [9] and [10], Tabu Search algorithm [11] and [12] and differential evolution algorithm [13] and [14]. Among these population-based intelligent algorithms, collective intelligence, such as bees, bird flock and immune system, has been developed into solving optimization problems. Particle Swarm Optimization (PSO) [15] and Artificial Bee Colony (ABC) [16] have greatly caught researchers’ attention and been effective in finding global solution. In so many optimization algorithms, DE algorithm has been proved to be a good solution for ORPF. According to the principle of continuous flow method, Yunping Chen [17] presented an improved DE algorithm, which generated random number by chaotic change and periodically changed population size, to solve the safety problem of power system’s static voltage stability margin. Zhang et al. [18] embedded accelerating operations and population migration strategies in the DE algorithm, to prevent DE algorithm from converging into a local optimum. Liu et al. [19] proposed a dynamic adjustment strategy to DE’s mutation factor and crossover probability factor. After the iterative search runs to a certain stage, DE algorithm may generate overlap individuals which will result in low algorithm efficiency. Against this disadvantage of DE, the distributed real-time monitoring of individual species, and the chaotic optimization techniques dealing with the overlap of individuals, were applied in DE to improve the global search performance. Varadarajan and Swarup [20] modeled ORPF as a mixed-integer nonlinear constrained optimization problem, considered voltage security constraints in the premise, used DE algorithm to solve ORPF problem which mixed continuous and discrete variables. They adjusted the generator voltage, the transformer tap position, and the amount of reactive power compensation devices to minimize the active power network losses. Basu [21] proposed application of DE algorithm to solve optimal power flow control problem with FACTS devices, the considered FACTS devices included TCSC and TCPS. Abbasy et al. [22] proposed a distributed grid technology oriented multi-agent DE algorithm to solve ORPF problem based on the flow optimization, which took the sum of system reactive power cost and the active power loss as the minimum optimization goal, and the performance of the proposed algorithm was tested in IEEE 30-bus system test case.ABC algorithm simulates the intelligent behavior of honey bee swarm and has been applied in power system to solve complex, multimodal and non-separate problems. With few parameters, ABC is simple to implement and efficient and robust compared to other algorithms [23]. Due to foods information distributed through whole bees, that ABC is good at exploration but poor at exploitation means it is insufficient to apply existing information to find better solution. Also it has convergence speed problem in some complex issues. In order to cope with these disadvantages, many version ABC are developed for specific circumstances [24]. Through analysis of articles about the ORPF problem, we recognized that DE had been proved to be a promising evolutionary algorithm for solving the ORPF problem, but it requires a relatively large population size to avoid premature convergence, which will increase the algorithm convergence time, which is fatal for the online application of solving ORPF problem. In order to overcome this shortage of DE, we propose a hybrid ABC assisted DE algorithm by bringing the ABC algorithm’s local search and global search ideas, denoted as DE–ABC. More clearly, in the DE algorithm we add the bee colony accelerating evolution process and the bee colony detecting operation, which can reduce the required population size while improving the search performance.The paper is organized as follows. The ORPF problem formulation is first reviewed in Section 2. Then, Section 3 introduces the proposed DE–ABC hybrid algorithm, and explains how to combine DE and ABC in DE–ABC. In Section 4, the effectiveness of DE–ABC is verified by serial simulations on the IEEE 14-bus, 30-bus and 57-bus system test cases. Finally, Section 5 concludes the paper.

نتیجه گیری انگلیسی

Through researching and analyzing DE and ABC algorithm, we proposed a hybrid ABC assisted DE algorithm, which is applied to solve ORPF problem in transmission network. And DE–ABC hybrid algorithm has the following advantages:Compared to the DE algorithm, if you set a proper condition for terminate examination, DE–ABC hybrid algorithm can converge faster and better, for example, after several continuous evolutions the best fitness cannot been improved, the computational time can be shortened largely. DE algorithm has a shortcoming that it requires a large population size to avoid premature convergence, and DE–ABC hybrid algorithm can overcome this shortcoming effectively. Applied in ORPF problem, DE–ABC hybrid algorithm enables a significant reduction in population size required, and has a less convergence time.ombining the ABC algorithm’s local search and global search ideas, DE–ABC hybrid algorithm has better global search ability and local search ability than DE algorithm. If the DE–ABC hybrid algorithm has a same population size as DE algorithm, DE–ABC hybrid algorithm obtains an optimization result at least as good as the one obtained by DE algorithm. When the population size is too small for DE to obtain good solution, DE–ABC performs much better than DE; whereas when the population size is large enough for DE, DE–ABC performs as good as DE.The DE–ABC is a strategy to balance the exploitation and exploration process of ABC and enhance the performance of ABC on limited computation resource. The low need of large population is shown in experiments. DE–ABC converges very fast compared to ABC. Moreover, the hybrid algorithm offers a mode to enhance the ABC and balance the trade-off between local search and global search capability.

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