روش الگوریتم جهش ترکیبی قورباغه برای حل مساله مشارکت واحد سودمحور با محدودسازی انتشار (آلاینده‌ها)

چکیده

1.مقدمه

2. الگوریتم جهش ترکیبی قورباغه (SFLA)

فهرست نمادها

  2. الگوریتم جهش ترکیبی قورباغه (SFLA)

 3. فرمولبندی مساله مشارکت واحد سودمحور

 3.1. قید تقاضای توان

3.2.  قید حداقل زمان روشن یا خاموش بودن واحد

3.3. قیود تعادل و ذخیره توان سیستم

 3.5.نرخ‌های افزایش یا کاهش تولید

4. الگوریتم جهش ترکیبی قورباغه روی مساله مشارکت واحد سودمحور

4.1.  تعریف موقعیت قورباغه (x)

4.2. جمعیت اولیه

4.3.جهش بدترین پاسخ

4.4. ارضای قیود حداقل زمان‌های روشن و خاموشی

 4.5. محاسبه تابع سازگاری

 5.نتایج شبیه‌سازی

6.نتیجه‌گیری

 زیرنویس شکل‌ها

شکل1. فلوچارت روش ارائه شده

شکل2. قانون جهش قورباغه

شکل3. دیاگرام تک‌خطی سیستم‌های 39 باس IEEE

شکل4. دوره‌های عملکردی واحد بار پایه، بار متوسط و بار پیک.

شکل5. زمان اجرا.

شکل6. درآمد، هزنیه سوخت و سود توسط روش ارائه شده برای سیستم 10 واحد و برای 24 ساعت.

شکل7. مقایسه سودها با روش‌های مشارکت واحد سنتی و مشارکت واحد سودمحور.

شکل8. مقایسه انتشارات مشارکت واحد سنتی و مشارکت واحد سودمحور.

شکل9. مقایسه توان دیسپچ و تقاضای توان پیش‌بینی‌شده.

 بالانویس جداول

جدول1 : تقاضا و قیمت‌های پیش‌بینی‌شده (مورد 10 ژنراتوری)

جدول2: ضرایب انتشار ژنراتور

جدول3: اطلاعات عملکرد

جدول4: پارامترهای کنترلی الگوریتم جهش ترکیبی قورباغه

جدول5: نتایج شبیه‌سازی روش مشارکت واحد سنتی.

جدول6: نتایج شبیه‌سازی روش ارائه شده.

جدول7: مقایسه نتایج روش مشارکت واحد سنتی و روش ارائه شده

در این مقاله، برای حل مساله مشارکت واحد سودمحور در یک محیط تجدیدساختاریافته و محدودیت انتشار آلاینده‌ها، الگوریتم جهش ترکیبی قورباغه ارائه می‌شود. مساله بهینه‌سازی تابع دو هدفه به صورت بیشینه‌سازی سود شرکت‌های تولیدی و کمینه‌سازی آلاینده‌های جوی واحدهای حرارتی فرموله می‌شود، در عین حال که همه قیود باید ارضا شوند. این کار، برای اختصاص هزینه‌های ثابت و گذرا به ساعات زمانبندی، قید تقاضای نرم‌‌تری را در نظر می‌گیرد. برای شبیه‌سازی از برنامه متلب نسخه 10/7 و از یک سیستم نمونه 39 باس 10 واحد IEEE استفاده شده است. با توجه به نتایج بدست آمده، ملاحظه می‌شود که الگوریتم ارائه شده به بیشترین سود و کمترین سطح انتشار دست می‌یابد، و در عین حال در مقایسه با مشارکت واحدهای سنتی زمان محاسباتی بسیار کمتری هم دارد.

مشارکت واحد (UC) یک مساله بهینه‌سازی غیرخطی با اعداد صحیح ترکیبی است که در برنامه‌ریزی عملکرد واحدهای تولیدی با کمترین هزینه اجرائی و در عین حال ارضای الزامات تقاضا و ذخیره، کاربرد دارد. در قدیم مساله مشارکت واحد باید بر اساس وضعیت روشن/ خاموش واحدهای تولیدی در هر ساعت از دوره برنامه‌ریزی تعیین می‌شدند و به صورت بهینه بار و ذخیره را بین واحدهای مشارکتی توزیع می‌کردند. مشارکت واحد مهم‌ترین مساله بهینه‌سازی در عملکرد سیستم‌های قدرت است. پاسخ بهینه فرامحلی (جهانی) برای مساله مشارکت واحد را می‌توان با شمارش کامل بدست آورد، که به علت نیازمندی به زمان محاسباتی زیاد برای سیستم‌های قدرت بزرگ محدود شده است [1]. برای حل مساله مشارکت واحد روش‌های گوناگونی تاکنون ارائه شده است [2]، مثل لیست اولویت (PL)، برنامه‌نویسی پویا (DP)، آزادسازی لاگرانژ(LR) ، الگوریتم ژنتیک (GA) و بهینه‌سازی گروه ذرات (PSO). روش لیست اولویت سریع است اما بسیار ابتکاری است و هزینه‌های عملکردی نسبتا بالائی برای برنامه‌ریزی بدست می‌دهد [2]. روش برنامه‌نویسی پویا نیز دارای قابلیت حل مسائل با اندازه‌های مختلف را دارد [3]. اما اگر قیود در نظر گرفته شده باشند، ممکن است منجر به پیچیدگی ریاضی شده و زمان محاسبه افزایش یابد [4]. با این که روش آزادسازی لاگرانژ به عنوان بهترین روش برای حل مساله مشارکت واحد مقیاس وسیع در نظر گرفته می‌شود، اما نمی‌تواند پسخ بهینه را تضمین کند [5].