دانلود ترجمه مقاله سیستم ایمنی مصنوعی برای پخش بار اقتصادی پویا

1. مقدمه 2. فرمول بندی مساله 3. تعیین سطوح تولید 4. سیستم ایمنی 5. سیستم ایمنی مصنوعی 6. سیستم ایمنی مصنوعی مبتنی بر انتخاب کلونال برای حل پخش بار اقتصادی پویا 7. نتایج شبیه سازی 8. نتیجه گیری

چکیده – پخش بار اقتصادی به تعیین برنامه ریزی بهینه خروجی های ژنراتور آنلاین با تقاضای پیش بینی شده بار در یک دوره مشخص با در نظر گرفتن محدودیت های نرخ رمپ ژنراتورها می پردازد. این مقاله، سیستم ایمنی مصنوعی را بر مبنای اصل گزینش کلونال برای انتخاب مساله پخش بار اقتصادی پویا ارائه می دهد. این رویکرد به پیاده سازی کلونینگ تطبیقی، جهش هایپر، فرسودگی اپراتور و انتخاب رقابتی می پردازد. نتایج عددی حاصل از یک سیستم ده واحدی با تابع هزینه سوخت غیرهموار برای تایید عملکرد الگوریتم پیشنهادی ارائه شده است. نتایج حاصل از الگوریتم پیشنهادی با نتایج حاصل از بهینه سازی ازدحام ذرات و برنامه ریزی تکاملی، مقایسه شده است. با توجه به نتایج عددی، می تواند دریافت که رویکرد مبتنی بر سیستم ایمنی عصبی پیشنهادی قادر به ارائه راه حل های بهتری نسبت به بهینه سازی ازدحام ذرات و برنامه ریزی تکاملی از نظر هزینه و زمان محاسبات می باشد. نتیجه گیری – این مقاله، رویکرد نوینی را بر مبنای AIS برای حل مساله DED ارائه داده است. الگوریتم AIS از کلونینگ تطبیقی، جهش هایپر، فرسودگی اپراتور و گزینش رقابتی استفاده می کند. نمایش تعداد واقعی مشخصه های آنتی بادی در این مقاله پیاده سازی شده است. کارایی روش پیشنهادی با استفاده از سیستم تست ده واحدی نشان داده شده و با نتایج حاصل از PSO و EP مقایسه شده است. با توجه به مقایسه های انجام شده، مشخص است که رویکرد مبتنی بر AIS پیشنهادی، نتایج بهتری را نسبت به PSO و EP از نظر هزینه تولید و زمان محاسبه مینیمم ارائه می دهد.

Dynamic economic dispatch determines the optimal scheduling of online generator outputs with predicted load demands over a certain period of time taking into consideration the ramp rate limits of the generators. This paper proposes artificial immune system based on the clonal selection principle for solving dynamic economic dispatch problem. This approach implements adaptive cloning, hyper-mutation, aging operator and tournament selection. Numerical results of a ten-unit system with nonsmooth fuel cost function have been presented to validate the performance of the proposed algorithm. The results obtained from the proposed algorithm are compared with those obtained from particle swarm optimization and evolutionary programming. From numerical results, it is found that the proposed artificial immune system based approach is able to provide better solution than particle swarm optimization and evolutionary programming in terms of minimum cost and computation time. Conclusion - This paper has presented a novel approach based on AIS for solving DED problem. AIS algorithm utilizes adaptive cloning, hyper-mutation, aging operator and tournament selection. Real number representation of the antibody attributes is implemented here. The effectiveness of the proposed method is illustrated by using a ten-unit test system and compared with the results obtained from PSO and EP. It is evident from the comparison that the proposed AIS based approach provides better results than PSO and EP in terms of minimum production cost and computation time.