دانلود ترجمه مقاله روش تکاملی دیفرانسیلی برای مسئله به مدار آوردن واحد

1. مقدمه 2. مسئله به مدار آوردن واحد 3. تکامل دیفرانسیلی باینری 4. آزمایش ها 5. نتیجه گیری و پژوهش های آتی

مقدمه: مسئله به مدار آوردن واحد (UCP) ، یک مسئله بهینه سازی مقید است که در آن برنامه های خاموش و روشن سازی (منظور کلیدزنی) بهینه نیاز است در یک افق زمانی مشخص برای گروهی از واحدهای مولد قدرت تحت تعدادی قید عملکردی، تعیین شود. هدف، حداقل سازی هزینه های تولید برق و همزمان برآورده کردن تقاضای قدرت پیش بینی شده ساعتی است. UCP ، یک زمینه تحقیقاتی مهم است که توجه روز افزونی را از جانب جامعه علمی بخود جلب کرده است که بخاطر این حقیقت است که حتی صرفه جویی کم در هزینه های اجرایی برای هر ساعت می تواند باعث صرفه جویی اقتصادی کلی عمده ای می شود. UCP از دو مسئله فرعی تشکیل شده است: در قسمت اول، یک برنامه زمان بندی موجه و کم هزینه برای زمان خاموش روشن واحدهای تولید قدرت در یک افق زمانی معین، تعیین می شود. در قسمت دوم، برای هر ساعت، خروجی قدرت واحدهای برنامه ریزی شده جهت آنلاین بودن در آن ساعت ، به روشی بدست می آیند تا هزینه های سوخت حداقل شوند و در عین حال تقاضای قدرت پیش بینی شده برای آن ساعت برآورده شوند. این قسمت دوم، مسئله دیسپاچ اقتصادی (14) خوانده می شود. چندین روش در ادبیات برای سروکار داشتن با UCP وجود دارد، مانند برنامه ریزی دینامیک، سست سازی لاگرانژین، شاخه و پیوند، تجزیه بندرز، تابکاری شبیه سازی شده، جستجوی تابو، الگوریتم های تکاملی و بسیاری از روش های ترکیبی دیگر. یک بررسی و مرور ادبی مفصل را می توان در مرجع [16] مشاهده نمود. الگوریتم های تکاملی (EA)، تکنیک های بهینه سازی مبتنی بر جمعیت، براساس مکانیزم های مشاهده شده در طبیعت هستند. الگوریتم تکامل تفاضلی یا دیفرانسیلی (DE) ، معرفی شده توسط استورن و پرایس در سال 1995، به گروه الگوریتم های تکاملی تعلق دارد که در فضاهای جستجوی پیوسته کار می کنند. DE با موفقیت برای بسیاری از حوزه های مسئله بکار گرفته شده است. جواب مسئله UCP ، به صورت یک مجموعه از انتساب های متغیر تصمیم گیری باینری داده می شود که نشان می دهند برای یک بازه زمانی معین، کدام واحد مولدی در مدار هستند و کدام خاموش هستند. این باعث می شود که بکار بردن یک DE خالص برای UCP ، غیرممکن شود. بنابراین، در این تحقیق، یک نسخه باینری از DE (BDE) برای حل قسمت تعیین برنامه UCP ، استفاده می شود. برای EDP، یک روش تکرار لاندای استاندارد، استفاده می شود. BDE ، برروی داده های محک UCP و همچنین برروی داده های واقعی سیستم قدرت به هم پیوسته ترکیه، تست شده است.

INTRODUCTION: The Unit Commitment Problem (UCP) is a constrained optimization problem in which, optimal turn-on and turn-off schedules need to be determined over a given time horizon for a group of power generation units under some operational constraints. The objective is to minimize the power generation costs while meeting the hourly forecasted power demands. The UCP is an important area of research which has attracted increasing interest from the scientific community due to the fact that even small savings in the operation costs for each hour can lead to major overall economic savings. The UCP consists of two sub-problems [15]: In the first part, a feasible, low-cost schedule for turn-on and turn-off times of the power generation units over the given time horizon is determined. In the second part, for each hour, the power outputs for the units scheduled to be online for that hour are obtained in such a way as to minimize the fuel costs while meeting the forecasted power demands for that hour. This second part is termed as the Economic Dispatch Problem (14). Several approaches exist in literature to tackle the UCP, such as dynamic-programming [1, 2], Lagrangian relaxation [3], branch and bound [4], benders decomposition [5], simulated annealing [6], tabu-search [7], evolutionary algorithms [8, 9, 10, 11, 15] and many hybrids. A detailed survey can be found in [16]. Evolutionary Algorithms (EAs) [19] are population based optimization techniques based on mechanisms found in nature. The Differential Evolution (DE) [13] algorithm, introduced by Storn and Price in 1995, belongs to the group of evolutionary algorithms which operate in continuous search spaces. DE has been successfully applied to many problem domains. The solution to the UCP is given as a set of binary decision variable assignments showing which generator units are online and which are offline for any given time slot. This makes it impossible to apply a pure DE to the UCP. Therefore, in this study a binary version of DE (BDE) is used to solve the schedule determination part of the UCP. For the EDP, a standard lambda-iteration method [12] is used. BDE is tested on benchmark UCP data as well as on real-world data of the Turkish interconnected power system.