دانلود ترجمه مقاله حل مسائل پخش بار اقتصادی در سیستم های قدرت با استفاده از PSO

1. مقدمه 2. فرمولاسیون یک EDP با محدودیت های ژنراتوری 3. روش بهینه سازی براساس PSO برای EDP 4. محدودیت های سروکار داشتن با شیوه های PSO 5. نتایج شبیه سازی 6. نتیجه گیری

چکیده – هدف مسائل دیسپاچ اقتصادی (EDPها) در تولید توان الکتریکی برنامه ریزی خروجی واحدهای تولیدی جهت برآورده کردن تقاضای بار مورد نیاز در هزینه اجرایی حداقل همزمان با برآورده کردن همه محدودیت های برابری و نابرابری سیستم و واحدها، می باشد. اخیرا، روش های بهینه سازی جهانی که بوسیله روش های محاسبه هوش ازدحامی و تکامل الهام گرفته شده اند، ثابت کرده اند که راهکار بالقوه ای برای بهینه سازی EDPهای دشوار می باشند. بهینه سازی ازدحام ذرات (PSO) یک الگوریتم تصادفی مبتنی بر جمعیت است که با شبیه سازی یک استعاره روانشناسی اجتماعی بجای بقای قویترین شخص، اجرا می شود. این تحقیق با الهام از تئوری های هوش ازدحامی و احتمالات، استفاده از ترکیب PSO، توابع توزیع احتمال گاوسی و دنباله های آشفته را ارائه داده است. در این زمینه، این مقاله روش های بهبود یافته PSO جهت حل EDPها را پیشنهاد می دهد که ویژگی های ژنراتور غیرخطی مانند محدوده ای نرخ رمپ و مناطق عملکردی ممنوع در عملکرد سیستم قدرت را مورد ملاحظه قرار می دهد. PSO و گونه های مختلف آن برای دو سیستم آزمون متشکل از 15 و 20 واحد تولید گرمایی، اعتبار سنجی شدند. روش ترکیبی پیشنهادی، عملکرد بهتری نسبت به دیگر تکنیک های بهینه سازی فرا ابتکاری مدرن گزارش شده در مقالات اخیر جهت حل دو مطالعه موردی EDP محدود، دارد.

The objective of the Economic Dispatch Problems (EDPs) of electric power generation is to schedule the committed generating units outputs so as to meet the required load demand at minimum operating cost while satisfying all units and system equality and inequality constraints. Recently, global optimization approaches inspired by swarm intelligence and evolutionary computation approaches have proven to be a potential alternative for the optimization of difficult EDPs. Particle swarm optimization (PSO) is a population-based stochastic algorithm driven by the simulation of a social psychological metaphor instead of the survival of the fittest individual. Inspired by the swarm intelligence and probabilities theories, this work presents the use of combining of PSO, Gaussian probability distribution functions and/or chaotic sequences. In this context, this paper proposes improved PSO approaches for solving EDPs that takes into account nonlinear generator features such as ramp-rate limits and prohibited operating zones in the power system operation. The PSO and its variants are validated for two test systems consisting of 15 and 20 thermal generation units. The proposed combined method outperforms other modern metaheuristic optimization techniques reported in the recent literature in solving for the two constrained EDPs case studies.