دانلود ترجمه مقاله راه حلی برای مساله در مدار قرارگیری واحدهای نیروگاهی با استفاده از الگوریتم آتش بازی

1. مقدمه 2. مسئله در مدار قرارگیری واحدهای نیروگاهی 3. بررسی مقالات 4. فرمول بندی مساله 5. الگوریتم آتش بازی 6. کاربرد FWA در مساله UC 7. مطالعه موردی: سیستم 10 واحده 24 ساعته 8. نتیجه گیری

چکیده – این مقاله، رویکرد جدیدی را با استفاده از الگوریتم هوش ازدحامی که با نام الگوریتم آتش بازی شناخته می شود، ارائه می کند که با در نظرگرفتن مناطق عملیاتی ممنوع برای تعیین هزینه تولید و در مدار قرارگیری واحدهای نیروگاهی (UC) اعمال می شود. با الهام گیری از رفتار ازدحام آتش بازی، الگوریتمی مبتنی بر فرآیند انفجار (جستجو) و مکانیزم های حفظ گوناگونی جرقه ها برای کمینه سازی هزینه کلی تولید در یک بازه زمانی برنامه ریزی شده مشخص و هم چنین در حالی که این الگوریتم تحت قیود انتقال و ژنراتور نیز قرار می گیرد، ارائه کارآمدترین ترکیب از واحدهای تولیدی برای رعایت ملزومات ذخیره و بار پیش بینی شده توسعه داده شده است. تمرکز عمده این است که در کنار تلفیق مجموعه نسبتا بزرگ و پیچیده ای از قیود همانند محدودیت های تولید، رعایت تقاضای بار، ذخیره های چرخان، زمان کمینه فعالیت/ استراحت ماشین و شمول قیود واقع گرایانه تر همانند مناطق عملیاتی ممنوع/ محدود شده در یک ژنراتور به بهینه سازی بهتری برسیم. واحدهای تولید کننده، بازه های مشخصی دارند که در آن، فعالیت بر پایه محدودیت های فیزیکی اجزای ماشین یا عدم پایداری محدود می باشد مانندمحدودیت در شیر بخار یا لرزش در یاتاقان شافت. بنابراین مناطق عملیاتی ممنوع به عنوان یک قید مهم باید در نظر گرفته شود. دراین مقاله، تلفیق قیود پیچیده مسئله بهینه سازی در تابع هدف با چشم پوشی از عبارات مجازات بررسی نمی شود. شبیه سازی عددی بر روی یک سیستم 10 ساعته (واحد 24) انجام شده است.

This paper presents a new approach using swarm intelligence algorithm called Fireworks Algorithm applied to determine Unit Commitment and generation cost (UC) by considering prohibited operating zones. Inspired by the swarm behaviour of fireworks, an algorithm based on the explosion (search) process and the mechanisms of keeping the diversity of sparks has been developed to minimize the total generation cost over a given scheduled time period and to give the most cost-effective combination of generating units to meet forecasted load and reserve requirements, while adhering to generator and transmission constraints. The primary focus is to achieve better optimization while incorporating a large and often complicated set of constraints like generation limits, meeting the load demand, spinning reserves, minimum up/down time and including more realistic constraints, such as considering the restricted/prohibited operating zones of a generator. The generating units have certain ranges where operation is restricted based upon physical limitations of machine components or instability, e.g., due to steam valve or vibration in shaft bearings. Therefore, prohibited operating zones as a prominent constraint must be considered. In this paper the incorporating of complicated constraints of an optimization problem into the objective function is not considered by neglecting the penalty term. Numerical simulations have been carried out on 10 – unit 24 – hour system.