بخشی از مقاله
چکیده - مسأله به مدار آوردن نیروگاه ها دارای متغیرها و محدودیتهای بسیار زیاد است، به همین سبب یکی از مشکلترین و پیچیدهترین مسائل بهینهسازی در سیستم های قدرت به شمار می آید. در این مقاله روشی جدید مبتنی بر الگوریتم بهینه سازی جستجوی جهت دار - DSO - برای حل مسأله به مدار آوردن نیروگاه ها ارائه شده است. الگوریتم پیشنهادی دارای دو عملکرد مهم می باشد- معادله تغییر وضعیت و معادله جهش ژنتیک. معادله اول سبب همگرایی بردارهای جواب به سمت بهترین موقعیت میگردد، درحالی که جهش ژنتیک، پراکندگی ذرات در فضای جستجو و در نتیجه جلوگیری از همگرایی در نقاط بهینه محلی را به دنبال خواهد داشت.
همچنین در این روش متغیرها به صورت اعداد صحیح کدبندی شدهاند. بنابراین قیود مربوط به حداقل زمان روشن/خاموش واحدها مستقیماًبرآورده شده اند. برای نشان دادن کارایی روش پیشنهادی در حل مسأله UC، شبیه سازی در یک سیستم نمونه شامل 10 واحد نیروگاهی صورت گرفته و نتایج آن با سایر روشها مقایسه شده است. نتایج حاصل برتری این روش نسبت به سایر روشها را نشان میدهد.
-1 مقدمه
به مدار آوردن نیروگاه ها - UC - 1 یکی از مهمترین مسائل در بهرهبرداری سیستم قدرت به شمار میآید. این مسأله، برنامه ریزی بهینه عملکرد روزانه نیروگاهها را با در نظر گرفتن محدودیت های بهره برداری شامل می شود و در برگیرنده هزینه راه اندازی، هزینه خاموشی و هزینه های سوخت است. UC یک مسأله پیچیده غیرخطی است که دارای متغیرهای گسسته و پیوسته میباشد .[1] تاکنون روشهای مختلفی برای حل مسأله UC ارائه شده است.
این روش ها به طور کلی به دو دسته قابل تقسیم اند: بهینه سازی عددی و جستجوی تصادفی. لیست حق تقدم [2]، برنامه ریزی پویا [3] و لاگرانژ [4]، نمونه هایی از روش های عددی می باشند که سریع و سادهاند، اما کیفیت پاسخ بهدست آمده در حد مطلوب نمیباشد. الگوریتم های ژنتیک [5]، برنامهریزی تکاملی برای جستجوی تابو [6]، بهینه سازی ازدحام ذرات [7]، الگوریتم کلونی مورچگان [8]، الگوریتم غذایابی باکتری[9]، رقابت استعماری[10]، الگوریتم بازپخت فلزات [11] نمونههایی از روشهای جستجوی تصادفی اند که تاکنون برای حل مسائل مرتبط با UC مورد استفاده قرار گرفته اند اما با افزایش ابعاد این مسأله امکان همگرایی به پاسخ بهینه کاهش پیدا خواهد کرد. در [12] روشی مبتنی بر کدبندی باینری و همچنین یک روش ترکیبی از الگوریتم تجمع پرندگان و مفهوم کوانتومی در [13] ارائه شده است که به نتایج قابل قبولی دست یافته است.
در این مقاله روشی جدید مبتنی بر الگوریتم بهینه سازی جستجوی جهتدار2 ارائه شده است .[14] معادله تغییر وضعیت جهت همگرایی الگوریتم و جهش ژنتیک برای جلوگیری از همگرایی در نقاط بهینه محلی، دو عملکرد مهم الگوریتم ذکر شده می باشد. سرعت همگرایی به پاسخ بهینه یکی از مزیت های مهم این الگوریتم است. همچنین در این مقاله روش کدبندی صحیح برای ایجاد جمعیت اولیه اعمال شده است. از مزایای این روش می توان به کاهش بعد مسأله و برآوری مستقیم قیود مربوط به حداقل زمان روشن/خاموش نیروگاه ها اشاره کرد .[15] شبیهسازیهای انجام گرفته بر روی یک سیستم نمونه گویای برتری روش پیشنهادی نسبت به سایر روشهای موجود در همگرایی به جواب بهینه است.
الگوریتم بهینهسازی جستجوی جهتدار
الگوریتم بهینهسازی جستجوی جهت دار [14]، روشی بسیار کارآمد و سریع جهت رسیدن به پاسخهای با کیفیت بالا در مسائل پیچیده بهینهسازی دارای محدودیت به شمار میآید. در این روش هریک از ذرات به عنوان یک کاندید حل برای جواب نهایی در فضای چند بعدی مسأله محسوب میشوند. موقعیت بعدی هر ذره در فضای جستجو به وسیله معادله تغییر وضعیت و جهش ژنتیک تعیین می شود. اگر هر ذره در فضا را با j و هر بعد ذره را با i نمایش دهیم، معادله تغییر وضعیت ذره و جهش ژنتیک به ترتیب طبق رابطههای - 9 - و - 10 - بیان میشود.
در این مقاله تولید جمعیت اولیه به صورت اعداد صحیح مثبت و منفی صورت گرفته است که بیانگر مدت زمان روشن و خاموش واحدهای نیروگاهی است. مزیت این روش برآوری مستقیم قید حداقل زمان روشن/خاموش واحدها می باشد که عدم نیاز به فاکتور جریمه را به دنبال خواهد داشت. با توجه به پروفیل بار در یک دوره شبانه روز، حداکثر تغییر حالت واحدهایی که در اوج بار وارد مدار میشوند 5 می باشد - 5 سیکل - .همچنین برای اینکه بتوان در طی برنامه ریزی، واحدها را آزادانه روشن یا خاموش کرد تعداد سیکل های روشن /خاموش بیش از 5 - برابر با تعداد ساعات برنامهریزی - فرض شده است.[15]
