بخشی از مقاله
چکیده: در این مقاله یک روش مؤثر و کارآمد جهت بهینه سازی یک تابع چند هدفه به روش فازی ارائه شده است بطوریکه با توجه به ناهمگونی توابع هدف در سیستم های انرژی الکتریکی همانند موضوعاتOPF و OPDGپاسخ بهینه بر اساس نسبیت توابع عضویت واستفاده از عملگر Max-Min بدست می آید و تداعی‌کننده مسأله کوله‌پشتی در علم کامپیوتر میباشد. در این راستا و برای رسیدن و دستیابی به نتایج مطلوب مسئله بهینهسازی با روش الگوریتم هوشمند PSO ترکیب شده است و تمامی ارکان روش پیشنهادی قابلیت برنامه‌ریزی با نرم افزار MATLAB را داراست.
.1 مقدمه
برای حل توابع و مسائل غیر خطی سیستم های انرژی الکتریکی به عنوان یک مسئله چند هدفه با پارامترهای گسسته و پیوسته و نیز معیارهای ناهمگون ابتدا با استفاده از تئوری مجموعه‌های فازی، هر یک از هداف با توابع عضویت فازی مدل سازی می‌شوند و سپس با تبدیل توابع عضویت فازی در قالب یک تابع هدف توسط عملگرهای شایستگی - Max-Min - پاسخ بهینه مسئله تک‌هدفه با الگوریتم تکامل یافته PSO تعیین می‌گردد. لازم به ذکر است عملگرهای - - Max-Min پایین‌ترین شایستگی نسبت داده شده به هر یک از توابع هدف را بعنوان شایستگی پاسخ مربوطه انتخاب می‌کند و سعی در بهبود آن دارد .[2]
.2 مدل
1-2 برنامه ریزی تابع چند هدفه فازی
x بردار متغیر تصمیم‌گیری است که در سیستم قدرت میتواند شامل متغیرهای گسسته مانند تپ ترانس‌ها یا متغیرهای پیوسته مانند ولتاژ ژنراتورها باشد و عناصر A و b غیر منفی هستند؛ اما این‌گونه مسایل معمولا به یک جواب بهینه سراسری همگرا نخواهد شد ولی جواب‌هایی در مساله وجود دارند که به جواب بهینه خیلی نزدیک هستند. به این جواب‌ها جواب بهینه - PARETO - میگویند .[3] x* را یک راه حل بهینه - PARETO - گوئیم اگر و تنها اگر آنجا x دیگری وجود نداشته باشد که برای تمام L 1'…' N باشد و برای حداقل یک j ∈ {1,..,k} آنگاه . Ci x Cj x * یک راه حل بهینه را بعضی اوقات راه حل غیر حقیر - Noninferior - هم میگویند زیرا نسبت به بقیه راه‌حل‌های ممکن پایین رتبه و نامرغوب نیست .ی زیر به جای آنچه اشاره شد استفاده کنیم.
2-2 ارتباط بهینه سازی تابع چند هدفه فازی در ترکیب با الگوریتم PSO
در رابطه با ترکیب الگوریتم هوشمند PSO در روش تابع چندهدفه فازی میتوان گفت پس از آنکه مقادیر توابع عضویت برای هر ذره مشخص گردید در آخر هدف تعیین مقدار Max-Min توابع عضویت است این عمل توسط الگوریتمPSO انجام میپذیرد، بطوریکه ابتدا ذرات در سیستم انرژی جایگذاری شده و در نهایت بهترین حالت ذره از بین ذرات انتخاب شده مشخص میشود چرا که اصول کار الگوریتم PSO این است که در هر لحظه هر ذره وضعیت خود را در فضای جستجو با توجه به بهترین وضعیتی که تا کنون در آن قرار گرفته است و بهترین وضعیتی که در کل همسایگی‌اش وجود دارد تنظیم می‌کند .[6] 3-2 فلوچارت حل برنامه ریزی تابع چند هدفه فازی -0 مقدار بیشینه وکمینه هر تابع هدف را با در نظر گرفتن قیود محاسبه کنید. یکی از جاهایی که الگوریتم تکاملی ازدحام ذرات میتواند وارد مساله شود در پیداکردن این مقادیر است.
-1 تابع عضویت را برای هر تابع هدف بصورت آنچه که ذکر شد بدست آورید. پیدا کردن سطوح عضویت مرجع .L 1'…'N i اگر در دسترس باشند مرحله بعدی است. - میتوان این مقادیر را 1 بگذارید چون پیدا کردن آنها سخت است - .
-2 برای مقادیر مشخص شده i مسئله - MiniMax - را حل کنید.
-3 اگر DM با مقادیر جاری توابع عضویت یا توابع هدف داده شده ارضا شد متوقف شود در غیر اینصورت از DM به منظور آپدیت کردن سطوح عضویت مرجع سوال کن و برگرد به .2 ارضا شدن برنامه زمانی صورت میگیرد که راه‌حل‌های PARETO طوری پیدا شود که دیگر در تکرارهای بعدی راه‌حلی کوچکتر از آن پیدا نشود، این همان چیزی است که در تعریف راه‌حل - PARETO - آمده بود. - PSO - در مرحله 2 استفاده میشود و همچنین در مرحله0 نیزجهت محاسبه Zimax , Zimin میتوان از - PSO - استفاده کرد .[7] اما بعد از پیداکردن مدل فازی توابع در روش موصوف نوبت به آن میرسد که فضای جواب بهینه را طوری پیدا کنیم که تمام قیود و توابع هدف را ارضا کند. این کار توسط اپراتور اشتراک انجام میشود که اپراتور اشتراک در منطق فازی اپراتور - Min - میباشد.
