دسته: برق
حجم فایل: 778 کیلوبایت
تعداد صفحه: 17
روش الگوریتم جهش ترکیبی قورباغه برای حل مساله مشارکت واحد سودمحور با محدودسازی انتشار (آلایندهها) + نسخه انگلیسی 2013
SFLA approach to solve PBUC problem with emission limitation
چکیده
در این مقاله، برای حل مساله مشارکت واحد سودمحور در یک محیط تجدید ساختار یافته و محدودیت انتشار آلایندهها، الگوریتم جهش ترکیبی قورباغه ارائه میشود. مساله بهینهسازی تابع دو هدفه به صورت بیشینهسازی سود شرکتهای تولیدی و کمینهسازی آلایندههای جوی واحدهای حرارتی فرموله میشود، در عین حال که همه قیود باید ارضا شوند. این کار، برای اختصاص هزینههای ثابت و گذرا به ساعات زمانبندی، قید تقاضای نرمتری را در نظر میگیرد. برای شبیهسازی از برنامه متلب نسخه 10/7 و از یک سیستم نمونه 39 باس 10 واحد IEEE استفاده شده است. با توجه به نتایج بدست آمده، ملاحظه میشود که الگوریتم ارائه شده به بیشترین سود و کمترین سطح انتشار دست مییابد، و در عین حال در مقایسه با مشارکت واحدهای سنتی زمان محاسباتی بسیار کمتری هم دارد.
مشارکت واحد (UC) یک مساله بهینهسازی غیرخطی با اعداد صحیح ترکیبی است که در برنامهریزی عملکرد واحدهای تولیدی با کمترین هزینه اجرائی و در عین حال ارضای الزامات تقاضا و ذخیره، کاربرد دارد. در قدیم مساله مشارکت واحد باید بر اساس وضعیت روشن/ خاموش واحدهای تولیدی در هر ساعت از دوره برنامهریزی تعیین میشدند و به صورت بهینه بار و ذخیره را بین واحدهای مشارکتی توزیع میکردند. مشارکت واحد مهمترین مساله بهینهسازی در عملکرد سیستمهای قدرت است. پاسخ بهینه فرامحلی (جهانی) برای مساله مشارکت واحد را میتوان با شمارش کامل بدست آورد، که به علت نیازمندی به زمان محاسباتی زیاد برای سیستمهای قدرت بزرگ محدود شده است. برای حل مساله مشارکت واحد روشهای گوناگونی تاکنون ارائه شده است، مثل لیست اولویت (PL) ، برنامهنویسی پویا (DP) ، آزادسازی لاگرانژ (LR) ، الگوریتم ژنتیک (GA) و بهینهسازی گروه ذرات (PSO). روش لیست اولویت سریع است اما بسیار ابتکاری است و هزینههای عملکردی نسبتا بالائی برای برنامهریزی بدست میدهد. روش برنامهنویسی پویا نیز دارای قابلیت حل مسائل با اندازههای مختلف را دارد. اما اگر قیود در نظر گرفته شده باشند، ممکن است منجر به پیچیدگی ریاضی شده و زمان محاسبه افزایش یابد.
چکیده
اخیرا نصب ژنراتورهای کوچک در شبکه های توزیع، به علت مزیت های متعددی که دارند، افزایش یافته است. یکی از مسائل مهم مربوط به این ژنراتورهای توزیع شده، تاثیر خطاهای سیستم بر پایداری گذرای آنها است. به علت ثابت اینرسی کم ژنراتورهای مقیاس کوچک و عملکرد آهسته رله های حفاظتی شبکه های توزیع، ایجاد ناپایداری گذرا برای این ژنراتورها کاملا محتمل است. در این مقاله، رفتار دینامیک ژنراتورهای سنکرون مقیاس کوچک در برابر خطاهای سیستم و حساسیت آن ها به پارامترهای سیستم مورد بررسی قرار می گیرند. سپس یک روش حفاظتی عملی با استفاده از اضافه جریان موجود و رله های کمبود ولتاژ پیشنهاد می شود و به مزیت ها و معایب آن اشاره می شود. در ادامه، بر اساس اطلاعات به دست آمده از تحلیل حساسیت، یک رله حفاظتی جدید برای حفاظت ژنراتورها در برابر ناپایداری پیشنهاد می شود. رله پیشنهادی از یک ژنراتور قدرت فعال برای تعیین زمان مناسب برای قطع کردن ژنراتور استفاده می کند. نتایج شبیه سازی عملکرد مطمئن و مقاومت رله پیشنهادی در برابر ناپایداری های گذرای سیستم تایید می کنند. علاوه براین، الگوریتم پیشنهادی با ژنراتورهایی با قابلیت کار کردن با شبکه های سراسری خطا دار، هم سازگار است.
اصطلاحات شاخص: سیستم حفاظتی تولید پراکنده (DG) ؛ تولید پراکنده؛ قابلیت کار کردن با شبکه های سراسری خطا دار (FRT) ؛ پایداری گذرا
مقدمه
تولید پراکنده (DG) به عنوان یک منبع توان الکتریکی که مستقیما به شبکه توزیع یک سیستم قدرت متصل می شود، تعریف می شود [1]. این روزها نصب DG ها در سیستم های قدرت به دلیل مزایایی که دارند، از جمله کاهش افت، پیک سایی، خدمات کمکی، کیفیت توان بالاتر، زمان ساخت کوتاه تر شان، احتمال افت بار کمتر و هم چنین تعویق انتقال، جایگزینی توزیع، مسائل مقررات زدایی و نگرانی های زیست محیطی، رو به افزایش است [2]- [5]. با این حال، اتصال داخلی DG ها برخی تغییرات را به سیستم های توزیع موجود تحمیل می کند و می تواند در سیستم های قدرت ناپایداری ایجاد کند و حتی منجر به قطع برق شود [6], [7]. وقتی DG بطور موازی با سیستم شبکه برق کار کند، رویه حفاظتی سیستم های توزیع سنتی را بهبود می دهد. رله کردن مناسب و تنظیم DG می توانند مهم ترین لوازم تعیین کننده برای جلوگیری از ناپایداری ژنراتور باشند.
مقدمه:
قدرت روم که پس از اتروسکها بر ایتالیا حاکم و جانشین ایشان شد. اقوام ستیزه ایتالیا را مطیع حکومت واحد روم گردانیده و سرانجام ملتهای اروپای غربی و مدیترانه و خاور نزدیک را در زیر پرچم امپراطور روم گرد آورد. که به گفته مورخ بزرگ روم « انقلابی پدید آورد که تا ابد در یاد ها خواهد ماند، و امروز نیز ملتها آ« را احساسا می کنند. » در واقع اگر در بررسی امروزمان می بینیم که نبوغ یوناننین با تابش هر چه بیش تر در عرصه هنر، علم، فلسفه، تاریخ، و به طور کلی در قلمرو عقل و تخییل می درخشید نبوغ رومی در عرصه فعالیتهای دنیوی حقوق و کشورداری پر تو افکنی می کند ۱۵. و به اعتقاد بسیاری دیگر هنر رومی از هنر یونانیان متولد گردید. هنر رومی به واقع انتشار دهنده میراث هنر یونانیان بوده است. و هر چند عده ای اعتقاد بر این دارند که معماری رومی ریشه در معماری اتروریایی داشته است اما در واقع دارای خصوصیاتی یو نانی مآبی بوده است.
دسته: برق
حجم فایل: 425 کیلوبایت
تعداد صفحه: 12
جایابی بهینه SVC و TCSC برای بهبود پایداری ولتاژ و کاهش تلفات سیستم قدرت با استفاده از ترکیب الگوریتم ژنتیک باینری و بهینهسازی ازدحام ذرات+ نسخه انگلیسی 2012
Optimal Allocation of SVC and TCSC for Improving Voltage Stability and Reducing Power System Losses
using Hybrid Binary Genetic Algorithm and Particle Swarm Optimization
چکیده- برخی کاربردهای ادوات FACTS نشان دهنده آن است که آنها ابزارهایی مناسب و موثر برای کنترل پارامترهای فنی سیستمهای قدرت هستند. با این حال، تعیین محل بهینۀ اندازه و نوع این تجهیزات مساله دشواری است. علاوه بر این، بکارگیری یک تابع هدف مناسب برای جایابی بهینه ادوات FACTS یک نقش مهم در بهبود اقتصادی یک باز برق ایفا میکند. در این مقاله، یک روش مناسب برای جایابی چندین نوع تجهیز FACTS ارائه میشود تا پایداری ولتاژ افزایش یافته و تلفات با در نظر گرفتن هزینههای نصب تجهیزات و هزینههای عمومی عملکرد سیستم قدرت، کاهش یابد. لذا در این مقاله برای جایابی همزمان و تعیین اندازه دو نوع تجهیز سری و موازی (TCSC، SVC) در یک ساختار چندمنظوره از ترکیب الگوریتم ژنتیک باینری و بهینهسازی ازدحام ذرات استفاده میشود؛ و نیز برای دستیابی به یک پاسخ بهینه برای تابع سازگاری از فرایند تحلیل سلسلهمراتبی بهره گرفته میشود. پس از آن، روش پیشنهادی روی یک سیستم 30 باس اصلاح شده IEEE پیادهسازی میشود. با مقایسه نتایج بدست آمده از الگوریتم پیشنهادی با الگوریتمهای PSO (بهینهسازی ازدحام ذرات) و GA (الگوریتم ژنتیک) ، کارائی بالای الگوریتم ارائه شده تصدیق خواهد شد.
عبارات کلیدی: ادوات FACTS، ترکیب الگوریتم ژنتیک باینری و بهینهسازی ازدحام ذرات، پایداری ولتاژ، تلفات سیستم، جایابی بهینه، هزینههای نصب و اجرا.
مقدمه
تجهیزات FACTS با ساختارهای یکتای خود میتوانند این شانس را برای کاربر بوجود آورند که توانهای فعلی خطوط را کنترل کرده و بدین ترتیب محدودیتهای مربوط به پایداری خطوط انتقال و امنیت سیستم را بهبود دهند. استفاده از ادوات FACTS، در مقایسه با روشهای مرسومی چون حذف بار و برنامهریزی مجدد تولید، به نظر میرسد اقتصادیتر و به صرفه باشد چون این تجهیزات به جز هزینه نصب هزینه دیگری را در حین عملکرد متحمل نمیشوند. ادوات FACTS میتوانند به طور همزمان توانهای اکیتو و راکتیو را کنترل کنند؛ علاوه بر این، قادرند دامنه ولتاژ را نیز کنترل کنند. این تجهیزات میتوانند شارژ توان را روی خطوطی که با ایجاد یک سطح ولتاژ بهینه دچار اضافه بار شدهاند کاهش دهد. از طرف دیگر، تجهیزات FACTS میتوانند محدوده سیگنال کوچک و پایداری گذرا را بهبود دهند و نیز تلفات سیستم قدرت را کاهش دهند. لذا، با در نظرگیری هزینههای نصب ادوات FACTS برای جایابی این تجهیزات، نتایج بدست آمده واقعیتر جلوه میکنند. تاثیر ادوات FACTS روی امنیت سیستم قدرت در مراجع در نظر گرفته شده است. یکی از کاربردهای بارز ادوات FACTS غلبه بر ناپایداری ولتاژ در سیستم قدرت است. در واقع، پایداری ولتاژ توانمندی یک سیستم در حفظ دامنه مجاز ولتاژ باسها در همه شرایط موجود است. توانایی انتقال توان راکتیو از باس تولید تا محل مصرف در حالت دائم سیستم قدرت یکی از مسائل مهم در پایداری ولتاژ است. معمولا، یک سیستم قدرت در شرایطی چون وقوع یک حادثه در سیستم، افزایش بار، و یا تغییر شرایط سیستم ناپایدار میشود چون کاهش ولتاژ به صورت پیوسته و غیرقابل کنترل میشود.
خلاصه
این مقاله به شرح کاربرد الگوریتم ژنتیکی هیبریدی در ارتباط با نمونه های دنیای واقعی در مورد زمانبندی دوره اموزش دانشگاهی می پردازد. ما زمانبندی آزمایشی را در محیط کاملا محدود مد نظر قرار می دهیم، که در ارتباط با آنف تعریف رسمی داده می شود. تکنیک های ارائه راه حل متناسب با این مسئله به همراه عملگرهای ژنتیکی مربوطه و الگوریتم جستجوی محلی تعریف می گردند. رویکرد مطرح شده در این مقاله به طور موفقیت آمیزی برای زمانبندی در نهادهای پژوهشی مورد استفاده قرار گرفته و دارای قابلیت ایجاد زمانبندی برای نمونه های مسائل پیچیده تر می باشد.
مقدمه
مسئله زمانبندی دانشگاهی و انواع آن به عنوان بخشی از دسته بندی زمانبندی و مسئله زمانبندی می باشد. هدف جدول زمانبندی، تعیین ضوابطی برای تعداد محدودی از منابع بوده در حالی که تمام محدودیت ها نیز در نظر گرفته می شود. دو شکل مسئله زمانبندی دانشگاهی در تحقیقات امروزی مد نظر قرار می گیرد: زمانبندی امتحان و مسئله زمانبندی دوره آموزش می باشد، به ترتیبی که تفاوت بین این انواع معمولا بستگی به دانشگاه مربوطه دارد. این مسئله به صورت تخصصی تر مبتنی بر فعالیت های بعد از ثبت نام و یا تکلیف محور می باشد. در مسائل بعد ثبت نام، زمانبندی می بایست به گونه ای ایجاد گردد که تمام دانشجویان بتوانند در تمام برنامه هایی که ثبت نام کرده اند شرکت کنند، در حالی که در مسئله برنامه تحصیلی محدودیت ها بر طبق به دوره تحصیلات دانشگاه و نه بر مبنای داده های نام نویسی می باشد.
به دلیل پیچیدگی ذاتی مسئله و تغییر پذیری، بیشتر مشکلات حقیقی مرتبط به زمانبندی دانشگاهی بر مبنای NP می باشد. این موارد مستلزم الگوریتم های ذهنی می باشد که تضمینی را برای راه حل های مطلوب ایجاد نمی کنند، اما در بسیاری از موارد قابلیت ایجاد راه حلی را دارند که که برای اهداف عملی مناسب می باشند. قبلا نیز نشان داده شده است که تکنیک های مبتنی بر موارد فرا ذهنی (همانند الگوریتم های تکاملی؛جستجوی ممنوع و غیره) مشخصا متناسب با حل این نوع از مشکلات بوده، و این مقاله نمونه ای از آن رویکرد می باشد.
این مقاله تمرکزش را بر روی مسئله زمانبندی آزمایشی (LETP) قرار می دهد، که ما آن را به عنوان نوعی از مسئله زمانبندی دوره آموزشی دانشگاهی (UCTP) تعریف می کنیم. انگیزه برای این مقاله حاصل از نیاز برای ایجاد زمانبندی خودکار در نهادهای پژوهشی می باشد. این جداول زمانی دیگر با استفاده از روش های سنتی به دلیل بالا رفتن پیچیدگی های مربوط به اصلاح دوره آموزشی ایجاد نمی گردد.