Áp dụng thuật toán particle swarm optimization cải tiến điều độ kinh tế - môi trường
Email tác giả liên hệ:
trungthangttt@gmail.comTừ khóa:
PSO cải tiến, tổn thất công suất truyền tải, điều độ kinh tế, điều độ môi trường, điều độ kinh tế môi trườngTóm tắt
Bài báo này đề xuất thuật toán Particle Swarm Optimization cải tiến (IPSO) để giải bài toán điều độ kinh tế-môi trường cho các tổ máy nhiệt điện (CEED) có xét đên tổn thất công suất. Thuật toán IPSO được xây dựng dựa trên các cải biên đối với PSO cổ điển nằm có thể cải thiện chất lượng nghiệm tối ưu và đẩy nhanh quá trình hội tụ của IPSO.Trong thuật toán IPSO này, nghiệm mới được tạo ra bởi sự dụng một cá thể tối ưu trong vùng lân cận thay cho cá thể tối ưu toàn bầy như ở PSO cổ điển. IPSO được kiểm tra trên hai hệ thống vad được so sánh với các phương pháp khác đã cho thấy được đây là phương pháp hiệu quả cho chất lượng nghiệm tốt và thời gian hội tụ nhanh.
Tải xuống: 0
Tài liệu tham khảo
D. Kin, M. E. El-Hawary and F. El-Hawary, Optimal Environmental Dispatching of Electric Power Systems via an Improved Hopfield Neural Network Model,IEEE Trans. on Power Sysfems, vol. 10, pp. 1559-1565, 1995.
C. A. Roa-Sepulveda, E. R. Salazar-Nova, E. Gracia-Caroca, U. Knight and A. Coonick, Environmental Economic Dispatch via Hopfield Neural Network and Taboo Search,UPEC’96 Universities Power Engineering Conference, Greece, Crete, pp. 1001-1004, 1996.
Y. H. Song, G. S. Wang, P. Y. Wang and A. T. Johns, Environmental/econoimic dispatch using fuzzy logic controlled genetic algorithm,IEE Proc-Gener. Transm. Distrib, vol. 44, pp. 377-382, 1997.
C. S. Harry, Rughooputh and R. T. F. A. King, Environmental/Economic Dispatch of Thermal Units using an Elitist Multiobjective Evolutionary Algorithm, Industrial Technology 2003 IEEE International Conference in Maribor, Slovenia 1, pp.48-53, 2003.
K. K. Mandal and N. Chakraborty, Effect of Control Parameters on Differential Evolution based Combined Economic Emission Dispatch with Valve-Point Loading and Transmission Loss,International Journal of Emerging Electric Power Systems , vol. 9, pp.1-18, 2008.
A. L. Devi and O. V. Krishna, Combined economic and emission dispatch using evolutionary algorithms-a case study,ARPN J Eng Appl Sci, vol. 3, no. 6, pp.28–35, 2008.
P. K. Roy, S. P. Ghoshal and S. S. Thakur, Combined economic and emission dispatch problems using biogeography-based optimization, Electr Eng , vol. 92, pp.173–184, 2010.
M. Basu, Economic environmental dispatch using multi-objective differential evolution,Applied Soft Computing , vol. 11, pp.2845–2853., 2011.
Elaiwa, X. Xiab and A.M. Shehata, Hybrid DE-SQP and hybrid PSO-SQP methods for solving dynamic economic emission dispatch problem with valve-point effects,Electric Power Systems Research, vol. 103, pp.192–200, 2013.
H. Hamedi, Solving the combined economic load and emission dispatch problems using new heuristic algorithm, Electrical Power and Energy Systems, vol. 46, pp.10–16, 2013.
E. D. Manteaw and N. A. Odero, Combined economic and emission dispatch solution using ABC_PSO hybrid algorithm with valve point loading effect,Int J Sci Res Publ, no. 12, pp.1-9, 2012.
R. Zhang, J. Zhou, L. Mo, S. Ouyang and X. Liao, Economic environmental dispatch using an enhanced multi-objective cultural algorithm,Electr Power Syst Res, vol. 99, pp.18-29, 2012.
N. T. P. Thao and N. T. Thang, Environmental Economic Load Dispatch with Quadratic Fuel Cost Function Using Cuckoo Search Algorithm, International Journal of u- and e- Service,Science and Technology , vol. 7, no. 2, pp.199-210, 2014.
N. T. Thang, Economic emission load dispatch with multiple fuel options using Hopfiled Lagrange Network, International Journal of Advanced Science and Technology, vol. 57, pp.9-24, 2013.
Abdelaziz, E. Ali and S. A. Elazim, Implementation of flower pollination algorithm for solving economic load dispatch and combined economic emission dispatch problems in power systems,Energy , vol. 101, pp.506-518, 2016.
J. Kennedy and R. Eberhart, Particle swarm optimization,Proc. IEEE Int Conf Neural Networks, pp.1942–8, 1995.
H.Y.Shi and C. R. Eberhar, A modified particle swarm optimizer,IEEE Intl. Conf. on Evolutionary Computation, AK, Anchorage, pp.69-73, 1998.
C. R. Eberhart and H. Y. Shi, Comparing inertia weights and constriction factors in particle swarm optimization,Proc. of the IEEE Congress on Evolutionary Computation, USA, no. 1, pp.84–88, 2000.
P. S. Kulkarni, A. G. Kothari and D. P. Kothari, Combined economic and emission dispatch using improved back-propagation neural network,Electric Power Comp Syst, vol. 28, pp.31–44, 2000.
Tải xuống
Đã Xuất bản
Cách trích dẫn
Giấy phép
Tác phẩm này được cấp phép theo Giấy phép quốc tế Creative Commons Attribution-NonCommercial 4.0 .
Bản quyền thuộc về JTE.
