استفاده از یک الگوریتم چند هدفه در بهرهبرداری بهینه از یک ریز شبکه با در نظرگرفتن اهداف اقتصادی و محیطی

سال انتشار: 1390
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,297

فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

PSC26_267

تاریخ نمایه سازی: 27 اسفند 1390

چکیده مقاله:

بهرهبرداری بهینه از ریزشبکه ها با در نظر گرفتن اهداف مختلفی نظیر هزینه بهره برداری، میزان آلودگی و استفاده گسترده تر از منابع انرژی تجدید پذیر در این حوزه مورد توجه بسیاری از جوامع پیشرفته قرار گرفته است. تجمیع این چنین اهدافی که غالباً متناقض نیز می باشند در یک مسأله بهینه سازی میتواند پاسخ مناسبی برای کاربران سیستم فراهم آورد. در این مقاله سعی شده است از یک روش ترکیبی مبتنی بر نظریه فازی و الگوریتم تکاملی هوش جمعی به نام FSAPSO برای توزیع بهینه منابع انرژی در یک ریز شبکه نمونه استفاده شود ضمن آنکه اهداف اقتصادی و آلودگی در امر بهرهبرداری بطور همزمان ارضا گردند . عملکرد روش پیشنهادی در حل مسأله مذکور در قیاس با سایر روشهای بهینهسازی تکاملی نظیر الگوریتم ژنتیک استاندارد نشان داده شده است و کارایی آن با اعمال بر شبکه تست به اثبات رسیده است.

کلیدواژه ها:

الگوریتمPSO بهبود یافته فازی ، بهینه سازی چند هدفه ، ریز شبکه ، انرژیهای تجدید پذیر

نویسندگان

امجد انوری مقدم

دانشگاه تهران- دانشکده مهندسی برق و کامپیوتر

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • J. Chuanwen, X Rong, A review _ , iayiل [4] ...
  • A. Zangeneh, Sh. Jadid, A. Rahimi-Kian, Promotion strategy of clean ...
  • Renewable Energy, 34 (2009) 2765-2773 ...
  • M. Dicorato, G. Forte, M. Trovato, Envi ronmental- constrained energy ...
  • A. Soroudi, M. Ehsan, H. Zareipour, A practical eco-envi ronmental ...
  • N.W.A. Lidula, A.D. Rajapakse, Microgrids research: A review of experimental ...
  • K.Y. Lee, A.S. Yome, J.H. Park, Adaptive Hopfield neural networks ...
  • P.K. Hota, S.K. Dash, Multiobjective generation dispatch through a neurofuzzy ...
  • T. Jayabarathi, K. Jayabarathi, D.N. Jeyakumar, et al., Evolutionary programming ...
  • Z.-L. Gaing, Particle swarm optimization to solving the economic dispatch ...
  • J. Kennedy, R. Eberhart, Swarm Intelligence, Morgan Kauf-mann Publishers, San ...
  • J.Kennedy, optimization, ...
  • Internationl Conference _ Neuural Networks, Perth, Australia, 1995, pp. 1942-1948. ...
  • 785542 1.78486 0.914+197 1.78553 1.30166 ...
  • 753957 1.779395 29.99965 4.467001 3.386029 -7.21354 -14.3732 -21.8155 -17 .4271 ...
  • 220769 1.300601 0.538905 1.785542 1.785542 1.30166 ...
  • Battery 14.9266 29.1897 16.4219 11.9654 12.1335 ...
  • 0854 8.7606 10.4118 3.92283 2.3765 1.78554 ...
  • 1212 7.5279 10.44 11.964 O.1398 ...
  • 3013 29.9868 -11.697921 -3.1029835 ...
  • 9594 21.9192O1 29.914723 20.414201 -13.2595 3.4233101 8.5658216 ...
  • نمایش کامل مراجع