توزیع اقتصادی بار میان نیروگاهها با توابع هزینه ی ناصاف با استفاده از الگوریتم رقابت استعماری

Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 718

This Paper With 8 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

EOESD01_249

تاریخ نمایه سازی: 11 خرداد 1393

Abstract:

توزیع اقتصادی میان نیروگاهها مبتنی بر دقت و واقعیت یکی از مسائل مهم در بهره برداری از سیستمهای قدرت بشمار می آید. میزانتولید هر نیروگاه به منظور تأمین بار سیستم با هدف کمینه سازی هزینه سوخت تعیین میشود . توزیع اقتصادی بار میان نیروگاهها علاوه برقیود مساوی و نامساوی گاهی دارای توابع هزینه ی غیر خطی و ناصاف است که باعث میشود یافتن پاسخ بهینه رو با مشکل روبرو کند.در این مقاله روشی جدیدی برای حل مساله ی توزیع اقتصادی بار میان نیروگاهها با توابع هزینه ی ناصاف بوسیله الگوریتم رقابتاستعماری ارائه شده است. الگوریتم استعمار داری دقت بالاتر و مناسبتری نسبت به اغلب روشهای بهینه سازی میباشد. نتایج عددیحاصل از بکار گیری روش جدید همراه با الگوریتم رقابت استعمار روی سیستم نمونه ی IEEE و مقایسه آن با سایر روشهای موجود،حاکی از دقت قابل قبول و برتری این روش و الگوریتم دارد.

Keywords:

توزیع اقتصادی بار تابع - هزینه ی ناصاف الگوریتم رقابت استعماری( ICA ) بهینه سازی

Authors

سعید حاجی زاده گان

دانشجوی کارشناسی ارشد برق دانشگاه آزاد اسلامی واحد علوم و تحقیقات،گروه برق(قدرت)،بوشهر،ایران

رضا محمدی

استادیارگروه برق (قدرت) دانشگاه شهید بهشتی، پردیس فنی مهندسی شهید عباسپور، تهران، ایران

سید محمد موسوی آگاه

استادیارگروه برق(قدرت)دانشگاه آزاد اسلامی واحد علوم و تحقیقات، گروه برق(قدرت)، بوشهر، ایران

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :
  • نجفی، م .قایدی و ح _ جهش قورباغه بهبود یافته ... [مقاله کنفرانسی]
  • Sinha N, Chakrabarti R, Chattopadhyay PK. Evolutionary programming techniques for ...
  • Pereira-Neto A, Unsihuay C, Saavedra O. Efficient evolutionary strategy optimization ...
  • Al-Sumait JS, Al-Othman AK, Sykulski JK. Application of pattern search ...
  • Coelho LS, Mariani VC. Combining of chaotic differential evolution and ...
  • Pothiya S, Ngamroo I, K _ gprawechnon W. Ant colony ...
  • Selvakumar AI, Thanushkodi K. A new particle SWarm optimization solution ...
  • Lu H, Sriyanyong P, Song YH, Dillon T. Experimental study ...
  • Lin WM, Gowa HJ, Tsai MT. Combining of direct search ...
  • Kumar R, Sharma D, Sadu A. A hybrid multi-agent based ...
  • S a-ngiamvibool W, Pothiya S, Ngamroo I. Multiple tabu search ...
  • Subbaraj P, Rengaraj _ Salivahanan . Enhancement of Self-adaptive realcoded ...
  • Selvakumar AI, Thanushkodi K. Optimization using civilized _ solution to ...
  • Bhattacharya A, Chattopadhyay PK. _ i _ ge ography-based optimization ...
  • Niknam T, Mojarrad HD, Meymand HZ, Firouzi BB. A new ...
  • Niknam T, Mojarrad HD, Meymand HZ. A novel hybrid particle ...
  • M oradi-Dalvand M, Mohammadi -Ivatloo B, Najafi A, Rabiee A. ...
  • Mo hammad i-Ivatloo B, Rabiee A, Soroudi A, Ehsan M. ...
  • Park JB, Jeong YW, Shin JR, Lee KY. An improved ...
  • Az iz ip anah-Ab arghooee R, Niknam T, Roosta A, ...
  • Do gan Aydna, Serdar Ozyonb. Solution to non-conve economic dispatch ...
  • incremental artificial bee colony with local search. Applied Soft Computing ...
  • Kazem Zare, Mehrdad Tarafdar Haque, Elnaz Davood. Solving non-conve economic ...
  • A. Srinivasa Reddy , K. Vaisakh. Shuffled differential evolution for ...
  • نمایش کامل مراجع