روح اله فلاحتی - شرکت توربو کمپرسور نفت (OTC)
حسام الدین اسلامی - شرکت توربین های گازی خاور (MIGT)
امید مرادطلب - دانشگاه تبریز

با توجه به گسترش روزافزون انرژی پاک و سیستم های مبتنی بر هوش ، نیروگاه های آبی - حرارتی نیز که از این رسته مستثنا نیستند در این مورد همیشه پیشتاز بوده اند . نیاز بنیادی در برنامه ریزی سیستم های هیدروترمال تعیین مقدار بهینه تولید نیروگاه های آبی و حرارتی در افق برنامه ریزی در گستره یک روزه تا چندروزه با رعایت کردن قیود نیروگاه های آبی و حرارتی می باشد . برنامه ریزی روزانه تولید نیروگاه های هیدروترمال (DHGS) یک مسئله بهینه سازی پیچیده غیرخطی ، نان کانوکس ، ناهموار با فضای پاسخ گسسته است . برای حل این مسئله یک پیرایش سازوار پذیر از الگوریتم پرندگان دراین مقاله ارائه شده است . در این مقاله رفتار یادگیری به دو دسته (خوب و نه خوب) تقسیم بندی می شود . قسمت نه خوب بر خلاف دیگر روش های اخیر پویایی جستجو را در سرتاسر فضای جستجو نگه می دارد . همچنین دگرگونی پاسخ ها باعث افزایش کارایی جستجوی ذرات می شود و محدود کردن سرعت از حرکت تند ذرات در فضای جستجو جلوگیری کرده و باعث افزایش رفتار همگرایی ذرات می شود . این تکنیک استفاده شده ، برای رسیدگی به مسئله برنامه ریزی هیدروترمال کوتاه مدت و به دست آوردن بار مقرون به صرفه در موقعی که به صورت رضایت بخش محدودیت های هیدرولیکی و حرارتی را به منظو کاهش هزینه سیستم در نظر می گیرد.

هیدروترمال ، APSO، برنامه ریزی کوتاه مدت ، ماتریس B تلفات