توضیحات
پروژه بهینه سازی الگوریتم ژنتیک برپایه مدلسازی و طراحی سیستم انرژی تجدیدپذیر ترکیبی با متلب :
مقدمه:
در ابتدا توضیحاتی کلی در خصوص کاری که در مقاله توسط نویسندگان آن صورت گرفته ارائه می گردد سپس مراحل انجام شبیه سازی و جزییات آن بیان می شود. با بررسی های بعمل آمده و با نظری به مراجع مورد استفاده مقاله ارسالی این نکته دریافت می شود که نویسندگان این مقاله در دو مقاله قبلی به بهینهسازی تعدادی از پارامترهای مربوط به نیروگاه خورشیدی پرداخته بودند. این دو مقاله در پیوست ایمیل ارسالی با نامگذاری 1 و 2 ارسال شده اند. در مقاله 1 بهینه سازی پارامترهای جدول 5 مقاله اصلی صورت گرفته است و در مقاله 2 بهینه سازی پارامترهای زاویه شیب (tilt angle) و زاویه سمت سطح (surface azimuth angle) با استفاده از الگوریتم ژنتیک صورت گرفته که در جدول 6 به این پارامترها اشاره شده است. نویسندگان این مقاله ها بعد از ارائه مقاله 1 و 2 در مجله متبر Elsevier اقدام به توسعه کار خود می نمایند. بدین ترتیب که کارهای انجام شده در مقاله 1 و 2 را با کاری جدید تحت عنوان بهینه سازی اندازه سیستم هیبرید ترکیب و بعنوان نرم افزاری تجاری ارائه می دهند. در قسمتهایی از مقاله ویژگیها و نکات برجسته این نرم افزار با نرم افزارهای رایج بازار بیان شده است.
این پیشینه بیان شد تا اشاره ای به پیشینه کار این مقاله و گستردگی آن اشاره شود. در ادامه مراحل انجام شبیه سازی و جزییات آن بیان می شود.
جزییات شبیه سازی
فایل با نام H_GA4.m حاوی کد نویسی متلب مقاله می باشد. در ابتدای این فایل پارامترهای ورودی و معین مقاله تعریف می گردد. که این تعاریف تا خط 142 برنامه ادامه دارد. سپس جمعیت اولیه الگوریتم ژنتیک بصورت تصادفی تولید می شود. از خط 186 تا 192 مشخصات بار شبکه بر حسب اطلاعات متن مقاله و شکل 3 مقاله مشخص شده است.
از خط 194 برنامه حلقه الگوریتم ژنتیک شروع می شود. تا خط 242 برای کلیه کروموزوم ها تابع هدف که بصورت تقسیم هزینه کل سالیانه بر بار کل سالیانه است محاسبه می گردد. این نکته لازم به ذکر است که در تابع هدف هزینه های ارائه شده در مقاله در نظر گرفته شده و همچنین این مسئله که بار شبکه توسط نیروگاه خورشیدی و باتریها تامین می گردد و در صورت نیاز از توربین گازی استفاده می شود لحاظ شده است. بدین صورت همانطور که در مقاله اشاره شده توربین گازی بعنوان منبع پشتیبان مورد استفاده قرار می گیرد.
در ادامه عملگرهای انتخاب، تقاطع و جهش بر کروموزوم ها اعمال می گردد و این مراحل تا رسیدن به پاسخ نهایی ادامه می یابد.
تشریح نتایج حاصل از اجرای شبیه سازی:
با اجرای برنامه نموداری ترسیم می گردد. این نمودار مربوط به روند همگرایی الگوریتم ژنتیک می باشد و بهترین مقادیر تابع هدف را در هر تکرار الگوریتم نشان میدهد.
در پنجره command window هم دو مقدار نمایش داده می شود. مقدار best func مربوط به بهترین مقدار تابع هدف می باشد. و مقدار best chro که بصورت یک ماتریس می باشد بترتیب مقادیر نوع pv، نوع باتری، نوع میکرو توربین، نوع نصب pv، تعداد pv، تعداد باتری و تعداد میکرو توربین است.
توضیح کد برنامه
clc
دستور پاک کردن محتویات صفحه نمایش
clear
دستور پاک کردن workspace و همه متغیرهایی که از قبل توسط برنامه هایی دیگر که در متلب اجرا شده اند تعریف شده است.
%PV model parameters
pv_p=[1.175 1.014 1.08 1.037
0.228 0.715 0.371 0.338
921.9 987.6 972.6 935.9
0.18 0.25 0.19 0.19];
پارامترهای مدل PV مطابق با مقاله برای انواع PV که در جدول 5 مقاله آمده است. مقادیر بهینه این پارامترها با استفاده از الگوریتم ژنتیک در کارهای دیگر محاسبه شده است.
%Specifications of the two microturbine types used in the analysis.
mt=[30 65
2970 2490
0.02 0.0175];
مشخصات دو نوع میکروتوربین که مورد بررسی قرار گرفته اند. در این ماتریس ردیف اول توان ظرفیت نامی میکروتوربیها، ردیف دوم هزینه خرید آنها و ردیف سوم هزینه نگهداری آنهاست. این مقادیر در جدول 3 مقاله آمده است…
نکات قابل ذکر:
- بهینه سازی الگوریتم ژنتیک برپایه مدلسازی و طراحی سیستم انرژی تجدیدپذیر ترکیبی با متلب توسط کارشناسان گروه ۱.۲.۳ پروژه پیاده سازی گردیده و به تعداد محدودی قابل فروش می باشد.
- فایل های پروژه به صورت کامل به همراه گزارش و توضیح کد پس از خرید فایل بلافاصله در اختیار شما قرار خواهد گرفت.
- پروژه فوق بطور کامل در نرم افزار متلب شبیه سازی شده است.
با توجه به این مسئله که اطلاعات مورد نیاز برای انجام شبیه سازی در مقاله بطور کامل موجود نبوده و از طرفی نکات مبهمی در مقاله موجود می باشد، نتایج شبیه سازی دقیقا منطبق با نتایج مقاله نیست. - با این حال همه مراحل شبیه سازی منطبق با مقاله انجام پذیرفته و قابل ارائه می باشد.
سپیده –
ممنون از شما