پروژه آموزشی شبیه سازی تعهد واحد توسط بهینه سازی کلنی مورچه در حال تکامل ژنتیکی با متلب

 

چکیده مقاله (ترجمه ماشینی)

 

Ant Colony Optimization (ACO) مناسب تر است برای مشکلات بهینه سازی ترکیبی. این مقاله پیشنهاد می کند روش بهینه سازی کلنی مورچه در حال تکامل ژنتیکی (EACO) برای حل مسئله تعهد واحد (UC). EACO برای یافتن مجموعه ای بهینه از الگوریتم ژنتیک (GA) استفاده می کند پارامترهای ACO ، در حالی که ACO مشکل UC را حل می کند. مسئله فرمول بندی حداقل حداقل و محدودیت های زمانی را کاهش دهید ، هزینه راه اندازی را متوقف کنید ، هزینه تعطیلی را بچرخانید ذخیره ، محدودیت نرخ رمپ و محدودیت تولید محدودیت ها. امکان پذیر بودن روش پیشنهادی است برای سیستم های 4 و 10 واحدی نشان داده شده است. نتایج آزمون می باشد تشویق کننده و با آنهایی که دیگران به دست آورده اند مقایسه می شوند مواد و روش ها.   انجام پروژه متلب

از تعهد UNIT (UC) برای برنامه ریزی استفاده می شود واحدهای تولیدی برای به حداقل رساندن هزینه کلی برق تولید در افق زمانی برنامه ریزی شده در حالی که رضایت یک مجموعه ای از محدودیت های سیستم. مشکل UC غیرخطی است ، مشکل بهینه سازی ترکیبی. بهینه جهانی راه حل را می توان با شمارش کامل بدست آورد ، یعنی به دلیل بیش از حد در سیستم های قدرت بزرگ قابل استفاده نیست الزامات زمان محاسباتی [1]. تا به حال ، بسیاری روش هایی برای حل مسئله UC ایجاد شده است مانند روشهای لیست اولویت [21] ، [22] ، برنامه نویسی عدد صحیح [23] ، [24] ، برنامه نویسی پویا (DP) [25] – [27] ، شاخه و روشهای مقید [28] ، برنامه نویسی با عدد صحیح مختلط [29] و آرامش لاگرانژی (LR) [5] ، [6] ، [30]. میان اینها روش ها ، روش لیست اولویت تکنیک ساده و سریع است برای حل مسئله UC اما کیفیت راه حل پایین است. روش برنامه نویسی پویا ، که بر اساس است روش لیست اولویت ، انعطاف پذیر است و توانایی حفظ آن را دارد امکان سنجی راه حل. اما ، این روش دارای ابعاد بعدی است مشکل با یک سیستم قدرت بزرگ زیرا اندازه مشکل است با تعداد واحدهای تولیدی به سرعت افزایش می یابد متعهد ، که منجر به زمان حل غیر قابل قبول می شود. نقص شاخه و مقید نمایی است رشد در زمان اجرا با اندازه مشکل UC. روشهای عدد صحیح و صحیح مختلط خطی را اتخاذ می کنند روش برنامه نویسی برای حل و بررسی یک عدد صحیح راه حل.

 

 

پروژه شبیه سازی تعهد واحد توسط بهینه سازی کلنی مورچه در حال تکامل ژنتیکی با متلب توسط کارشناسان گروه ۱.۲.۳ پروژه پیاده سازی گردیده .