基于软计算技术经济负载使用Biogeography-Based优化调度算法

Narottam达特阿帕德海耶¹Rameshwar辛格²

打开学生,电气工程系,NITM工程学院,瓜廖尔、中央邦、印度
Asst.教授,电气工程系,NITM工程学院,瓜廖尔、中央邦、印度

文摘

本文提出一种biogeography-based优化(偏硼酸钡)算法来解决凸和凸负荷经济调度(古人)电厂的问题。缺乏探索的能力biogeographybased优化(偏硼酸钡)导致收敛速度慢。提出的方法可以照顾经济调度问题涉及输电损耗等约束,阀加载点,多种燃料选项和禁止操作区。生物地理学是研究生物有机体的地理分布。数学方程控制生物的分布在1960年代首次发现和发展。工程师的思维模式是我们可以从大自然中学习。这促使应用生物地理学优化问题;偏硼酸钡基于两步突变和迁移。这项工作的目的是找出应用软计算技术的优势,特别是偏硼酸钡经济负荷调度问题。

关键字

Biogeography-Based优化(偏硼酸钡)、经济负荷调度(古人)随机性效应,PSO . .

我的介绍。

达到最低生产成本所带来的好处,更好的操作条件和最大的可靠性是电力系统的基本对象。经济负荷在线机组配置的过程,其中应分配机组之间的负载,以这样一种方式以减少机组的总运营成本,满足等式和不等式约束系统。由于负荷需求波动不断因此很难满足要求最低成本[1]。燃料成本曲线的特点是由于存在非线性等式和不等式约束,各种负荷经济调度(古人)寻求¢一个bestA¢一代安排发电厂供应所需的需求+传输损失最低生产成本。各种在古人已经开展调查,直到目前为止,为更好的解决方案会导致显著的经济效益。以前许多衍生方法包括拉格朗日乘数方法已经应用于解决高龄问题[2]。在过去的几十年里,作为一个替代传统的数学方法,许多突出的方法已经开发了古人进化编程[3]等问题,粒子群优化[4],[5]遗传算法,禁忌搜索算法和改进的[6]。最近一个新的基于人口的进化算法已发明的西蒙,基于生物地理学。这比其他进化算法具有更好的性能因此可以运用在电力系统优化问题。生物地理学是地球上物种分布的自然方式。 In BBO algorithm, a good solution for a problem considered as a habitat with high HSI and a poor solution considered as a habitat with low HSI. A good solution tends resist to any changes but a poor solution has a tendency to copy good properties from a good solution. Good properties remain in the high HSI habitat and at the same time appear in low HSI habitats as a new feature. This accepting of good features from good solutions may help the low HSI habitats to be a high HSI habitat. The BBO algorithm has some advantages in comparison to other algorithms. In BBO and PSO each solution stay survive to the end of optimization procedure but in most of evolutionary based algorithms, solutions die at the end of each generation. In some of evolutionary due to crossover step, good solutions lose their efficiency but in BBO do not have crossover step [7].In this paper a newly developed Biogeography based optimization (BBO) algorithm has been applied to the ELD problems. The BBO algorithm was developed by D. Simon in the year 2008 from the theory of Biogeography as its base [8].To show the effectiveness of the BBO, the BBO algorithm has been applied to without Valve-Point Effects and with Valve-Point Effects and comprising of three generating units .The results of BBO are compared with the PSO and its variants method and it has been found that the BBO algorithm shows superior performance.

二世。经济负荷调度(古人)

一个高龄问题的目标是找到最优的组合力量代最小化发电总成本而等式和不等式约束满足[9]。任何单位的燃料成本曲线段假定为近似的有功功率的二次函数发生器的输出。对于一个给定的电力系统网络,这个问题可以被描述为优化(最小化)的燃料总成本(1)下定义的一组操作限制。

答:高龄问题没有随机性的影响

英国《金融时报》在哪里总燃料的发电成本系统(美元/小时),人工智能,bi,和ci的成本系数我th发生器,π是生成的权力我单位和n是发电机的数量。

古人的目标是最小化总成本的一代。功率平衡约束的发电总成本最小化受到以下限制功率平衡约束

Bij输电损耗系数。

b .高龄问题考虑随机性的影响

多气门的机组汽轮机表现出更大的燃料成本的变化函数[15]。多阀的阀门开度过程蒸汽涡轮机产生ripple-like影响热效率曲线的发电机。这些一个¢随机性影响是图1中所示。这种效应的意义是,大的蒸汽动力装置的实际成本曲线函数不是连续的,而是更重要的是它是非线性的。

随机性效应的考虑高龄问题叠加修正正弦信号组件的基本二次fuelcost特点如下:

三世。概述BIOGEOGRAPHY-BASED优化算法(偏硼酸钡)技术

Biogeography-based优化算法[12]已由生物地理学的理论作为基础。生物地理学是研究生物有机体的地理分布。生物地理学的数学模型描述生物有机体或物种,更具体地说,从一个岛屿迁移到另一个新物种是如何产生,以及如何这些物种灭绝。一个岛屿可以被定义为任何地理上孤立于其他栖息地的栖息地。偏硼酸钡的概念是基于迁移和变异操作。迁移的概念和数学公式和变异操作介绍如下:

答:迁移

在偏硼酸钡,迁移操作的过程是指物种的进入或离开到或从一个岛。基于PSO和其他人口搜索技术,偏硼酸钡还使用人口的候选解决方案优化的目的。表示每个候选人的解决方案是一个向量的实数。这里每个实数的人口被认为是一个适宜性指数变量(SIV)。在教育问题,这些结构性投资工具类似于发电机的输出功率。结构性投资工具在一个数组用于计算的栖息地适宜性指数(HSI)栖息地。恒生指数是类似于目标函数中使用其他技术。在教育问题,恒生指数类似于一台发电机的发电成本。解决方案与高硅铸铁是一种优秀的解决方案,而较低的解决方案HSI表示一个劣质的解决方案。物种进入一个栖息地的过程被称为移民而留下一个栖息地的过程被称为移民。 The immigration rate, λ and the emigration rate, μ of each habitat is used to probabilistically share information with other habitats/solutions. Each solution is modified according to probability Ã¯Â¿Â½Ã¯Â¿Â½Ã¯Â¿Â½Ã¯Â¿Â½Ã¯Â¿Â½Ã¯Â¿Â½Ã¯Â¿Â½Ã¯Â¿Â½Ã¯Â¿Â½Ã¯Â¿Â½Ã¯Â¿Â½Ã¯Â¿Â½Ã¯Â¿Â½Ã¯Â¿Â½, known as the habitat modification probability, based on other solutions. If a particular habitat is selected for modification, then its λ is used to probabilistically decide whether or not to modify each SIV of that habitat. If a particular SIV in a given habitat is selected for modification, then μ of other habitats are used to probabilistically decide which of the habitats should migrate a randomly selected SIV from those habitats to that particular habitat. Unlike other AI techniques where the recombination process is used to generate a completely new solution, the migration operation in BBO is used to bring changes within an existing solution. In order to prevent the best solutions from being changed by the migration process, few elite solutions are kept the same in the consequent iterations. Immigration and emigration rate for habitat containing Ã¯Â¿Â½Ã¯Â¿Â½ species is given as

I, E:最大的移民和移民率分别

N:最大数量的物种栖息地可以包含

b .突变

如果一些灾难性的事件发生,恒生指数的栖息地可以大幅改变导致物种数量不同于其均衡值。在偏硼酸钡这个过程建模为猴免疫缺陷病毒突变和变异率的栖息地可以使用品种数概率计算下面突然气候变化的栖息地或其他事件将导致的突然改变HSI的栖息地。在偏硼酸钡算法,这种情况可以模型的形式突然改变SIV的价值。任何生物的概率可以由以下公式计算。

每个成员的栖息地有自己的概率。如果这个概率太低,那么这个解决方案具有较高的突变的机会。以同样的方式,如果一个解决方案的概率是高,解决方案有一个小机会变异。因此,解决方案和高硅铸铁和低溪有一个机会去发展一个更好的SIV在下一次迭代。与高硅铸铁和低HSI解决方案不同,媒介HSI解决方案更有机会发展突变过程后更好的解决方案。

在下列方程可以计算突变率的每个解决方案。

在那里,

m:确切年代物种栖息地的突变率

¯害怕一个½¯害怕一个½maxA¢¡:最大的一个¯害怕害怕一个½¯½s值

这种突变是倾向于增加多样性之间的解决方案。在这个阶段,也有一种精英主义,以防止答案恶化后突变过程。在这种情况下,如果选择猴免疫缺陷病毒变异操作,一个授权的随机数被替换。

c .生物地理学基础经济负载调度算法

一种新方法来实现偏硼酸钡算法将为解决高龄问题被描述。特别是,建议将如何处理等式和不等式约束的古人的问题当修改每个单独的搜索点偏硼酸钡算法。偏硼酸钡算法的过程可以解释如下[8]- [11]。

偏硼酸钡的步骤1:初始化参数:选择发电机的数量即结构性投资工具的数量,数量的栖息地如人口规模、电力需求,损失系数,栖息地修改概率¯害怕一个½¯害怕一个½¯害怕一个½¯害怕一个½¯害怕一个½¯害怕一个½¯害怕一个½¯害怕一个½¯害怕一个½¯害怕一个½¯害怕一个½¯害怕一个½¯害怕害怕一个½¯½= 1,变异概率= 0.1,最大突变率¯害怕一个一个½¯害怕一个½¯害怕一个½¯害怕一个½¯害怕一个½¯害怕一个½¯害怕害怕一个½¯½,最大移民率= 1,最大移民率E = 1,为数值积分步长dt = 1,精英主义参数= 2。

结构性投资工具的步骤2:初始化:每个栖息地的SIV初始化随机同时满足(3)的约束。每个栖息地代表一个潜在的解决特定的问题。

步骤3:计算上学:恒生指数对于每个栖息地计算给定的移民和移民率。恒生指数代表了发电机的燃料成本。

第四步:识别精英栖息地:根据恒生指数的值,精英栖息地识别即这些栖息地的燃料成本最低,被选中。

第五步:执行移植操作:每个非精英的栖息地,执行迁移操作。恒生指数为每个栖息地是重新计算。siv获得迁移后必须满足(3)的约束。

第六步:执行变异操作:每个栖息地物种数量概率更新使用(7)。变异操作进行的非精英的栖息地。恒生指数的值重新计算每个新的栖息地。

第七步:停止准则:去为下一个迭代步骤3。如果达到预定义的迭代次数,停止这一进程。

IV.RESULTS和分析

偏硼酸钡算法的适用性和有效性的实际应用已经在不同的测试用例进行测试。所有的程序都是使用MATLAB 7.01开发和系统配置与3.2 GHz奔腾IV处理器速度和1 GB RAM

情况下,人口规模效应在3-Generating单位加载阀点效应

的成本系数和其他数据表中列出的三个机组系统是A1在附录部分负载需求850兆瓦。他们最好的结果如表2所示,至少,意思是,最大,和标准偏差的人口从100次试验继续改善和增加人口。它可以观察到,人口规模= 10,20,30 - 40是显示在图2中,图3,图4和图5为最佳参数对于这种情况在100次试验之后,这是全球最小值非常接近。

案例B的人口规模效应3-Generating单位没有加载阀点效应

的成本系数和其他数据表中列出的三个机组系统B1在附录部分。偏硼酸钡实现非常有效的结果。参数调优是为了找到最优值的核磁共振05和人口10,20、30、40、50大小的实际使用偏硼酸钡高龄问题。从表3可以观察到。Fig7展示图6日,图8,VPL 3-generating单元的收敛特性。

案例- c 3单元系统的比较结果

偏硼酸钡实现非常有效的结果。参数调优是为了找到最优值0.5核磁共振和人口规模50 100试验&没有加载阀点效应实际高龄问题,结果从提出偏硼酸钡算法和PSO相比,复形,WIPSO和MRPSO[1],与加载阀点效应。比较所有进化方法的最佳结果表4和表5所示。和图10和图11,提出偏硼酸钡算法提供了更好的结果比其他进化技术报告。

四。结论

摘要biogeography-based优化(偏硼酸钡)算法被应用到经济调度问题(古人)问题;在电力系统经济负荷调度是一项具有挑战性的任务。古人模型特征应该非线性由于加载阀点效应的存在和存在各种限制,该算法的性能比较与PSO算法采用不同的病例3单位系统。biogeographybased优化(偏硼酸钡)算法能够找到优质的解决方案具有更好的收敛特性和计算效率。很明显的由不同的试验结果,提出偏硼酸钡的方法具有良好的收敛性,可以避免过早收敛的缺点其他优化技术来获得更好的质量解决方案,所以软计算技术实现最优的偏硼酸钡使用随机运营商因此在每一个新鲜的试验结果,这些方法收敛于不同的解决方案在全球最佳解决方案。

引用

约根德拉Kumar2, Nagendra Singh1¢限制经济负载调度使用进化TechniqueA¢A亚洲技术与管理杂志》上的研究(ISSN: 2249 -0892)卷。03 -问题:02(7月- 2013年12月)。
Aniruddha Bhattacharya会员,IEEE和Pranab Kumar将一个¢Biogeography-Based为不同的经济负荷优化调度ProblemsA¢,IEEE电力系统,25卷,2号,2010年5月。
n . Sinha r . Chakrabarti和p . k .将挑战。进化编程技术经济负荷调度,IEEE反式。进化计算,2003年,7 (1):83 - 94。
j·b·公园,j . r . k . s . Lee Shin和李刘贤美。一个粒子群优化经济调度模型的成本函数,IEEE反式。电力系统,2005,20 (1):34-42。
c . l .蒋介石。改进的遗传算法对电力经济调度的单位与随机性效应和多种燃料,IEEE反式。电力系统,2005,20 (4):1690 - 1699。
w·m·林f·s . Cheng和m t -蔡。一种改进的禁忌搜索经济调度与多个极小值,IEEE反式。电力系统,2002,17 (1):108 - 112。
阿里Nazari1阿明Hadidi2 *,一个¢生物地理学优化算法为基础的经济负荷调度的权力SystemA¢美国杂志的高级科研Ali Nazari和阿明Hadidi问题。3,1卷,第105 - 99页,2012年。
Bhuvnesh Khokhar, k·辛格Parmar SurenderDahiya,一个¢申请Biogeography-based优化经济调度ProblemsA¢,国际期刊《计算机应用(0975 - 888),体积47 - 13号,2012年6月。
Hardiansyah,¢改性粒子群优化技术的经济负荷调度与随机性EffectA¢,I.J.智能系统和应用程序,2013年,07年,32-41 2013年6月在网上发表mec DOI: 10.5815 / ijisa.2013.07.05。
哈迪萨达特,电力系统分析,塔塔·麦克洛希尔,”经济调度忽略损失,包括发电机限制,pg.没有。277年,国际版,1999年版。
Jyoti Jain1, Rameshwar Singh2,一个¢Biogeography-Based负载调度优化算法的电力SystemA¢,国际期刊的新兴技术和先进的工程网站:www.ijetae.com (ISSN 2250 - 2459、ISO 9001:2008认证日报》卷三,问题7,2013年7月)
SurenderDahiya Bhuvnesh Khokhar, k·p·辛格改,一个¢申请Biogeography-based优化经济调度ProblemsA¢,国际期刊《计算机应用(0975 - 888)体积47 - 13号,2012年6月。