non-dominated sorting genetic algorithm
در نشریات گروه برق-
با توسعه واحدهای تولیدپراکنده، استفاده از ریزشبکه های هیبرید درکنار سیستم های ذخیره سازی انرژی، آینده صنعت برق را دچار دگرگونی کرده است. ریزشبکه ها درکنار مزایای متعددی که به همراه دارند، در صورت عدم برنامه ریزی صحیح می توانند شاخص های امنیت، قابلیت اطمینان، پایداری و سایر شاخص های شبکه را تضعیف کنند. در این مقاله به منظور برنامه ریزی بهینه تولید واحدهای تولید پراکنده و برنامه ریزی شارژ و دشارژ سیستم ذخیره ساز از نوع باتری در یک ریزشبکه هیبرید، یک شاخص جذابیت جدید تعریف شده است. همچنین میزان انتشار گازهای آلاینده واحدهای تولیدی به عنوان شاخص دوم در نظر گرفته شده و در کنار شاخص پیشنهادی، یک مسیله بهینه سازی دو هدفه را تشکیل می دهد. برای حل این مسیله بهینه سازی که از نوع غیرخطی و غیرمحدب است، الگوریتم بهینه سازی ژنتیک رتبه بندی غیرغالب نوع 2 (NSGA-II) مورداستفاده قرارگرفته است. قابلیت این الگوریتم در گریز از تله پاسخ های محلی و سرعت همگرایی بالا دلیل استفاده از آن است. به منظور مقایسه بیشتر، الگوریتم بهینه سازی انبوه ذرات کوانتومی (QPSO) هم که یک روش حل مسایل چند هدفه سنتی است، پیاده سازی شده است. عملکرد هر دو الگوریتم در حل مسیله بهینه سازی پیشنهادی روی یک ریزشبکه هیبرید استاندارد تست شده است. نتایج حاصل نشان دهنده سرعت همگرایی بالاتر و عملکرد بهتر الگوریتم NSGA-II ازنظر بهینگی پاسخ نهایی است.
کلید واژگان: ریزشبکه هیبرید، برنامه ریزی بهینه تولید، شاخص جذابیت، الگوریتم ژنتیک رتبه بندی غیرغالب نوع 2، الگوریتم بهینه سازی انبوه ذرات کوانتومیJournal of New Achievements in Electrical, Computer and Technology, Volume:2 Issue: 2, 2022, PP 63 -81By developing the distributed generation units, the hybrid micro-grids usage besides the energy storage systems has changed the future of the electricity industry. In addition to the many benefits of the micro-grids, they can undermine security, reliability, stability, and other network indices if not properly scheduled. In this paper, a new attractiveness index is defined in order to optimal schedule the DGs generation and charging/discharging of the energy storage system (ESS) in a hybrid micro-grid. Also, the pollutant emission of the units is considered as the second objective along with the proposed attractiveness index, which constitutes a two-objective optimization problem. To solve this nonlinear and non-convex optimization problem, the Non-Dominated Sorting Genetic Algorithm (NSGA-II) has been used. The main advantages of this algorithm are the ability to escape the local optimal traps and fast convergence. For further comparison, the Quantum Particle Swarm Optimization (QPSO) algorithm has been implemented. The performance of both algorithms in solving the proposed optimization problem is evaluated on a standard hybrid micro-grid. The results show faster convergence and better performance of the NSGA-II algorithm in terms of the final optimization solution.
Keywords: Hybrid micro-grid, Optimal production scheduling, Attractiveness index, Non-Dominated Sorting Genetic Algorithm, Quantum Particle Swarm Optimization -
در حال حاضر نیروگاه های برق تجدید پذیر مبتنی بر مزارع فتوولتاییک به عنوان منابع اساسی تولید انرژی بسیار مورد توجه بوده که سرعت زیادی در حال رشد می باشند. با این وجود، تغییرات شرایط آب و هوایی یکی از مسایل پیش روی این سیستم تبدیل انرژی می باشد جهت ارایه توان مورد نیاز به مصرف کننده می باشد. یک کنترل کننده کارآمد می تواند پشتیبانی مطلوبی از سیستم فتوولتاییک و بهبود عملکرد دینامیکی ریزشبکه جزیره ای مبتنی بر سیستم فتولتاییک داشته باشد. در این مقاله یک روش اغتشاش و مشاهده اصلاحی مبتنی بر کنترل فازی بهینه برای تامین انرژی مورد نیاز میکرو شبکه اریه می شود. در این راستا، تغییرات جزیی در ثابت تناسبی و انتگرالگیر در هنگام تغییرات آب و هوایی جهت اطمینان از همگرایی در نقطه مطلوب محاسبه می شود جهت یافتن پارامترهای مطلوب توابع عضویت سیستم فازی از الگوریتم ژنتیک مرتب سازی نامغلوب استفاده می شود. سپس، سیگنال بهینه چرخه کار به کانورتر بوست تزریق می شود. برای ارزیابی و به اثبات رساندن کارایی کنترل کننده پیشنهادی، مقایسه ای نیز با استراتژی مشاهده و اغتشاش مرسوم انجام می شود. همچنین، وضعیت های تابشی متفاوت برای سیستم فتوولتاییک تحت مطالعه درنظر گرفته می شود. مدلسازی سیستم فتوولتاییک و سیستم کنترل پیشنهادی توسط نرم افزار MATLAB/Simulink صورت گرفته است. در پایان، نتایج شبیه سازی نشان داد که سرعت و دقت ردیابی نقطه حداکثر توان توسط سیستم کنترل پیشنهادی بهبود چشمگیری داشته است.
کلید واژگان: ردیابی نقطه حدکثر توان، کنترل فازی بهینه، فتوولتائیک، ریزشبکه جزیره ای، الگوریتم ژنتیک مرتب سازی نامغلوبCurrently, renewable power plants based on photovoltaic farms are considered as main sources of energy production which have been rapidly growing. However, changes in weather conditions are one of the issues facing this energy conversion system to provide the required power for the consumer. An efficient controller can appropriately control and improve the dynamic performance of the island microgrid based on the photovoltaic system. In this paper, a perturbation and observation method based on optimal fuzzy control is proposed to provide the required energy for the microgrid. In this regard, partial changes in the proportional and integral constants during the climate changes are calculated to ensure the convergence at the desired point. In order to find the desired parameters of the fuzzy system membership functions, a non-dominated sorting genetic algorithm is used. Then, the optimal duty cycle signal is injected into the boost converter. To verify and validate the performance of the proposed controller, a comparison is also made with the conventional observation and perturbation strategy. Also, different radiation conditions are considered for the under study photovoltaic system. Modeling of photovoltaic system and proposed control system has been performed by MATLAB / Simulink software. Finally, the simulation results show that the speed and accuracy of the maximum power point tracking by the proposed control system has been significantly improved.
Keywords: maximum power point tracking, optimal fuzzy control, photovoltaic system, island microgrid, non-dominated sorting genetic algorithm -
در سال های اخیر، افزایش انگیزه های اقدامات خرابکارانه علیه سیستم های قدرت از یک سو و محدودیت تخصیص منابع مالی در حفاظت از این زیرساخت ها از سوی دیگر، لزوم برنامه ریزی بهینه این منابع را بیش ازپیش مورد توجه قرار داده است؛ تا درصورت رخداد حوادث احتمالی آینده، صدمات وارده و متعاقبا میزان خاموشی های مشترکین حداقل گردد. طراحان اقدامات خرابکارانه اغلب به عنوان بازیگرانی کاملا باهوش و استراتژیک، آن دسته از وقایع را مورد هدف قرار می دهند که به دلیل احتمال وقوع بسیار کم در روند طراحی حفاظت سیستم مدنظر قرار نمی گیرند تا بدین وسیله حداکثر خسارت ممکن را به سیستم وارد آورند. در این پژوهش یک طرح جدید مبتنی بر تیوری بازی به صورت یک رقابت حذفی با حاصل صفر به منظور هدفمندسازی تخصیص منابع مالی به خدمت گرفته می شود. در این مقاله، دو الگوریتم تخصیص بودجه در مقابل تهدیدات عمدی نسبت به خطوط و پست های انتقال پیشنهاد شده است. در الگوریتم اول، تخصیص میزان ثابتی بودجه سالیانه به خطوط و پست های انتقال به منظور دست یابی به بهترین شرایط قابلیت اطمینان سیستم فرمول بندی می شود؛ درحالی که به کمک الگوریتم دوم بودجه لازم و نحوه تخصیص آن برای دستیابی به سطح ازپیش تعیین شده ای از خاموشی مشترکین در مقابل استراتژی نامشخص افراد خرابکار محاسبه می شود. مدل پیشنهادی در محیط نرم افزارهای MATLAB (اجرای الگوریتم های بهینه سازی تک هدفه پرنده فاخته و چندهدفه ژنتیک با مرتب سازی نامغلوب) و GAMS (محاسبه شاخص قابلیت اطمینان سیستم پس از عملکرد توسط مدل پخش بار بهینه) حل شده است و استراتژی بهینه بازی محافظان، در راستای تحقق بهترین وضعیت قابلیت اطمینان سیستم به دست آمده است. نتایج کارایی تکنیک پیشنهادی را در تخصیص بهینه بودجه محافاظتی و افزایش شاخص امنیت تامین انرژی الکتریکی تایید می کند.
کلید واژگان: تئوری بازی، امنیت انرژی، پخش بار بهینه، الگوریتم پرنده فاخته، الگوریتم ژنتیک نامغلوبJournal of Iranian Association of Electrical and Electronics Engineers, Volume:17 Issue: 2, 2020, PP 175 -187During recent years, increment of incentives for deliberate subversive activities against power systems along with the restrictions on the allocation of financial resources for protection of these infrastructures have absorbed significant attentions of researchers toward the necessity of optimal allocation of these finances; and such the way, to minimize damages and consequently energy not supplied in case of future events. Planners of subversive activities as fully strategic actors target those low probability events which are no considered in protection schemes to maximize quantity of damages to power system. In this study, a new game theory based scheme is proposed in form of a zero sum playoff in order to provide an optimal allocation strategy. In this paper, two budget allocation algorithms have been presented to protect transmission lines and substations against deliberate threats. In the first algorithm, allocation of a certain amount of annual funding to transmission lines and substations is formulated with the aim of attaining the best possible condition of power grid in term of system reliability; while, required budget and procedure of allocation of this budget to targeted system utilities against undefined strategy of malicious individuals are calculated in second algorithm, in order to reach a predefined level of system reliability. Proposed model is implemented employing MATLAB (i.e. to execute single-objective Cuckoo optimization algorithm as well as multi-objective non-dominated sorting genetic algorithm II) and GAMS (i.e. to determine reliability of grid by use of power system load flow) software. Totally, optimized game strategy of protectors to acquire the best condition of system reliability has been obtained. Results validate effectiveness and applicability of proposed method in cases of optimality of allocation technique and subsequently increase of reliability indices.
Keywords: : Game theory, Energy security, Cuckoo optimization algorithm, non-dominated sorting genetic algorithm -
در این پژوهش، یک نیروگاه سیکل ترکیبی با ظرفیت اسمی 500 مگاوات شامل دو واحد گازی و یک واحد بخار مورد توجه بوده که به کمک نرم افزار متلب مدل سازی ترمودینامیکی شده و نتایج حاصل از مدلسازی با اطلاعات طراحی سیستم کنترل شده است. در ادامه، با لحاظ کردن متغیرهای تصمیم گیری، توابع هدف بهینه شده است. در این بهینه سازی چند هدفه که توسط الگوریتم ژنتیک مرتب سازی غیر مغلوب انجام شده است، سه تابع هدف راندمان اگزرژی، انتشار گاز دی اکسیدکربن و هزینه برق تولیدی متشکل از هزینه سوخت تزریق شده به محفظه احتراق، هزینه تخریب اگزرژی، هزینه سرمایه گذاری و هزینه آلایندگی های زیست محیطی بررسی شده است. نتایج نشان می دهد که راندمان نیروگاه سیکل ترکیبی به پارامترهای طراحی از قبیل دمای ورودی به توربین گاز، نسبت تراکم کمپرسور و دمای نقطه پینچ وابسته بوده و هرگونه تغییر در این پارامترها منجر به تغییر قابل ملاحظه در توابع هدف می شود به گونه ای که راندمان این نیروگاه پس از بهینه سازی به مقدار 12/8 درصد افزایش و نرخ حرارت متناظر با آن از مقدار kj/kwh 7233 به مقدار kj/kwh 7023 کاهش خواهد یافت. همچنین تخریب اگزرژی کل سیستم 23/7 درصد کاهش را نشان می دهد.کلید واژگان: الگوریتم ژنتیک مرتب سازی نامغلوب، اثرات زیست محیطی، بهینه سازی، تخریب اگزرژی، راندمان اگزرژی، سیکل ترکیبیIn this study, a combined cycle power plant with a nominal capacity of 500 MW, including two gas units and one steam unit, was considered by the mathematical model of thermodynamic modeling and the results of the modeling were controlled by the design information of the system. Then, the objective functions are optimized by considering the decision variables. In this multi-objective optimization that has been carried out by Non-Dominated Sorting Genetic Algorithm (NSGA-II), three objective functions of exergy efficiency, CO2 emission and produced power costs composing of the cost of injected fuel into combustion chamber ,cost of exergy destruction, investment cost and cost of environmental pollutants have been studied. The results indicate that the efficiency of combined cycle power plant depends on design parameters including gas turbine input temperature, compressor pressure ratio, and pinch point temperature and any change occurring in these parameters may lead to noticeable change in objective functions, so that the efficiency of this power plant is increased after optimization up to 8.12 % and heat rate is correspondingly reduced from 7233 (kJ/kWh) to 7023 (kJ/kWh). Similarly, exergy destruction in total system shows 7.23 reduction.Keywords: Non-dominated Sorting Genetic Algorithm, Environmental Effect, Optimization, Exergy Destruction, Exergy Efficiency, Combined Cycle
-
A real manufacturing system faces lots of real world situations such as stochastic behaviors which lack of this issue is noticeable in previous researches. The aim of this paper is to find the optimum layout and the most appropriate handling transporters for the problem by a novel solving algorithm. The new model contains two objective functions including the material handling costs (MHC) and the complication time of jobs (make span). Real world situations such as stochastic processing times, random breakdowns and cross traffics among transporters are considered in this paper. Several experiment designs have been produced using DOE technique in simulation software and an artificial neural network (ANN) as a meta-model was used to estimate the objective functions in the meta-heuristic algorithms. A hybrid non-dominated sorting genetic algorithm (H-NSGA-II), is applied for optimization task. The proposed methodology is evaluated through a real case study. First, simulation model is validated by comparing with real data set. Then, the prediction performance of ANN is investigated. Finally, the ability of H-NSGA-II, in searching the solution space, is compared to the traditional NSGA-II. The results show that the proposed approach, combing simulation, ANN and H-NSGA-II, provides promising solutionsfor practical applications.Keywords: Facility layout, Artificial neural network, Discrete-event simulation, Non-dominated sorting genetic algorithm
- نتایج بر اساس تاریخ انتشار مرتب شدهاند.
- کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شدهاست. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
- در صورتی که میخواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.