مساله در مدار قرارگرفتن نیروگاه ها یک وظیفه مهم بهینه سازی است که در برنامه ریزی و بهره برداری سیستم قدرت میتواند بصورت ریاضی به عنوان یک مساله مینیمم سازی برای زمانیکه روش حل دقیقی وجود ندارد، فرموله شود. حل مساله در مدار قرار گرفتن نیروگاه ها فقط با شمارش کامل حاصل می شود که در سیستم های قدرت واقعی به یک توقف برای زمان محاسبات نیز است.
امروزه به دلیل افزایش روز افزون تعداد نیروگاهها و میزان بار مصرفی، مدیریت و برنامهریزی در سیستمهای قدرت و مساله در مدار قرار گرفتن نیروگاهها بیش از پیش مورد توجه است. استفاده از انواع نیروگاههای حرارتی، آبی، بادی و تلمبه ذخیرهای در شبکه باعث پیچیدهتر شدن برنامهریزی در مدار قرارگرفتن نیروگاهها (Unit Commitment) و برنامهریزی اقتصادی آنها (Economic Dispatch) شده است. از سوی دیگر، در مدار قرار گرفتن نیروگاههای بادی ( به دلیل هزینهی جاری کم آنها ) نیز، باعث شده است که مسئلهی امنیت شبکه بیش از پیش مورد تحلیل و بررسی قرار گیرد. .از سوی دیگر مسالهی مهمی که علاوه بر برنامهریزی اقتصادی باید مد نظر قرار گیرد، قابلیت اطمینان سیستم است؛ در مبحث قابلیت اطمینان، مواردی همچون تعیین رزرو و بارهای قطعپذیر و همچنین مدلسازی آنها در تحلیل قابلیت اطمینان سیستم، مطرح هستند و باید طوری تعیین شوند که با رعایت تمامی قیود سیستم، قابلیت اطمینان را به سطح قابل قبولی برای بهرهبردار سیستم فراهم آورند. هدف مسئله در مدار قرار گرفتن نیروگاهها، حداقل کردن هزینه بهره برداري در افق برنامه ریزي است یا مینمیم کردن تابع هزینه است.
در بیشتر سیستم هاي قدرت، بار، توسط سیستم هاي حرارتی تامین می شود. راهکارهاي مختلفی براي پاسخگویی به دیماند توان در ساعات مختلف قابل استفاده است. یک معیار مهم در بهره برداري سیستم قدرت، پاسخگویی به دیماند توان با حداقل هزینه ي سوخت و با استفاده از ترکیبی بهینه از نیروگاههاي مختلف است. یکی از بهترین راههاي مورد استفاده، در مدار قرار گرفتن نیروگاه های حرارتی می باشد. بدین ترتیب، مقصود کلی در مدار قرار گرفتن نیروگاهها مینیمم کردن هزینه ي بهره برداري کل سیستم، با در نظر قرار گرفتن همه قیودي است که سطح مشخصی از امنیت را تامین می کند. روش هاي مختلفی براي حل بهینه ي مسئله ي در مدار قرار گرفتن نیروگاهها بکار گرفته شده اند.
در این مقاله الگوریتم بهینه سازی ابتکاری مبتنی بر بهینه سازی انبوه ذرات یا الگوریتم PSO برای حل مساله در مدار قرار گرفتن واحد ها استفاده می شود. الگوریتم PSO یک الگوریتم جستجوی اجتماعی است که از روی رفتار اجتماعی دستههای پرندگان مدل شده است. در ابتدا این الگوریتم به منظور کشف الگوهای حاکم بر پرواز همزمان پرندگان و تغییر ناگهانی مسیر آنها و تغییر شکل بهینهی دسته به کار گرفته شد . در الگوریتم PSO، ذرات در فضای جستجو جاری میشوند. تغییر مکان ذرات در فضای جستجو تحت تأثیر تجربه و دانش خودشان و همسایگانشان است. بنابراین موقعیت دیگر توده ذرات روی چگونگی جستجوی یک ذره اثر میگذارد . نتیجهی مدلسازی این رفتار اجتماعی فرایند جستجویی است که ذرات به سمت نواحی موفق میل میکنند. ذرات از یکدیگر میآموزند و بر مبنای دانش بدست آمده به سمت بهترین همسایگان خود میروند اساس کار الگوریتم PSO بر این اصل استوار است که در هر لحظه هر ذره مکان خود را در فضای جستجو با توجه به بهترین مکانی که تاکنون در آن قرار گرفته است و بهترین مکانی که در کل همسایگیاش وجود دارد، تنظیم میکند.
روش شبیه سازی: کدنویسی در متلب
برای دریافت مقاله روی آن عنوان آن کلیک کنید:
Particle Swarm Optimization for Unit Commitment Problem