A hybrid multi-agent based particle swarm optimization algorithm for economic power dispatch

ABSTRACT

This paper presents a new multi-agent based hybrid particle swarm optimization technique (HMAPSO) applied to the economic power dispatch. The earlier PSO suffers from tuning of variables, randomness and  uniqueness of solution. The algorithm integrates the deterministic search, the Multi-agent system (MAS), the particle swarm optimization (PSO) algorithm and the bee decision-making process. Thus making use of  deterministic search, multi-agent and bee PSO, the HMAPSO realizes the purpose of optimization. The  economic power dispatch problem is a non-linear constrained optimization problem. Classical optimization techniques like direct search and gradient methods fails to give the global optimum solution. Other  Evolutionary algorithms provide only a good enough solution. To show the capability, the proposed  algorithm is applied to two cases 13 and 40 generators, respectively. The results show that this algorithm is more accurate and robust in finding the global optimum than its counterparts.

INTRODUCTION

Economic power dispatch (EPD) is the scheduling of the committed generating unit outputs so as to meet the load demand at minimum operating costs while satisfying all units and system equality and inequality constraints. The main aim in the economic dispatch problem is to minimize the total cost of generating real power (production cost) at various stations while satisfying the loads and the losses in the transmission links . EPD is thus one of the most important problems to be solved in the operation of power system. Since  modern unit’s input–output characteristics are highly non-linear due to valve-point loading, multiple-fuel  effects and other constraints, a continuous search for better solver is going on. A lot of classical methods have been developed and are being used for optimization problem. Golden section search, Fibonacci search, Newton’s method and Secant method are some one dimension search method. Gradient methods, Newton’s method, conjugate direction method and neural networks are commonly used for unconstrained  optimization.

چکیده

این مقاله یک روش جدید بهینه سازی ذرات ترکیبی مبتنی بر چند عامل (HMAPSO) برای اعمال نیروی اقتصادی ارائه می دهد. PSO قبل از تنظیم متغیرها، تصادفی بودن و منحصر به فرد راه حل رنج می برد. این الگوریتم جستجوی قطعی، سیستم چند عامل (MAS)، الگوریتم بهینه سازی ذرات (PSO) و فرآیند تصمیم گیری زنبور را ادغام می کند. بنابراین، با استفاده از جستجوی قطعی، چند عامل و زنبور عسل PSO، HMAPSO اهداف بهینه سازی را درک می کند. مشکل اعزام نیروی اقتصادی یک مشکل بهینه سازی محدودیت غیر خطی است. تکنیک های بهینه سازی کلاسیک مانند جستجو مستقیم و روش های شیب ناکافی برای بهینه سازی مطلوب راه حل جهانی است. دیگر الگوریتمهای تکاملی فقط یک راه حل مناسب را ارائه می دهند. برای نشان دادن توانایی، الگوریتم پیشنهاد شده به ترتیب به دو مورد 13 و 40 ژنراتور اعمال می شود. نتایج نشان می دهد که این الگوریتم در جستجوی مطلوب جهانی نسبت به همتایانش دقیق تر و قوی تر است.

مقدمه

اعزام نیروی اقتصادی (EPD) برنامه ریزی خروجی های واحد تولیدی متعهد است تا تقاضای بار را در حداقل هزینه های عملیاتی رفع کند و در عین حال رفع تمام واحدها و محدودیت های سیستم و برابری نابرابری. هدف اصلی در مسئله اعزام اقتصادی، به حداقل رساندن هزینه کل تولید انرژی واقعی (هزینه تولید) در ایستگاه های مختلف در حالی که رضایت بار و زیان در لینک های انتقال است. بنابراین EPD یکی از مهمترین مسائلی است که در بهره برداری از سیستم قدرت حل می شود. از آنجایی که ویژگی های ورودی / خروجی واحد مدرن به دلیل بارگذاری دریچه نقطه، اثرات چندگانه سوخت و سایر محدودیت ها بسیار غیر خطی است، جستجو مستمر برای حل کننده بهتر ادامه دارد. بسیاری از روش های کلاسیک توسعه یافته اند و برای بهینه سازی مشکل استفاده می شوند. جستجوی بخش طلایی، جستجو فیبوناچیچ، روش نیوتن و روش Secant، یک روش جستجوی یک بعدی هستند. روشهای گرادیانتی، روش نیوتن، روش جهت گیری متناوب و شبکههای عصبی معمولا برای بهینه سازی بدون محدودیت استفاده میشوند.

Year: 2011

Publisher : ELSEVIER

By :  Rajesh Kumar , Devendra Sharma, Abhinav Sadu

File Information: English Language/ 9 Page / size: 562 KB

Download

سال : 1390

ناشر : ELSEVIER

کاری از : راجش کوما، دواندرا شارما، ابینعا سدو

اطلاعات فایل : زبان انگلیسی / 9صفحه / حجم : KB 562

لینک دانلود