خلیلی, مجید, نیکوکار, جواد. (1403). برنامهریزی توان تولیدی واحدهای حرارتی، بادی، خورشیدی با استفاده از الگوریتم سینوس کسینوس. هنرهای کاربردی, 22(76), 257-271. doi: 10.22075/jme.2023.29942.2408
مجید خلیلی; جواد نیکوکار. "برنامهریزی توان تولیدی واحدهای حرارتی، بادی، خورشیدی با استفاده از الگوریتم سینوس کسینوس". هنرهای کاربردی, 22, 76, 1403, 257-271. doi: 10.22075/jme.2023.29942.2408
خلیلی, مجید, نیکوکار, جواد. (1403). 'برنامهریزی توان تولیدی واحدهای حرارتی، بادی، خورشیدی با استفاده از الگوریتم سینوس کسینوس', هنرهای کاربردی, 22(76), pp. 257-271. doi: 10.22075/jme.2023.29942.2408
خلیلی, مجید, نیکوکار, جواد. برنامهریزی توان تولیدی واحدهای حرارتی، بادی، خورشیدی با استفاده از الگوریتم سینوس کسینوس. هنرهای کاربردی, 1403; 22(76): 257-271. doi: 10.22075/jme.2023.29942.2408
1دانشجوی دکتری، دانشکده فنی مهندسی، دانشگاه آزاد اسلامی واحد ساوه
2استادیار، دانشکده فنی مهندسی، دانشگاه آزاد اسلامی واحد ساوه
تاریخ دریافت: 27 بهمن 1401،
تاریخ بازنگری: 11 اردیبهشت 1402،
تاریخ پذیرش: 12 شهریور 1402
چکیده
برنامه ریزی توان تولیدی واحدها جهت تامین تقاضای بار ساعتی، یکی از مسائل مهم در مدیریت تولید و بهره برداری از سیستمهای قدرت میباشد. در این مقاله، مسئله توزیع بهینه بار با در نظر گرفتن تلفات شبکه انتقال، ملاحظات و محدودیتهای عملی نیروگاههای حرارتی از قبیل نرخ افزایشی و کاهشی تولید، نواحی ممنوعه تولید، اثر شیر بخار با ترکیب منابع تجدیدپذیر شامل مزارع بادی و واحدهای خورشیدی مطرح شده است. منابع انرژی تجدیدپذیر به دلیل عدم استفاده از سوختهای سوختی باعث کاهش آلودگیهای زیست محیطی شده اما این منابع، دارای عدم قطعیت و ماهیت تصادفی در تولید میباشند. از طرف دیگر، منابع بادی و خورشیدی جزء منابع راهاندازی سریع و منابع حرارتی جزء منابع حرارتی راهاندازی کند محسوب میشوند. در نظر گرفتن موارد ذکر شده به صورت توام، مساله توزیع بهینه بار را پیچیده مینماید که در این مقاله برای تعیین میزان مشارکت منابع تولیدی مختلف در تامین بار، از روش جدیدی مبتنی بر الگوریتم سینوس کسینوس، استفاده شده است. به منظور بررسی کارآیی روش پیشنهادی، نتایج شبیهسازی و مطالعات عددی روی یک سیستم نمونه شامل 6 واحد حرارتی، 5 واحد بادی و 13 واحد خورشیدی پیادهسازی شده و با دیگر روشهای هوشمند مقایسه شده است. نتایج مطالعات عددی ضمن داشتن سرعت و دقت مناسب، برتری روش پیشنهادی را نسبت به سایر روشها نشان میدهد.
Planning the Production Power of Thermal, Wind and Solar Units Using the Sine Cosine Algorithm
نویسندگان [English]
Majid Khalili1؛ Javad Nikoukar2
1PhD Student, Department of Electrical Engineering, Islamic Azad University, Saveh branch, Saveh, Iran
2Assistant Professor, Department of Electrical Engineering, Islamic Azad University, Saveh branch, Saveh,
چکیده [English]
Dynamic production power planning to meet hourly load demand is one of the important issues in production management and operation of power systems. In this article, the problem of optimal load dispatch considering transmission network losses, considerations and practical limitations of thermal power plants such as increasing and decreasing ramp rates, prohibited production areas, steam valve effect with the combination of renewable resources including wind farms and solar units has been raised. Renewable energy sources have reduced environmental pollution due to the non-use of fossil fuels, but these sources have uncertainty and random nature in production. On the other hand, wind and solar sources are considered to be part of fast start-up sources and thermal sources are considered to be part of slow start-up thermal sources. Considering the mentioned cases together complicates the problem of optimal load distribution, in this article, a new method based on the sine-cosine algorithm is used to determine the contribution of different production sources in the load supply. To solve this problem, which has non-convex cost functions, a new method based on the sine-cosine algorithm has been used. In order to evaluation the effectiveness of the proposed method, simulation results and numerical studies on a sample system including 6 thermal units, 5 wind units and 13 solar units have been implemented and compared with other metaheuristic algorithms. The results of numerical studies show the superiority of the proposed method over other methods while having the appropriate speed and accuracy. .
کلیدواژهها [English]
Optimal Dispatch, Sine Cosine Algorithm, Optimization, Renewable Energy Sources
مراجع
R. Singh, P.N. Narang, and H. Garg. "A novel TVAC-PSO based mutation strategies algorithm for generation scheduling of pumped storage hydrothermal system incorporating solar units." Energy 142. (2018): 822–837.
J. Kim. and K.K. Kim. "Dynamic programming for scalable just-in-time economic dispatch with non-convex constraints and anytime participation." International Journal of Electrical Power & Energy Systems 123. no. 5 (2020): 1-13.
A.A. Haghrah, M. Nekoui, M.N. Heris, and B. Mohammadi‑ivatloo. "An improved real‑coded genetic algorithm with random walk based mutation for solving combined heat and power economic dispatch." Journal of Ambient Intelligence and Humanized Computing 12 (2020): 8561–8584.
M. Gholamghasemi, E. Akbari, M.B. Asadpoor, and M. Ghasemi. "A new solution to the non-convex economic load dispatch problems using phasor particle swarm optimization." Applied Soft Computing Journal 79 (2019). 111–124.
C. Panigrahi, R. Chakrabarti, and M. Basu. "Simulated Annealing Technique for Dynamic Economic Dispatch." Electric Power Components and Systems 34. no. 5 (2017): 577-586.
D. Zou, S. Li, X. Kong, and H. Ouyang. "Solving the dynamic economic dispatch by a memory-based global differential evolution and a repair technique of constraint handling." Energy 147 (2018): 59-80.
S. Momen, J. Nikoukar, and M. Gandomkar. "Multi‑objective optimization of energy consumption in microgrids considering CHPs and renewables using improved shuffled frog leaping algorithm." Journal of Electrical Engineering & Technology. (2022): 1-17.
A. Abid, T.N. Malik, F. Abid, and I.A. Sajjad. "Dynamic economic dispatch incorporating photovoltaic and wind generation using hybrid FPA with SQP." IETE Journal of Research 66, no. 2 (2020): 204-213.
J. Nikoukar. "Unit commitment considering the emergency demand response programs and interruptible/curtailable loads." Turkish Journal of Electrical Engineering and Computer Sciences 26. no. 2 (2018): 1069-1080.
M. El-hameed, and A. El-Fergany. "Water cycle algorithm-based economic dispatcher for sequential and simultaneous objectives including practical constraints." Applied Soft Computing Journal 58. (2017): 145–154.
V.B. Vommi, and R. Vemula. "A very optimistic method of minimization for unconstrained methods". Information Science. (2018): 255-274.
S. Padhi, B.P. Panigrahi, and D. Dash. "Assessment of Dynamic Economic and Emission Dispatch Problem using WOA in networked grids with photovoltaic power injection." Transactions of the Indian National Academy of Engineering 5, no. 4 (2020): 675-696.
Z. Ullah, S. Wang, J. Radosavljevic, and J. Lai. " A solution to the optimal power flow problem considering WT and PV generation." IEEE Access. 7 (2019): 46763-46772.
S. A. Mousavi Maleki, H. Hizam, and C. Gomes. "Estimation of hourly daily and monthly global solar radiation on inclined surfaces: Models Re-visited." Energies 10. no. 1 (2017): 1-28.
S. Tan, X. Wang, and C. Jiang. "Optimal scheduling of hydro-pv-wind hybrid system considering CHP and BESS coordination." Applied Sciences 9. no. 5 (2019): 1-18.
Y. Yin, T. Liu, and C. He. "Day-ahead stochastic coordinated scheduling for thermal-hydro-wind-photovoltaic systems." Energy 187 (2019): 1-12.
M. Basu. "Dynamic economic dispatch incorporating renewable energy sources and pumped hydro energy storage." Soft Computing 24 (2019): 4829-4840.
S. Pan, J. Jian, and L. Yang. "A hybrid MILP and IPM approach for dynamic economic dispatch with valve-point effect." Electric Power Energy System 97 (2018): 290-298.
S. Pan, J. Jian, and L. Yang. "A full mixed-integer linear programming formulation for economic dispatch with valve-point effects, transmission loss and prohibited operating zones." Electric Power Systems Research 180 (2020): 1045-1056.
C. Shilaja, and K. Ravi. "Optimization of emission/economic dispatch using Euclidean affine flower pollination algorithm (eFPA) and binary FPA (BFPA) in solar photo voltaic generation." Renewable Energy 107 (2017): 550-566.
S.A. Mirjalilia. "SCA: A Sine cosine algorithm for solving optimization problems." Knowledge-Based Systems 96 (2016): 120-133.
Z.L. Gaing. "Particle swarm optimization to solving the economic dispatch considering the generator constraints." IEEE Transactions on Power Systems 18. no. 3 (2003): 1187-1195.
