基于混合CSAJAYA算法的动态经济调度中的风速优化

智能系统与应用16（2022）200116基于混合CSAJAYA算法的变风速Sourav Basaka，Biplab Bhattacharyya a，Bishwajit Dey a，b，*a印度丹巴德印度理工学院（印度矿业学院）电气工程系b印度奥里萨邦Gunupur甘地工程技术学院电气和电子工程系A R T I C L EI N FO保留字：动态经济调度VPE或阀点效应风电优化算法CSAJAYAA B S T R A C T本文讨论了两种不同动态试验系统的常规机组优化调度问题。本文对线性、二次和三次风廓线公式进行了比较和对比，从逐时风速计算风功率，找出穿透功率最大的风廓线。然后，将风廓线与试验系统耦合，进行动态经济调度。用于研究的优化工具是一个独特的混合算法，结合最近开发的乌鸦搜索算法（CSA）和JAYA的属性建模。斜坡速率限制和阀点效应的参与放大了工作的实用性，从而评估所提出的混合算法在解决复杂的非线性函数。结果推断，最大水平的风穿透达到线性风廓线和燃料成本降低2.92%的实现后，纳入相同的。数值结果还声称，提出的混合CSAJAYA方法始终产生更好的质量解决方案，在最小的执行时间内，而不受影响的问题的尺寸，从而优于一长串的算法实现的研究。1. 介绍1.1. 总体概述发电厂的负荷需求不能由单个发电实体满足。相反，整个需求由类似实体的集合来满足。此外，每台机组都有自己的成本函数（竞价）来生产相同数量的电力。经济负荷调度（ELD）基本上是在考虑发电机组之间分配发电量的操作过程，以便在满足所有平等和不平等约束的同时降低总发电成本。 因此，精确地分配总需求的一部分可能会降低燃料成本。总负荷需求被划分到多个发电机，影响估算、开票、机组投入和各种其他活动。发电总量必须满足当前需求的总量。为了解决这个问题，ELD可以分为两种类型，这取决于负载需求的特性。第一种是静态经济负荷分配（SELD），其涉及针对特定负荷需求进行分配，第二种是动态经济负荷分配（DELD），其涉及针对动态负荷需求解决相同问题。在DELD中，预测未来几个小时的需求，并在不同的发电机之间分配负荷，以获得高质量的输出。似乎正在研究将可再生能源纳入ELD，以应对化石燃料库枯竭的挑战。由于经典的拉格朗日乘子等方法不能解决实际问题，使得适应度函数具有非线性和非凸性，因此元启发式群算法和人工智能算法是解决这一问题的关键。缩写列表：AP，感知概率; CSA，乌鸦搜索算法; CSAJAYA，混合乌鸦搜索算法- Jaya算法; CSASCA，Crow Search Algorithm- Sine Cosine Algorithm; DE，Differential Evolution; DER，Distributed Energy Resources; DG，Distributed Generator; ELD，Economic Load Dispatch; GWO，Grey Wolf Optimizer; JAYA，Jayaalgorithm; MAE，Mean Absolute Error; MGWO-SCA-CSA，Modified Grey Wolf Optimizer-Sine Cosine Optimizer-Crow Search Al-Taim; Pop_Size，Population size;PSO，Particle Swarm Optimization; RE，Relative Error; RES，可再生能源; RMSE，均方根误差; SCA，正弦余弦算法; SD，标准差; SOS，共生生物搜索; TLBO，基于教学的优化; UP，利用率; WOA，鲸鱼优化算法; WOASCA，鲸鱼优化算法-正弦余弦算法; VPE，阀点效应。* 通讯作者：印度奥里萨邦古努普尔甘地工程技术学院电气和电子工程系电子邮件地址：bishwajit@giet.edu（B.Dey）。https://doi.org/10.1016/j.iswa.2022.200116接收日期：2021年10月13日;接收日期：2022年6月3日;接受日期：2022年8月2022年8月24日在线提供2667-3053/© 2022作者。由Elsevier Ltd.发布。这是CC BY-NC-ND许可证下的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。可在ScienceDirect上获得目录列表智能系统及其应用杂志主页：www.journals.elsevier.com/intelligent-systems-with-applicationsS. Basak等人智能系统与应用16（2022）2001162符号列表a、b、cA、B、Cd，eDtFFViiFFV最小值FFVFL我vDG机组成本系数二次风廓线约束阀点负载效应系数t时刻的负载需求第三次试验时的适应度函数值适应度函数的最小值适应度函数的平均值乌鸦分布式发电机组kt，ct nNOTPi第t个时间间隔的形状参数和尺度参数。DG装置试验次数的Pw，tPi，max Pi，min第i台机组的最小和最大限值第i台机组功率输出PW-RJPRES，tJt时刻第j台风电机组风功率第j台风电机组额定功率时间tth小时的RES功率输出ftRand1，Rand2， Randi，Randj， c不URi，DRi第i台机组的上升和下降斜坡率时间间隔IIiter/max_iter当前迭代/最大迭代试验索引vtvi，vo vr 第j台机组切入、切出及额定风速Jj，jJ风电机组σtμ tp第t小时的风速。v，vt时刻风速的平均值和标准差1.2. 文献综述电力系统运行和控制的核心挑战之一（Singh和Dhillon，2019年;Roy，2018年）是基于经济高效负荷调度的问题，通常被称为经济负荷调度（ELD）。电力系统中的优化问题通过平衡提供电力需求的发电单元的集合数量的电力输出，ELD帮助确定最适当的、无故障的和成本有效的操作（Dai等人，2021; Toopshekan等人，2020年）。主要目标是降低发电的总成本，同时考虑到任何限制（Wu等人， 2021年）。经济调度问题根据电力需求或负荷分为两类：静态经济负荷调度和动态经济负荷调度。在前者中，负载需求在长时间跨度内是固定的，从而导致在持续时间内固定的发电机输出。目标是确定每个时期所有发电组件的发电功率，以保持总成本较低。由于电力系统的需求总是在变化，发电机也必须进行调整。换句话说，如果负载需求上升，发电机输出也必须上升，反之亦然。因此，在后一种经济调度中，即，在动态负荷调度中，以发电成本最小化为目标，以规则的时间间隔基于波动的需求来调度承诺的发电机组。在机组集合数条件下，考虑阀点效应和可再生能源的参与，改性 自组织 分层 颗粒 群优化具有跳跃时变加速度系数的算法在文章（Ghasemi等人，2019）来处理非平稳动态经济调度（DED）问题。Elsayed等人（Elsayed等人，2016年）开发了一种改进的社交蜘蛛算法，分别在6、40、80和140个单元的系统Sun和Wang（Sun和Wang，2017）使用具有随机方向更新速度的粒子群优化（PSO）来评估一些基准函数，然后再转向负载调度问题。在文章（Mahmoud等人， 2020），引入了改进的salp-swarm算法，并对DED问题建立了精确的预测模型。文章作者（He等人， 2019），处理DED在一个孤岛微电网考虑斜坡率约束的新交替方向方法的乘法器。甘杰法等。 （Ganjefar和Tojani，2011）提出了一种具有非平稳惩罚函数的改进遗传算法（GA）技术，用于解决动态经济调度问题。为了确定该方法的有效性，调度问题进行了评估，使用10和24个单位的阀点效应。Maulik和Das（Maulik和Das，2017）使用lambda逻辑，lambda迭代，PSO和DSM优化方法来解决微电网经济调度（ED）问题。在从孤岛模式转换到电网连接模式以及从电网连接模式转换到孤岛模式之后，还确定了微电网的可靠运行。为了解决5台发电机组的ED问题，Shrivastava和Nandrajog（Shrivastava和Nandrajog，2017）使用了传统的优化方法，包括序列二次规划（SQP），内部搜索点算法等。各种成本，如安装成本，运营成本，维护成本，折旧成本，这些成本取决于所使用的分布式能源的寿命，与燃料成本和排放成本一起考虑，DeyBhattacharyya（Dey和Bhatt-charyya，2019）使用基于邻域的差分算法将总成本作为整体最小化。采用混合EP-SQP求解了10台机组系统的经济调度，考虑阀点效应（Attaviriyanupap等人， 2002）、混合PSO-SQP（Victoire和Ebenezer Jeyakumar，2005）、改进的差分进化（MDE）（Yuan等人，2008）和改进的PSO（IPSO）（Yuan等人，2009年）。为了降低发电成本， 和环境排放，Ma等人（Ma等人， 2017年）提出了一种用于充电插电式电动汽车的ELD模型。研究了三种情况：无PEV的6个单位、有PEV的6个单位和有PEV的10个单位。Daniel等人（Daniel等人，2018）利用基于Levenbergh Marquardt反向传播算法（LMBP）的人工神经网络来处理DELD问题。 进行测试在9台发电机组上，同时保持交流斜坡率限制（RRL），算Kumar和Dhillon（Kumar和Dhillon，2018）提出了人工藻类算法（AAA）和具有动态调整参数的单纯形搜索方法（SSM）的组合，其中AAA充当全局优化器，SSM提供局部搜索。所开发的方法进行了评估13个单位，40个单位，80个单位（通过复制40个单位）与VPE，140个发电机组与POZ和VPE，和40个发电机组与VPE和传输损耗。文章（Yanget al.，2021），其中作者解决了动态经济调度考虑各种影响和约束。Yuan等人（Yuan等人，2009）使用改进的PSO（IPSO）来解决涉及VPE的DELD问题。不等式约束处理的可行性为基础的选择策略，而功率平衡约束处理的启发式策略，不需要惩罚因子。测试是在有和没有传输损耗的十个单元的系统上进行的，以及三倍的十个单元的系统，以获得30个单元的数据。 对于三峡水库26台水电机组的ELD，Xu等人（Xu等人，2014年）将 GA与动 态规划（ DP ） 进 行 了 比 较 。 Azizipanah-Abarghooee（Azizipanah-Abarghooee，2013）测试了一种混合细菌觅食（BF）算法，该算法具有简化的群优化，结合基于对立的初始化和新的突变算子，用于5单位，10单位，30单位和100单位系统，同时考虑POZ和VPE。Daryani和Zare（Daryani和Zare，2018）描述了一种改进的组搜索算法，用于解决基于IEEE 30总线上的经济排放调度的S. Basak等人智能系统与应用16（2022）2001163i，t∑∑RTS-24和PJM-5系统。对于具有传输损耗的six单元系统的最佳调度问题，Chauhan等人. （Chauhan等人， 2017）使用我 i，t+我 i，t+i+（i）i，t图1.一、有无VPE的发电机组燃料成本曲线。有或没有系统损耗和其他限制的系统。Jadoun等人（Jadoun等人，2018）研究了一个随机DELD系统的解决方案，包括使用改进的烟花算法（IFWA）的风能和太阳能发电系统。15-发电机使用POZ，斜坡率限制和传输损耗，分别评估额定容量为100和400个单元的太阳能和风能随机DELD系统。Dey等人 （Dey等人， 2018年，在一个社区里，鲁棒性和效率的建议CSAJAYA算法。1.4. 纸张方向本文的其余部分结构如下：第2节制定的目标函数; CSAJAYA详细讨论在第3节;各种测试系统进行了研究，结果显示和讨论在第4节;主要结论在第5。2. 问题公式化经济负荷分配的目的是以具有成本效益的方式发电，同时考虑所有平等和不平等的限制。动态经济负荷分配是根据动态需求进行电力优化调度的必要条件。2.1. DG单元在DG单元的情况下，成本函数方程不是线性方程。实际上，它是一个二次方程（Attaviriyanupap等人， 2002; Victoire和EbenezerJeyakumar，2005; Yuan等人，2008），方程如下。一种基于可再生能源的电力24n用于四种不同负载共享场景的栅格微电网。 Liu和NairCDG=∑∑（aiP2+bi P1，t+ci）（1A）（Liu和Nair，2015年）使用两阶段随机DELD模型和随机分解技术来管理风力发电引起的不确定性和系统可变性，该模型已在Ct=124t=1i=1∑n （aP2 bPi=1c辛河PP）（1B）lambda迭代法文章（Mandal和Roy，2021）中的作者介绍了蚱蜢优化算法（GOA），用于解释混合风力发电系统的动态经济负荷分配（DELD）问题。通过对它们的比较分析，证明WOA算法在各个方面都优于其他算法。对于形成微电网和公用事业的联盟，Lahon和Gupta（Lahon和Gupta，2018）提出了一种能源管理系统。提出了条件风险价值的概念，以降低电力交易波动对聚合商的风险。蚁群优化算法（ALOA）是由作者在文章（Ali et al.，2016），以处理考虑33和69总线径向配电系统上的可再生能源（即太阳能和风力涡轮机）的最佳分配和规模问题。文章的作者（Xiong和Shi，2018）和（Zou等人，2018）分别引入了基于交替地理的优化与头脑风暴优化和基于内存的全局差分进化算法来解决非凸动态经济调度问题。1.3. 研究差距、动机和贡献文献回顾表明，不同类型的配方用于Pi是第ih单元的电功率输出。第i个单元的成本系数为ai、bi和ci，而di和ei为阀点效应系数。因此，总成本是CDG，涉及n个DG单元。在DELD或动态经济负荷调度的情况下，估计24小时的总成本，其中t是小时指标。经济调度Eq. (1B)考虑了阀点影响，这是一个实际的限制。函数是多模态的，到包含阀点效应的正弦项。图1是不考虑阀点效应和考虑阀点效应的燃料成本曲线的图示。1.一、2.2. 等式和不等式约束问题的等式约束遵循Eqs。(2A)和（2B），分别不包括RES和包括RES的问题。将DER保持在其界限内的不等式约束是等式：（三）、nPi，t=Dt（2A）i=1不同的文章来制定风力发电的每小时输出从可变的风速在一天中，但没有杂志指定使用特定的公式的原因。本文作者带来了nPi，ti=1+PRES，t=Dt（2B）结合所有这些方法，并进行详尽的分析，以挑选出的方法，产生最大的风穿透被纳入动态系统。此后，动态经济调度的两个不同的测试系统，包括10和15个传统的发电机进行了评估。实际的限制，如斜坡率和阀点的影响，在研究过程中考虑。所有的燃料成本进行了评估，建议CSAJAYA方法和结果进行了比较，与各种其他算法以及一些文献中。最后进行统计分析，Pi，min≤Pi≤Pi，max（ 3）第t小时的需求表示为Dt。以功率表示的RES的产生由PRES，t表示。-DRi≤Pi，t-Pi，（t-1）≤URi（ 4）当量(4)陈述了化石燃料发电机的斜坡速率不等式约束。DRi和URi是第i个发电机组的下降和上升斜坡率。∑DG=i×我，敏-））S. Basak等人智能系统与应用16（2022）2001164pIr一 同步电机 将机械输入转换为常数vi-vr2JJJJJ速度，并逐渐增加到额定电功率输出，出于安全考虑，该系统被关闭。 这可以在图中看到。 二、∑tJv图二. 风的流动Pi，t起来（五）公司简介（一）Jt（t（2）it r=24Pi，max⎪⎨Pj∗A+Bvp+Cvpvj≤vpvj<利用率百分比用UP表示，如方程式中所述。（五）、Pw，t=⎪⎩Pw-rvr≤ vt

下载后可阅读完整内容，剩余1页未读，立即下载