a novel hybrid multi-objective evolutionary algorithm for optimal power flow in wind, pv, and pev systems

In this paper, a new hybrid decomposition-based multi-objective evolutionary algorithm (moea) is proposed for the optimal power flow (opf) problem including wind, pv, and pevs uncertainty with four conflicting objectives. the proposed multi-objective opf (moopf) problem includes minimization of the total cost (tc), total emission (te), active power loss (apl), and voltage magnitude deviation (vmd) as objectives and a novel constraint handling method, which adaptively adds the penalty function and eliminates the parameter dependence on penalty function evaluation is deployed to handle several constraints in the moopf problem. in addition, summation-based sorting and improved diversified selection methods are utilized to enhance the diversity of moea. further, a fuzzy min-max method is utilized to get the best-compromised values from pareto-optimal solutions. the impact of intermittence of wind, pv, and pevs integration is considered for optimal cost analysis. the uncertainty associated with wind, pv, and pev systems are represented using probability distribution functions (pdfs) and its uncertainty cost is calculated using the monte-carlo simulations (mcss). a commonly used statistical method called the anova test is used for the comparative examination of several methods. to test the proposed algorithm, standard ieee 30, 57, and 118-bus test systems were considered with different cases and the acquired results were compared with nsga-ii and mopso to validate the suggested algorithm's effectiveness.

یک الگوریتم تکاملی چندهدفه ترکیبی جدید برای جریان قدرت بهینه در سیستم‌های باد، PV و PEV

در این مقاله، یک الگوریتم تکاملی چند هدفه مبتنی بر تجزیه ترکیبی (MOEA) برای مسئله جریان توان بهینه (OPF) شامل عدم قطعیت باد، PV و PEV با چهار هدف متضاد پیشنهاد شده است. مسئله OPF چند هدفه پیشنهادی (MOOPF) شامل به حداقل رساندن هزینه کل (TC)، انتشار کل (TE)، تلفات توان فعال (APL) و انحراف بزرگی ولتاژ (VMD) به عنوان اهداف و یک مدیریت محدودیت جدید است. روشی که به صورت تطبیقی ​​تابع پنالتی را اضافه می‌کند و وابستگی پارامتر به ارزیابی تابع جریمه را حذف می‌کند، برای رسیدگی به چندین محدودیت در مسئله MOOPF استفاده می‌شود. علاوه بر این، مرتب‌سازی مبتنی بر جمع‌بندی و روش‌های انتخاب متنوع بهبودیافته برای افزایش تنوع MOEA استفاده می‌شود. علاوه بر این، یک روش حداقل حداکثر فازی برای به دست آوردن بهترین مقادیر در معرض خطر از راه‌حل‌های بهینه پارتو استفاده می‌شود. برای تحلیل هزینه بهینه، تأثیر متناوب ادغام باد، PV و PEV در نظر گرفته شده است. عدم قطعیت مربوط به سیستم های باد، PV، و PEV با استفاده از توابع توزیع احتمال (PDF) نشان داده شده و هزینه عدم قطعیت آن با استفاده از شبیه سازی مونت کارلو (MCS) محاسبه می شود. یک روش آماری رایج به نام آزمون ANOVA برای بررسی مقایسه ای چندین روش استفاده می شود. برای آزمایش الگوریتم پیشنهادی، سیستم‌های تست استاندارد IEEE 30، 57 و ‎118 با موارد مختلف در نظر گرفته شد و نتایج به‌دست‌آمده با NSGAII و MOPSO برای اعتبارسنجی اثربخشی الگوریتم پیشنهادی مقایسه شد.