uncertainty management in short-term self-scheduling unit commitment using harris hawks optimization algorithm

The present study focuses on the harris hawks optimizer. harris hawks optimization (hho) is introduced based on population and nature patterns. the  hho algorithm imitates harris hawks attacking behavior and includes two phases called exploration and exploitation, which can be modeled with three strategies, 1) discovering the prey, 2) surprising attack, and 3) prey attack. the main purpose of using this type of algorithm is to optimally solve the short-term hydro-thermal self-scheduling (sthtss) problem with wind power(wp), photovoltaic (pv), small  hydro (sh) and pumped hydro storage (phs) powr plants while considering uncertainties such as energy prices, ancillary services prices, etc, in the energy market. it will be shown how energy generation companies can use this algorithm and other algorithms and innovative methods that will be introduced in the future to achieve profit maximum with careful scheduling. it is worth mentioning that in this study, the effect of the presence and absence of two important factors, namely valve load cost (vlc) effect  and prohibited  operating  zones (pozs) (with linear modeling) that can affect the profit of units (power plants) has been pointed out. finally, as shown in this study, several tests perfomed on the ieee118-bus system validate the precision and credibility of the harris hawks optimization algorithm.

مدیریت عدم قطعیت درخود برنامه ریزی کوتاه مدت درمدار قرار گرفتن نیروگاهها با استفاده از الگوریتم بهینه سازی شاهین هریس

در این مقاله، یک مدل بهینه سازی مبتنی بر جمعیت و الهام گرفته از طبیعت به نام بهینه سازی شاهین هریس (hho) ارائه شده است. ایده اصلی این الگوریتم، رفتار و سبک مشارکتی تعقیب شاهین هریس در طبیعت است که به حمله غافلگیرانه معروف است. این الگوریتم دارای دو فاز به نام های اکتشاف و بهره برداری است که با سه استراتژی (1) کشف طعمه، (2) حمله غافلگیرکننده و (3) حمله طعمه ، قابل مدل سازی است. هدف اصلی استفاده از این نوع الگوریتم حل بهینه مسئله خود برنامه ریزی کوتاه مدت آبی-حرارتی (htss) با واحدهای wp، pv، sh و phs با در نظر گرفتن عدم قطعیت هایی مانند قیمت انرژی، قیمت خدمات جانبی و غیره است. در بازار انرژی نشان داده خواهد شد که چگونه شرکت های تولید انرژی (gencos) می توانند از این الگوریتم و سایر الگوریتم ها و روش های جدیدی که در آینده معرفی خواهند شد برای دستیابی به حداکثر سود با برنامه ریزی دقیق استفاده کنند. شایان ذکر است در این تحقیق به تاثیر وجود و عدم وجود دو عامل مهم vlc و poz (با مدلسازی خطی) که می توانند بر سود نیروگاه ها تاثیر بگذارند، اشاره شده است. در نهایت، همانطور که در این مطالعه نشان داده شده است، برخی از آزمایش‌ها بر روی یک سیستم آزمایشی موردی در مقیاس بزرگ (ieee118-bus system) برای تایید دقت و اعتبار روش الگوریتم پیشنهادی hho انجام می‌شود.