برنامه‌ریزی روزانه تولید واحدهای آبی و حرارتی با استفاده از الگوریتم بهینه‌سازی اجتماع ذرات با ضریب اینرسی هوشمند

 مسئله برنامه‌ریزی روزانه واحدهای آبی و حرارتی، یکی از مسائل مهم سامانه‌های قدرت است که نقش اساسی در عملکرد اقتصادی سامانه قدرت دارد. برنامه‌ریزی واحدهای آبی و حرارتی باوجود قیود، یک مسئله بهینه‌سازی پیچیده و غیرخطی است که جهت بهینه‌سازی آن از الگوریتم‌های تکاملی استفاده شده است. در این مقاله جهت حل مسئله فوق الگوریتم بهینه‌سازی اجتماع ذرات با ضریب اینرسی هوشمند پیشنهاد شده است. الگوریتم پیشنهادی یک نسخه بسیار قوی و هوشمند الگوریتم اجتماع ذرات است که در آن هر ذره یک ضریب اینرسی و درنتیجه سرعت منحصربه‌فردی جهت استخراج نقطه بهینه جهانی دارد. در الگوریتم پیشنهادی کنترل سرعت ذرات به‌صورت هوشمند و بر اساس هزینه به‌دست‌آمده هر ذره انتخاب می‌شود. جهت حل مسئله برنامه‌ریزی واحدهای آبی-حرارتی و جهت بررسی توانایی الگوریتم پیشنهادی، این الگوریتم بر روی دو سامانه گوناگون پیاده‌سازی شده است. نتایج به دست آمده نشانگر توانایی بالای الگوریتم پیشنهادی در استخراج نقطه بهینه مسئله برنامه‌ریزی واحدهای آبی-حرارتی است.

Daily Hydrothermal Scheduling Using Particle Swarm Optimization with Smart Inertia Factor

Daily hydrothermal scheduling problem is one of the critical issues in power systems, playing a key role in economic performance of the system. Hydrothermal Scheduling problem with system's constraints is a challenging and non-linear optimization problem and evolutionary algorithms are used to solve this problem. This paper proposes particle swarm optimization method with smart inertia factor for solving hydrothermal scheduling problem.The proposed algorithm is a smart and powerful version of particle swarm optimization algorithm in which each particle has unique inertia coefficient and unique velocity for extracting global point. In the proposed algorithm inertia coefficients are controlled with respect to cost function in each population. In order to examine the proposed algorithm's capabilities and find optimum solution for hydrothermal scheduling problem, proposed algorithm is implemented on two test systems. The obtained results have shown high capability of proposed algorithm in extracting optimal points of hydrothermal scheduling problem.