پخش بار اقتصادي زيست محيطي با استفاده از الگوريتم بهينه سازي ازدحام ذرات

Economic environmental power dispatch using particle swarm optimization

اين مقاله راه حلي براي مشكل پخش بار اقتصادي زيست محيطي (EELD) براي واحدهاي حرارتي سيستم قدرت با استفاده از روش هاي بهينه سازي جستجوي پيمايش معكوس (BSA)، الگوريتم ژنتيك (GA) ، الگوريتم بهينه سازي ازدحام ذرات (PSO) ، الگوريتم تبريد (SA) و الگوريتم بهينه سازي مبتني بر تدريس – يادگيري (TLBO) ارائه مي‏دهد. مواد آلاينده مانند NOx، قيد تعادل توان، و قيد نامي عملياتي در اينجا لحاظ شده است. عملكرد الگوريتم بهينه سازي ازدحام ذرات با ساير روش هاي بهينه سازي از لحاظ كيفيت جواب بدست آمده و بازده محاسباتي مقايسه شده است. براي تست و مقايسه روش هاي پيشنهادي داده هاي هزينه سوخت و تلفات خط و هزينه محيط زيست مربوط به 6 واحد نيروگاهي در يك شبكه قدرت بررسي شده است. نتايج شبيه سازي نشان مي دهند كه كارايي و عملكرد پخش بار اقتصادي زيست محيطي با استفاده از بهينه سازي ازدحام ذرات بسيار بهتر از ساير روش هاي به كار رفته براي بهينه سازي مي باشد.

This paper presents the solution for the economic and emission load dispatch (EELD) problem of thermal generators of power systems Using backtracking search optimization ,the genetic algorithm (GA), particle swarm optimization (PSO) algorithm, simulated annealing (SA), and teaching–learning based optimization algorithm techniques. Emission substance like NOX, power demand equality constraint and operating limit constraint are considered here. The performance of the particle swarm optimization algorithm is compared with other optimization methods in terms of the quality of the solution and the computational efficiency. To test and compare proposed methods, fuel cost data and line losses and environmental costs related to 6 power units in a power grid have been investigated. The simulation results show that the efficiency and performance of the economic and emission load dispatch using the optimization of particle swarm is much better than using other optimization methods