ارايه روشي جديد مبتني بر الگوريتم انتخاب كلونال و اعمال آن بر مشاركت واحدها

A novel clonal selection algorithm for unit commitment

مساله مشاركت واحد ها به عنوان يك مساله بهينه سازي اصلي و كاربردي با يك سري قيود مساوي و نامساوي در بهره برداري اقتصادي سيستم هاي قدرت تاثيرگذار بوده و تلاش ما در جهت يافتن راه حل بهتر براي كمينه سازي تابع هدف و رعايت كردن قيود فني و فيزيكي اين مساله است. در صنعت برق مقررات محور هدف از برنامه ريزي مشاركت واحد ها، بهينه سازي منابع توليد براي تامين تقاضاي بار با كمترين هزينه است. و به برنامه ريزي مبتني بر هزينه مشاركت واحدها (CBUC) موسوم است. حل مساله در ابعاد بزرگ با روش هاي كلاسيك؛ دقيق، دشوار و زمان بر و شايد غيرممكن باشد. در اين مقاله الگوريتم سيستم ايمني مصنوعي بر اساس انتخاب كلونال براي پيدا كردن بهترين الگوي در مدار قرار گرفتن نيروگاه هاي حرارتي و ميزان توان توليدي واحد هاي روشن در هر ساعت از دوره برنامه ريزي پيشنهاد شده است. از برنامه متلب براي پياده سازي الگوريتم پيشنهادي در يك سيستم ده واحده استفاده شده است. همچنين نتايج عددي، شبيه سازي و زمان محاسبات بدست آمده با الگوريتم بهينه سازي اجتماع ذرات مقايسه مي شود. تا بيانگر كارايي و توانمندي الگوريتم ارايه شده براي حل اين باشد

Unit commitment (UC) in a power system involves determining a start-up and shut-down schedule of units to meet the required demand, over a short-term period. In solving the UC problem, generally two basic decisions are involved, namely, the “unit commitment” decision and the “economic dispatch” decision. The “unit commitment” decision involves the determination of the generating units to be running during each hour of the planning horizon, considering system capacity requirements, including the reserve, and the constraints on the start-up and shut-down of units. The “economic dispatch” decision involves the allocation of the system demand and spinningreserve capacity among the operating units during each specific hour of operation. The exact solution to the problem can be obtained only by complete enumeration, often at the cost of a prohibitively large computation time requirement for realistic power systems. In the last decade, several optimization algorithms have been proposed to solve UC problems. So in this thesis, we apply clonal selection algorithm (CSA) to solve UC. The concept of CSA is based on the immune system and white blood cells behavior that select the antibodies similar to antigen for cloning. Then, the resultes has been compered with other methods. And they will prove the high performance of CSA. The proposed method is implemented and tested using MATLAB programming. The test is carried out using 10-unit system during a scheduling period of 24 h.