پخش بار اقتصادي نيروگاه هاي حرارتي با در نظر گرفتن اثر شير بخار و با استفاده از الگوريتم بهينه سازي يادگيري رديابي بازگشتي

Economic Dispatch of Thermal Units considering Valve-point Effect using Learning Backtracking Search Optimization Algorithm

يكي از مهم‌ترين موضوع هاي سيستمهاي مدرن امروزي، توليد انرژي الكتريكي براي سيستمهاي قدرت به‌منظور بهينه‌كردن هزينه توليدي براي واحدهاي فعال موجود در شبكه قدرت است. پخش بار اقتصادي برنامه‌ريزي مناسب براي واحدهاي توليدي است كه محدوديتهاي غيرخطي شبكۀ قدرت و واحدهاي توليدي را در نظر ميگيرد. پخش بار اقتصادي، مسئلۀ بهينه سازي غير خطي، غير محدب و چالش‌برانگيز است كه براي حل آن، با توجه به مشخصات پيچيدۀ موجود در مسئله، از الگوريتم هاي ابتكاري استفاده مي‌شود. در اين مقاله مسئلۀ پخش بار اقتصادي با محدوديتهاي غيرخطي، به مسئلۀ بهينه سازي تبديل شده است و با استفاده از الگوريتم بهينه سازي يادگيري رديابي بازگشتي (LBSA)، به حل آن پرداخته مي‌شود. الگوريتم پيشنهادي، تركيبي از الگوريتم رديابي بازگشتي (BSA) و الگوريتم آموزش و يادگيري (TLBO) است. براي ارزيابي كارايي روش پيشنهادي از دو سيستم تست به‌عنوان مطالعات موردي استفاده شد و نتايج حاصل از اين روش، تجزيه و تحليل و با نتايج ديگر الگوريتم هاي موجود در مقالات مقايسه شده‌اند. اين نتايج، كارايي و عملكرد مناسب الگوريتم پيشنهادي را در مقايسه با ساير الگوريتم ها نشان مي‌دهد.

The production of electric energy for power systems with the goal of minimizing the total production cost for existing active units in the power network is one of the most important issues of modern systems. In other words, the purpose of economic dispatching is proper and optimized planning for production units, by taking into account the existing nonlinear factors and limitations in the power network and manufacturing units. The issue of economic dispatch is a challenging, non-linear, and non-convex optimization problem, which due to its intricate characteristics, heuristic algorithms are utilized as the resolution. In this paper, the issue of economic dispatch has become an optimization issue considering non-linear constraints and it has been solved using learning backtracking search algorithm (LBSA). The proposed algorithm is hybrid of backtracking search algorithm (BSA) and teaching-learning based optimization (TLBO). In order to evaluate the efficiency of the proposed algorithm, two test systems are used as case studies and the obtained results are compared to that of other algorithms in the literature. Based on numerical results, the LBSA algorithm is capable of offering better solutions and, in some cases, solutions identical to other reported methods regarding the fuel cost.