文摘
电力可以提供小规模社区商业区域和村庄通过微型智能电网",一个小规模的、先进的和独立电力系统的电网。微型智能电网"是一个适当的选择为特定目的减少排放和一代成本和提高效率、可靠性和可再生能源的利用率。本文的主要目的是阐明结合经济排放在微型智能电网"达到最优调度ce问题生成成本。总成本优化的方法是检查以减少运营成本和排放水平,满足负载需求的微型智能电网"。与这一背景下,作者提出了一个新颖的改进蜉蝣算法合并征收飞行解决合并后经济排放中遇到微型电网调度问题。坐落模式微型智能电网"测试系统被认为是在这个研究包括火力发电、太阳能和风力发电机组。仿真结果被认为是24小时有不同功率的要求。总成本的最小化以及排放达到了四个不同的场景。优化结果对所有场景使用IMA给出一个相对更好的降低系统成本比马和其他优化算法被认为是揭示IMA的功效与相同的数据进行比较。拟议中的IMA算法可以解决这个问题在短时间微型智能电网"。
1。介绍
微型智能电网"是一种先进的小规模的集中的电力系统,它通常包含能量储存资源,分布式发电(DG)单位,和负载。微型电网通常设计和安装附近的能源消费者在一个封闭的社区(1]。但近年来有急剧增加关于安装微型电网的可再生能源,由于环境优势和低成本与同行相比2]。微型智能电网"满足不同负荷需求的住宅,商业,农业,工业部门(3]。微型电网可以在两种不同的模式:短时间和坐落模式。在前模式中,微型智能电网"和主电网相连,而在后者的微型智能电网"是孤立的从主电网在紧急情况下爆发。它像往常一样继续本地负载功率输出功能(4]。有大量的优势出现在使用微型智能电网"减少碳排放和生成成本,由于可再生能源,增加可靠性和电能质量等。5]。
发电系统优化操作和有效的计划是两个最重要的元素在电力行业。控制和操作电力系统的负载调度(经济负荷调度,即。,古人)相关问题太多关于地址(6]。电力系统优化问题,采用古人是有用的在确定最合适的,便宜,和无缝的操作与输出的规定所产生的不同的发电单元,满足负载的要求。古人有主要目的前提下降低总体成本在发电或产生任何约束7]。古人决定有功功率输出所产生的不同的发电系统达到的目标函数,同时克服许多问题(8]。重要的是开发新型电源管理算法翻译微型智能电网"作为一个可行的和发生的选择相比,传统电力系统(9]。的缓解发电成本和环境污染物的排放是电力运营商的唯一目标。为了这些目标,必须考虑两个相互矛盾的目标。结合经济排放调度(ce)是用来减轻排放水平从所有机组和费用由操作单位(9]。
这个问题已经讨论了早些时候由不同的作者提出了一些优化技术来克服这个问题(10]。在[10),研究人员提出了一个平衡的取舍方法解决电子商务环境约束经济调度问题。该研究进行了一项史无前例的比较分析三种方法:部分编程(FP),电子商务,和价格惩罚因子(PPF)来克服这个问题。黑猩猩(ChOA)的优化算法解决优化设计的微型智能电网"由光伏电池板、风力涡轮机、和电池存储系统(11]。优化结果比较与改进的灰太狼优化器(IGWO)和灰太狼的优化器(拥有)。最优规模的光伏电池和太阳能热水器考虑环境参数和节能进行了(12]。太阳能能源热电联产系统的能源和经济分析Saveh城市的建设进行了研究。研究人员模拟模型在3-Unit动态测试系统将可再生能源。在这项研究中由Alamoush [13],Bernstein-search(研究)微分进化算法解决动态结合热力和电力经济调度(DCHPED)排放代微型智能电网"组成的可再生能源的问题,固定nondeferrable和可延期的负载,化石燃料联产单位,热能存储设备。在[14],鲸鱼优化算法(WOA)已经应用进行合并后的经济排放调度问题。仿真是由考虑四种不同负载共享场景之间的分布式能源资源。研究人员还进行了方差分析和Wilcoxon符号秩检验来验证WOA最高的特点。在[15),随机分形搜索(SFS)算法应用于解决多目标经济出现排放调度问题,在热电联产(CHP)的一代。本研究进行的大型太阳能发电机组的微型电网,风力发电单位,fossil-fuel-powered机组安装。
提出了集体神经动态优化(CNO)方法在前面的研究。在这项研究中,作者结合启发式方法和投影神经网络(并通过优化微电网的调度包含十热发电机和减轻费用在发射和代16]。提出了一个混合整数非线性规划制定(17调度分布式发电机聚合在一起地。此外,该模型还旨在满足用水需求和建筑物的热能需求在一个独立的水能量微型智能电网"。
在[18),吉萨金字塔建筑(GPC)提出了实现优化设计的一个孤立的微型智能电网"。现在净成本(人大),逐步降低能源成本(LCOE),供电损失概率和可用性指数被认为是目标函数。改进自适应加速粒子群优化(MAACPSO)算法研究并网光伏系统的可靠性(19]。本研究关注的概率分析和可靠性评估并网光伏系统的组件通过IEEE 24总线与光伏系统集成与四个不同的案例研究。首开先河的顺序优化策略(SOS)早些时候制定的研究活动和无功功率分配给可分派分布式发电机(DDG)单位以最优的方式。这些干玉米酒糟单元安装在droop-controlled坐落AC微型智能电网" (20.]。研究提出改善量子粒子群优化(QPSO)早些时候21)应对短期经济环境调度(EED)在一个微型智能电网"的问题。最近,一个多目标的优化算法提出了分析电动汽车的充电和放电的影响行为和需求侧响应资源PV-connected微型智能电网"系统的经济运行。模型考虑三个目标:微型智能电网"和主电网之间的力量波动,微型智能电网"的综合运营成本,光伏能源利用率(22]。
在[23),研究人员提出了一个数学优化方法实现优化运行在经济调度在直流微型智能电网"。分配安排单位承诺经济调度,实现微型智能电网",早些时候的研究(24)提出了一个增强的实数编码遗传算法在增强的基于混合整数线性规划(MILP)方法。作者提出了一种随机模型(25)管理CHP-based微型电网优化。研究了经济、可靠性和环境方面的考虑。非凸和非线性随机问题是用来解决的复杂性。外汇市场算法(EMA)提出了一项研究。这项研究被认为是三个相互矛盾的目标通过加权和的方法解决多目标问题作为一个简略的问题。
提出了一种多目标优化调度模型在26]因为短时间的微型智能电网"。在这项研究中,作者认为降低环保成本和发电成本的微型智能电网"结合了一个增强的PSO算法。在[27),遗传算法应用于优化焦点区域的抛物槽浓度光电/热系统。目标函数被认为是电效率和热效率。抛物面槽聚光光伏热(CPVT)是利用买得起住宅所需的能量(28]。CPVT作为热源和冷却和电能的构建和使用TRNSYS软件进行了仿真。萨米等人提出的问题在遥远的地区停电利用可用的可再生能源资源的连续的环境(29日]。混合萤火虫与和谐搜索优化技术(HFA / HS)实施改进的现在净成本提出了混合动力系统由光伏(PV),风力涡轮机(WT)和燃料电池(FC)。适应,提出了一种新颖的优化模型,在30.]解决经济调度问题的一个微型智能电网"包含众多单位的风力涡轮机(WTs),专供热能单位,传统的发电机、光伏(PV)系统、热电联合单位,和电池存储系统在某些不确定性。在早些时候的研究31日),MBGSA(基于内存的引力搜索算法)提出了克服古人的问题。在一个研究调查32),一种新型多目标病毒提出了蚁群搜索(MOVCS)阐明经济排放多目标动态调度(行为)的问题。该模型旨在缓解化石燃料发电机产生的排放,同时降低成本在wind-thermal电能成本。在[33),荷马软件用于模型和模拟一个风能太阳能混合动力系统独立于国家电网在伊朗西北部。提出了一种多目标粒子群优化技术的分级优化绿色能源系统连接到一个随机中断电网(34]。评价混合动力系统的能量成本经济体,失去电源(LPSP)的概率可靠性评估,和系统剩余能量率(ss)被认为是目标函数评价混合动力系统兼容性和效率。可持续能源分布配置微型电网集成到国家电网中使用连续的转换器可再生能源系统检查(35]。不同场景的可持续性方案微型电网的电源管理进行了分析。
SGEO(社会群体的熵优化)技术,提出了在36)解决燃料约束动态经济调度(fcd)与需求侧管理(DSM)。技术结合注入hydrostorage与可再生能源植物。本研究用随机分形搜索算法克服biobjective结合热力和电力经济调度(chp)问题[37]。
在[38),博士(MA)的蜉蝣算法Konstantinos Zervoudakis在2021年。在本文中,一种改进的蜉蝣优化算法研究的帮助下不同场景下的一个微型智能电网"模式。结果对照最新最先进的算法,也采用同样的微型智能电网"模式。
当前的研究论文的贡献用此方法进行了总结。(我)蜉蝣优化算法的一个改进版本合并征收飞行阐明微型智能电网"测试系统的提出了这个问题。(2)一种改进的蜉蝣优化算法除了征收飞行克服ce中遇到的问题的微型智能电网"测试系统。(3)利维飞行已经杠杆在这项研究中,因为它不参与当地最佳拥有巨大的优势。之间的最优平衡是由该算法勘探开发阶段。(iv)作者验证了该算法的霸权方面解决这个问题在两个不同的目标函数,包括先进的能源。(v)相比之下,现有的以人群为基础的优化工具,如算法和遗传算法,在IMA只有几个控制参数存在。该功能有助于使它最好的优化过程。IMA-based ce认证是一个独特的和健壮的技术,因为它所代总成本低于解决方案即使进行多维随机试验。
2。数学公式的ce微型智能电网"
2.1。结合经济排放调度(ce)
同时缓解经济和环境调度目标函数仍然是这个问题的主要目的的微型智能电网"。在其他方面,燃料总成本必须降低,而与此同时,排放水平也应该减轻约束的前提下。所以,建议制定ce作为一个优化问题,鉴于此(9]。
在这里,表示总运营成本应该最小化。燃料的成本th发电机被表示为 的排放水平th发电机被表示为 表示发电机组的输出功率,最后,对应于整个机组数。
2.1.1。燃料成本的最小化
一般来说,燃料成本函数是通过二次方程表示的下面(9]:
在这里,对应于整体燃料成本和美元 , ,和 对应的成本系数发电机组。
2.1.2。排放最小化
当使用化石燃料时,发电机发出不同的污染物。所以,污染减排形式大多数电力系统操作的主要目标。方程(3)表示表达式的排放总量(5,9]:
在这里,整个发射和表示 , 对应于发电机组的排放系数。
2.1.3。代总成本这个问题
可以把dual-objective优化问题,集中排放,和燃料成本,变成一个简略优化问题的感应PPF(价格惩罚因子)正如前面给出的9]:
在这里,表示价格惩罚因子(PPF)之间的比例计算燃料的排放成本和相应的发电机组 。ppf的不同类型,而在当前的研究中,作者使用min-max类型来自[5,9)进行比较。以下是min-max类型的方程(9]: 在哪里和在这里,表示之间的比例最大的燃料成本和最大发射相应的发电机在美元/(9]。最大和最小输出功率的发电机结合了排放和燃料成本。后来,对应于美元的总运营成本。
遵循下面的步骤列表来确定惩罚因子的价格为一个特定的负载需求39]。(我)之间的比例最低的燃料成本和每个机组的最大排放应该确定。(2)价格惩罚因子值按升序排序。(3)每一个单元(的最大容量 )一次一个添加,从最低的开始 ,直到 (iv)然后, ,该协会最低的单位在这个过程中,仍然是初步PPF值( )考虑负载。
因此,修改后的PPF ( )利用到达特定负载需求的精确值插值的基础上吗值对应的负荷需求值。
2.2。可再生能源的成本函数
在全球范围内,可再生能源是最重要的选择的传播产生能量时,相比传统的发电机。在这种情况下,太阳能和风能可以表示为负的负荷,可以用来减轻总负荷需求系统(9]。然而,经济调度的解决方案被认为是一个基本分配剩下的传统发电机负荷的要求。在当前的研究中,这个解决方案的微型智能电网"需要成本功能风能和太阳能发电机组。从[9),输入数据成本和排放系数。
2.2.1。风力发电机组的成本函数
当前的经济分析是进行风力发电和问题可以确定具体的成本投入,操作,维护,和设备成本。这成本函数表示为每5,9]:
在这里,代表的产生的风力发电 , 对应的利率,表示Annuitization系数,对应于生命周期投资的年,p和对应的费用投资单位装机功率 单位装机功率和操作和维护成本 ,分别。
风力发电机组的24小时的数据被认为是来自[5]。风力发电成本函数所需的参数选择从[5,9]。
2.2.2。太阳能发电机组的成本函数
类似于风力发电,太阳能发电机组的成本函数表示为(5,9]: 在哪里太阳能发电机组的输出功率,对应于利率,表示生命周期投资的年,p和对应于投资成本在单位装机功率 单位装机功率和操作和维护成本 ,分别。
太阳能发电机组的24小时的数据被认为是(5]。太阳能发电成本函数所需的参数选择从[5,9]。
2.3。总成本的ce微型智能电网"
微型智能电网"的ce总成本的方程如下所示。这个值会根据成本最小化函数关于风能和太阳能(9]。
2.4。约束
研究者认为发电机容量和功率平衡约束与现有优化算法。
2.4.1。坐落的微型智能电网"模式
目前的研究认为坐落模式(微型智能电网"比较与优化结果实现5,9]。没有取舍之间的权力主要网格和微型智能电网"在这种模式下。所以,微型智能电网"需要实现本地或在社区负载的要求。
2.4.2。功率平衡约束
负载需求必须等于总发电(9]。
在这里,对应于总负载的需求。
2.4.3。发电能力约束
每个发电机组的输出功率得到两侧较低和上界(9]。
在这里,和对应的最小和最大输出大国相应的发电机组。
3所示。改进的蜉蝣算法
蜉蝣的算法灵感来自蜉蝣的社会行为,特别是他们如何相互交配(38]。假设蜉蝣立即被认为是成年人只要鸡蛋孵出。离开身边的他们的生活,只有适者蜉蝣倾向于生存。每个蜉蝣在搜索空间位置对应于一个解决方案,克服了这个问题。RAND函数是利用在常规蜉蝣算法产生新颖的变量导致局部最优。增加马英九的搜索能力和创建一个最优解,研究人员综合马列维飞行。如果用于系统辨识flight-based征税方法,实现快速收敛和不需要导数信息(40),由于随机随机搜索,按照征收飞行概念(41]。利维飞行高度有助于避免提高最优解的局部搜索和本地捕获(42]。拟议中的IMA算法的流程图如图1。
所需的步骤提出蜉蝣优化算法描述如下:
步骤1。两套蜉蝣,每个代表一个男性和一个女性人口,应该是随机生成的。然后,每个蜉蝣任意放置在问题空间作为候选解决方案是用一个d维向量 。然后基于预定义的目标函数的性能评估 。
步骤2。蜉蝣的速度 通过其初始化位置的变化。其方向是决定混合个人和社会之间的交互飞行体验。具体而言,每个蜉蝣往往会改变它的轨迹符合其个人最佳位置(pb)到目前为止。它还改变基于最好的位置通过任何其他蜉蝣群中到目前为止(gb)。
步骤3。初始化男性蜉蝣的人口 与速度 。男性蜉蝣,聚集成群,表示每个蜉蝣的位置会改变符合其个人的经验和你的邻居的。被认为是蜉蝣的当前位置吗在时间步长搜索空间和位置改变的速度 ,当前位置。这个符号是制定此。 男性蜉蝣视为存在几米出水面, ,婚礼舞蹈表演。它可以假设这些蜉蝣缺乏伟大的速度恒定的运动。这导致男性的蜉蝣的计算速度如下(38]: 在这里,对应于蜉蝣的速度维度 在时间步 , 表示蜉蝣的在维度的地位在时间步 , 和对应于积极吸引常量用于扩大认知和社会的贡献组件,分别。此外,表示蜉蝣最佳位置所访问。基于最小化问题考虑,个人最好的位置在下一个时间步 此决定。 以下是全球最佳位置的方程在时间步 。 在这里代表了固定可见性系数用于(7)。它是用来限制蜉蝣的可见性。此外,表示笛卡尔之间的距离和和对应于笛卡尔之间的距离和 。下面是这些距离的方程来确定。 在哪里对应于蜉蝣的元素和表示或 。如果算法需要适当的函数,那么最好的蜉蝣群中必须不断地执行上下婚礼舞蹈。所以,这些最佳蜉蝣的速度必须保持在改变计算如下(38]: 在这里,表示婚礼舞蹈而随机值的系数的范围(−1,1)用 。
步骤4。在这一步中,女性蜉蝣人口是初始化 与速度 。女性蜉蝣往往不会聚集一群相似的男性。相反,它会飞向其交配的男性。假定女性蜉蝣的当前位置吗在时间步长搜索空间 ,虽然它的位置被改变的速度当前位置,也就是说, 在这里,由于 一个人不能随机过程的吸引力。因此,模型是决定是一个确定性的过程。因此,他们的速度决定,鉴于此极小化问题的存在(38]。 在这里,对应于女性蜉蝣的速度在维 在时间步t,表示女性蜉蝣在维度的地位在时间步 ,和表示积极的引力常数而仍然是一个固定的可见性系数。此外,重力系数用 ,和对应于笛卡尔的男性和女性之间的距离蜉蝣。在这里对应于一个随机游走系数和表示随机值的范围(−1,1)。这个值决定基于(15)。
第5步。在这一步中,利维飞行的方法是参与计算的速度蜉蝣候选方案。方程(19)用于确定候选解决方案[蜉蝣的速度38]。
这个阶段使用随机行走方法改变全球最好的组件的位置。虽然利维飞行方法已用于探索到目前为止,它是与一个特定的搜索。
在这里,计算如下:
在这里,对应于一个比例因子设计符合搜索空间的元素。作者固定为1。
此外,σ计算如下(42]:
在这里,
,
对应于不加区别的数字躺在[0,1]的范围,和
,哪里有一个常数值,即。1.5合并为β在当前的研究中(40- - - - - -42]。
表示步长,合并征收与无限分布方差和平均值1 <λ< 3。对应于分布的因素,而用伽马分布函数
。
步骤6。重力系数值计算(38]:
重力系数值可以被认为是一个固定数量,在于(0,1)。
在哪里
,
对应于最大和最小值为重力系数,可以采取表示当前迭代算法的,而用的最大迭代数
。
步骤7。蜉蝣是交配,后代是评估。
蜉蝣之间的交配过程讨论了交叉算子,用此方法。从男性和女性人口,每一个家长选择通过相同的选择过程,即。,女性对男性的吸引力。具体地说,基于函数健身或随机选择父母。适应度函数而言,最好的女性伴侣最好的男性,第二好的女性与第二好的男性,等等。这两个后代中交叉结果制定了此(38]:
在这里,表示男性家长,和对应于母本,而是一个随机值在一个特定的范围内。后代的初始速度是固定为零。
3.1。改进的蜉蝣算法的伪代码
改进的蜉蝣算法的伪代码设计如下:(1)制定目标函数 (2)男性人口蜉蝣 和速度(3)女性人口蜉蝣 和速度(4)评估解决方案(5)确定全球最佳(6)虽然停止条件不满足吗(7)雄性和雌性的更新速度和解决方案(8)评估解决方案(9)排名的蜉蝣(10)随机行走方法适用于评估蜉蝣候选人的速度解决方案(11)确定重力系数的值(12)伴侣的蜉蝣(13)评估的后代(14)单独的后代随机男性和女性(15)恢复最大最好的新的解决方案(16)更新和(17)结束时(18)后处理结果和可视化
4所示。结果与讨论
目前的研究使用了一个微型智能电网"模型有三个传统的发电机,太阳能和风能的单位。结合热力和电力的发电机是一个发电机,而其他两个传统的发电机是同步的。按[9),三个传统发电机和日常负载概要文件被用于当前的研究细节。在改进的蜉蝣优化算法实现中,选出最优搜索过程的各种参数。
为了评估拟议中的IMA,各种场景被视为同此。(我)所有来源包括(2)火电机组没有可再生能源(3)火电机组和风力资源(iv)火电机组用太阳能来源
4.1。案例1:所有来源包括在内
在第一种情况下,提出了国际海事组织利用在说明这个问题的微型智能电网"和案件被认为是风能和太阳能供能的发电机。优化结果使用提出了IMA和与其他优化算法的结果进行对比。代成本计算提出了IMA和其他发表的方法如表所示1比较的目的。图2显示了收敛特性要求减轻总发电成本从马和IMA算法。如图2那么您交替确认时,该算法收敛的成本特点,获得更快、更平稳过渡是比其他优化技术。此外,图3展示了一代总成本节约的比较结果从这个问题当使用蜉蝣算法等优化算法。模拟的成果表明,拟议中的IMA优于马和其他优化算法。此外,使用拟议中的IMA算法获得的发电总成本低于其他优化算法。在图4代总成本是获得使用IMA与马和其他发表的算法。它是观察从图4改善蜉蝣优化算法提高了发电总成本19.68%,14.37%,3.08%,3.05%,2.17%,1.88%,0.94%,023)% RGM, ACO, CSA, ISA, IAHS,肉类,和马。
4.2。案例2:火电机组没有可再生能源
在这种情况下,蜉蝣优化算法是用来解决这个问题的微型智能电网"。这样总共花了3 fossil-fuel-powered热代单位考虑。通过IMA优化结果与其他算法的结果。表2展示了一代总成本通过拟议中的IMA和其他类似的优化算法。成本收敛结果如图5拟议中的IMA和其他优化算法。从结果,它可以被理解,IMA迅速收敛到最优的结果。代总成本节约的比较结果如图所示6当使用IMA ce的问题。这表明IMA取得更好的结果比马和其他优化算法。总代的比较节省成本获得使用马和其他算法提出了数字出版7。图7推断,代总成本在使用IMA算法提高了18.52%,14.67%,2。93%、3.3%、3.27%、1.32%和0。94% RGM算法CSA, ISA,肉类,和马。此外,案例1中可以获得的总发电成本低于第二种情况由于将可再生能源在一个微型智能电网"。
4.3。案例3:火电机组和风力资源
改善蜉蝣优化算法部署在这种情况下,微型电网中解决这个问题。这种情况下考虑fossil-fuel-powered热发电机除了风的来源。IMA和其他模型(马,IHS、CSA和ISA算法)是模拟,和结果进行了比较。表3显示了IMA的发电成本计算和其他类似的优化算法。在图8,作者展示了成本优化算法的收敛特性比较和拟议中的IMA之下。
此外,图8还提供了一个推理;即。,the convergence characteristic of the proposed LISA strategy II was smooth and quick compared to other strategies. In Figure9IMA的总成本储蓄相比,研究者从ce和其他优化算法问题。从应用程序的结果观察,IMA少了一代总成本与马相比,IHS, CSA, ISA算法。图10显示操作节省成本的比较结果获得使用IMA和其他发表的算法。它是观察从图10IMA运营成本提高了3.66%,3.64%,1.6%,和0.55% / CSA, ISA,肉类,和马。进一步说,在这种情况下获得的一代总成本仍然低于2因为集成的风力能源的微型智能电网"。
4.4。案例4:火电机组用太阳能来源
的情况考虑fossil-fuel-powered与太阳能热发电机组来源。在这种情况下,改进的蜉蝣优化算法选择微型电网中解决这个问题。仿真结果获得使用一种改进的蜉蝣优化算法与结果相比达到了马和其他类似的算法。改进的蜉蝣的一代总成本优化算法等优化算法提出了表4。图11代表了收敛特性获得使用马和IMA代总成本降到最低。从图11,得出结论,提出IMA提供稳定和快速收敛的特点。图12展示一代总成本节约的比较结果通过IMA和其他优化算法ce微型电网中发现问题。从优化结果观察,一种改进的蜉蝣算法提供一代总成本低于其他优化技术。图13展示了一代总成本的优化结果储蓄获得使用IMA和其他出版metaheuristic优化算法。图13IMA推断,该算法提高了发电总成本18.5%,14.7%,3.44%,3.41%,1.43%,和0.41% RGM, ACO, CSA, ISA,肉类,和马。作者还得出结论,在这种情况下总发电成本低于第二种情况,因为公司的太阳能能源的微型智能电网"。
4.5。比较成本曲线之间的所有场景
数据14和15显示一代总成本曲线的比较结果在所有场景IMA和马算法相比,一天24小时。此外,图16显示了总成本的定量比较结果在所有使用IMA的场景。你可以通知数据14- - - - - -16这种情况下1提供了最低一代成本相对于其他场景。同时,可以观察到从案例2,最高的一代成本是在这种情况下获得的。这可能是由于原因可再生能源作为负负载,而其余只fossil-fuel-powered热机组所提供的。它减少了发电总成本。此外,获得的发电总成本是在案例3比4。这可能发生由于大量投资在太阳能与风力发电成本。
5。结论
在最近的研究中,改进的蜉蝣优化算法(IMA)实现解决合并后经济排放调度(ce)和可再生能源。研究合并提议IMA作为这个问题的解决方案中遇到的微型智能电网"。太阳能和风能是成本函数在这个研究。提出了IMA算法验证的霸权和效率在不同场景下的一个微型智能电网"模式。IMA的结果和其他算法进行了比较和对比。IMA的比较结果表明,该算法在降低成本在所有场景。这个推断提出IMA优越,健壮,在早些时候发表的其他metaheuristic优化算法和高效。在未来,改进的蜉蝣优化算法可以应用在短时间解决这个问题微型电网包括电动汽车电池存储和完成单一和多目标优化。
命名法
符号列表
| : | Annuitization系数 |
| : | 风力发电机组的成本 |
| : | 太阳能发电机组的成本 |
| : | 婚礼舞蹈系数 |
| : | 的排放水平th发电机 |
| : | 总体排放 |
| : | 随机游走系数 |
| : | 燃料的成本th发电机 |
| : | 整体燃料成本 |
| : | 重力系数 |
| : | 全球最好的 |
| : | 当前迭代 |
| : | 最大的没有。的迭代 |
| : | 随机数 |
| p: | 费用在投资单位装机功率 |
| : | 一生的投资 |
| : | 不。的发电机组 |
| : | 操作和维护成本单位装机功率 |
| : | 个人最好成绩 |
| : | 最大输出功率的发电机 |
| : | 最小输出功率的发电机 |
| : | 总负载需求 |
| : | 输出功率的th发电机组 |
| : | 从太阳能发电机组输出功率 |
| : | 从风电机组输出功率 |
| : | 利率 |
| : | 笛卡儿之间的距离和 |
| : | 笛卡儿之间的距离和 |
| : | 笛卡尔的男性和女性之间的距离蜉蝣 |
| : | 营业总成本 |
| : | 固定的可见性系数 |
| : | 价格惩罚因子 |
| : | 价格惩罚因子th发电机 |
| : | 分布的因素 |
| : | 比例因子 |
| : | 伽马分布函数 |
| : | 标准差。 |
缩写
| 研究: | Bernstein-search微分进化 |
| ce: | 结合经济排放调度 |
| ChOA: | 黑猩猩优化算法 |
| 共和人民党: | 结合热力和电力 |
| 共和人民党: | 结合热力和电力经济调度 |
| 碳氮氧: | 集体神经能的优化 |
| DCHPED: | 动态结合热力和电力经济排放调度 |
| DDG: | 可分派分布式发电机 |
| 德: | 微分进化 |
| 行为: | 排放动态经济调度 |
| DSM: | 需求侧管理 |
| 电子商务: | 环境约束经济调度 |
| 速度: | 经济环境的调度 |
| 古人说: | 经济负荷调度 |
| 教育津贴: | 外汇市场的算法 |
| 舰队指挥官: | 燃料电池 |
| fcd: | 燃料约束动态经济调度 |
| 外交政策: | 部分编程 |
| 遗传算法: | 遗传算法 |
| 拥有: | 灰太狼优化器 |
| HFA /海关: | 混合萤火虫与和谐搜索 |
| IGWO: | 改进的灰太狼优化器 |
| IMA: | 改进的蜉蝣算法 |
| ISA: | 内部搜索算法 |
| LPSP: | 失去电源的概率 |
| 马: | 蜉蝣算法 |
| MAACPSO: | 修改后的自适应粒子群优化加速 |
| MBGSA: | 基于内存的引力搜索算法 |
| MG: | 微型智能电网" |
| MILP: | 整数线性规划 |
| MOVCS: | 病毒多目标蚁群搜索 |
| MT: | Microturbine |
| 生产可能性边界: | 价格惩罚因子 |
| 算法: | 粒子群优化 |
| PV: | 光伏 |
| QPSO: | 量子粒子群优化 |
| SFS: | 随机分形搜索算法 |
| SGEO: | 社会群体的熵优化 |
| 紧急求救信号: | 序贯优化策略 |
| ss: | 系统剩余能量率 |
| WOA: | 鲸鱼的优化算法 |
| WT: | 风力涡轮机。 |
数据可用性
使用的数据来支持本研究的结果都包含在这篇文章。要进一步的数据或信息,这些都可以从相应的作者。
信息披露
本研究进行的一部分Kombolcha理工学院的就业,罗大学Kombolcha,阿姆哈拉,埃塞俄比亚。
的利益冲突
作者宣称没有利益冲突有关的出版。
确认
作者要感谢印度理工学院和科学,钦奈,和Vellore理工学院,钦奈校园,他们的支持和鼓励开展这项工作。