الگوریتم تکاملی تفاضلی اصلاح شده برای جریان برق بهینه با توابع هزینه غیر صاف

الگوریتم تکاملی تفاضلی اصلاح شده برای جریان برق بهینه با توابع هزینه غیر صاف (کد 15)

چکیده مقاله

تکامل تفاضلی (DE) یک الگوریتم بهینه سازی تکاملی ساده اما قدرتمند با عملکرد بهتر نسبت به بسیاری از تکنیک های بهینه سازی جهانی تصادفی و جستجوی مستقیم موجود است. الگوریتم DE یک روش جدید بهینه سازی است که می تواند توابع هدف غیر قابل تشخیص، غیر خطی، و چند دسته ای را حل و فصل کند. در این مقاله یک الگوریتم تکاملی تفاضلی اصلاح شده (MDE) کارآمد برای حل مسئله جریان برق بهینه (OPF) با منحنی های هزینه سوخت غیر صاف و غیر محدب ارائه شده است. تغییرات در قانون جهش به الگوریتم DE اصلی اِعمال شده، که موجب افزایش نرخ همگرایی با کیفیت راه حل بهتر شده است. سیستم های تست 6-گذرگاهی و 30 گذرگاهی IEEE با سه نوع مختلف از منحنی های هزینه ژنراتور برای تست و اعتبار سنجی اهداف استفاده می شوند. نتایج شبیه سازی نشان می دهند که الگوریتم MDE نتایج بسیار قابل توجهی را در مقایسه با نتایجی که به تازگی در منابع مختلف گزارش شده اند فراهم می کند.

مقاله اصلی به همراه ترجمه

عنوان انگلیسی مقاله (Modified differential evolution algorithm for optimal power flowwith non-smooth cost functions)

برای دانلود این فایل اینجا کلیک نمایید

The PDF version of this page!

الگوریتم تکاملی تفاضلی اصلاح شده برای جریان برق بهینه با توابع هزینه غیر صاف